本文來(lái)自半導(dǎo)體產(chǎn)業(yè)縱橫。
模擬芯片可以是非常好的低功耗傳感設(shè)備，特別是對(duì)于一些聲音和視覺應(yīng)用。這對(duì)人工智能是有吸引力的。
對(duì)速度的需求是人工智能硬件領(lǐng)域的熱門話題——更大的人工智能語(yǔ)言模型、更快的芯片和更多的帶寬，讓人工智能機(jī)器做出準(zhǔn)確的預(yù)測(cè)。
但一些硬件初創(chuàng)公司正在采用人工智能計(jì)算的回溯方法，以對(duì)抗“越多越好”的方法。包括Innatera、Rain Neuromorphics和其他公司在內(nèi)的公司正在創(chuàng)建帶有模擬電路的硅大腦來(lái)模擬大腦功能。
大腦本質(zhì)上是模擬的，接收原始的感覺數(shù)據(jù)，這些芯片制造商正試圖重建大腦神經(jīng)元和突觸在傳統(tǒng)模擬電路中的工作方式。
Tirias Research的分析師Kevin Krewell表示，模擬芯片可以是非常好的低功耗傳感設(shè)備，特別是對(duì)于一些聲音和視覺應(yīng)用。
“模擬是大腦如何使用分布式記憶細(xì)胞來(lái)保持神經(jīng)元權(quán)重或以其他方式保持模擬權(quán)重的更接近的表現(xiàn)，”Krewell說(shuō)。
人工智能和機(jī)器學(xué)習(xí)主要依賴于邊緣或數(shù)據(jù)中心的數(shù)字芯片。但在智能手機(jī)或汽車等邊緣，模擬芯片有一個(gè)位置，它們需要即時(shí)智能，而不需要將數(shù)據(jù)發(fā)送到云端，云端用于提供人工智能服務(wù)。
“我們的目標(biāo)不是取代整個(gè)人工智能管道，”位于荷蘭Rijkswijk的Innatera Nanosystems BV首席執(zhí)行官Sumeet Kumar說(shuō)。
Innatera的第三代人工智能芯片有256個(gè)神經(jīng)元和65000個(gè)突觸，與擁有860億個(gè)神經(jīng)元、工作功率約為20瓦的人腦相比，這聽起來(lái)并不多。但Kumar表示，可以在頂部創(chuàng)建一個(gè)完全連接的循環(huán)網(wǎng)絡(luò)，并且該芯片可以使用紐扣電池運(yùn)行。
客戶正在使用該芯片來(lái)運(yùn)行雷達(dá)和音頻應(yīng)用，其性能可與同類其他芯片相媲美。該芯片的目標(biāo)是在設(shè)備上整合低水平的學(xué)習(xí)和推理，這被認(rèn)為是展會(huì)參與者對(duì)人工智能的一大挑戰(zhàn)。
“我們正在嘗試做的是，我們認(rèn)識(shí)到，當(dāng)數(shù)據(jù)從傳感器移動(dòng)到云端時(shí)，它實(shí)際上會(huì)在多個(gè)階段被不同類型的人工智能轉(zhuǎn)換。我們經(jīng)?？吹降氖强蛻粼谠浦羞M(jìn)行低級(jí)傳感器數(shù)據(jù)處理，這是完全沒有必要的，”Kumar說(shuō)。
Innatera芯片接收來(lái)自傳感器的信息，這些信息被轉(zhuǎn)換為尖峰信號(hào)，輸入的內(nèi)容被編碼為這些尖峰信號(hào)發(fā)生的準(zhǔn)確時(shí)間。
“這正是它在你的大腦中發(fā)生的方式。當(dāng)你聽到某些聲音時(shí)，你的耳朵中會(huì)出現(xiàn)……微小的毛發(fā)細(xì)胞，它們實(shí)際上可以檢測(cè)到每個(gè)頻段以及該頻段內(nèi)的能量是多少。這些頭發(fā)細(xì)胞會(huì)振動(dòng)，產(chǎn)生尖峰，然后進(jìn)入你的聽覺皮層的其余部分。本質(zhì)上，我們遵循的是完全相同的原則，”Kumar說(shuō)。
根據(jù)該原理，大腦神經(jīng)元內(nèi)部存在鈣離子和低鈉離子，并且這些濃度會(huì)隨著時(shí)間而變化。Innatera的芯片使用電流復(fù)制了同樣的行為。
“我們衡量進(jìn)入神經(jīng)元和流出神經(jīng)元的電流量。這就是我們模仿大腦的方式，”Kumar說(shuō)。
這個(gè)想法不是要破壞當(dāng)前的人工智能流入云端，而是要替換當(dāng)前無(wú)法在設(shè)備上做出決策的邊緣人工智能芯片。該芯片還減少了將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)的過(guò)程。
“你不能真正在長(zhǎng)距離上轉(zhuǎn)換模擬信號(hào)，因?yàn)槟菢幽銓?shí)際上已經(jīng)退化了。我們通過(guò)將模擬信號(hào)轉(zhuǎn)換為尖峰來(lái)避免這種情況，”Kumar說(shuō)。
今天人工智能的基礎(chǔ)是基于使用數(shù)字芯片和技術(shù)模擬大腦神經(jīng)元的動(dòng)作，這已經(jīng)非常成功?；谀柖傻倪M(jìn)步，那些數(shù)字電路和網(wǎng)絡(luò)變得更大更快。
但是模擬也有它的問(wèn)題。例如，由于漂移等校準(zhǔn)問(wèn)題，很難在模擬芯片之間獲得一致性，
“模擬電路和存儲(chǔ)單元不像數(shù)字電路那樣擴(kuò)展。大多數(shù)時(shí)候，模擬最終必須轉(zhuǎn)換為數(shù)字才能與系統(tǒng)的其余部分進(jìn)行交互，”Krewell說(shuō)。
可以肯定的是，神經(jīng)形態(tài)芯片的概念并不新鮮。英特爾和IBM等公司一直在開發(fā)類腦芯片，大學(xué)也在開發(fā)自己的模擬電路版本。英特爾和其他公司已經(jīng)提高了對(duì)神經(jīng)形態(tài)芯片和傳統(tǒng)AI之間差異的認(rèn)識(shí)，但隨著AI計(jì)算需求和能效以不可持續(xù)的速度增長(zhǎng)，初創(chuàng)公司認(rèn)為有必要推出他們的產(chǎn)品。
另一家人工智能芯片公司Rain Neuromorphics表示，其大腦模擬芯片將用于阿貢國(guó)家實(shí)驗(yàn)室的粒子加速器。
在人工智能硬件峰會(huì)上的一次演講中，該公司沒有提供有關(guān)如何使用該芯片的太多細(xì)節(jié)，但該公司的首席執(zhí)行官Gordon Wilson表示，該芯片將像硅大腦一樣幫助研究實(shí)驗(yàn)室的研究和得出粒子碰撞的結(jié)論。
硅大腦將提供設(shè)備上的智能以防止傳感器漂移，這可能導(dǎo)致錯(cuò)誤的數(shù)據(jù)被饋送到人工智能系統(tǒng)。傳感器漂移的概念類似于人工智能中的模型漂移，其中輸入學(xué)習(xí)模型的不良數(shù)據(jù)可能會(huì)使人工智能系統(tǒng)偏離軌道。
Wilson聲稱，與云端人工智能相比，該芯片的設(shè)備端功能更節(jié)能。
“你需要即時(shí)學(xué)習(xí)的能力。您需要能夠針對(duì)傳感器漂移進(jìn)行訓(xùn)練和微調(diào)，以保持該系統(tǒng)的性能，”Wilson說(shuō)。
Wilson說(shuō)，Rain人工智能芯片的第一次迭代“看起來(lái)與……其他模擬或混合芯片沒有根本不同”。但它將具有學(xué)習(xí)能力，這將釋放更多價(jià)值。
Wilson指出可能有不同類型的記憶，如憶阻器電路，提供學(xué)習(xí)能力。自1960年代以來(lái)，憶阻器一直處于開發(fā)階段，惠普（后來(lái)成為HPE）一直在追求將其用于名為The Machine的大型計(jì)算機(jī)中，但該技術(shù)仍然是一個(gè)新奇的技術(shù)。
“憶阻器用作存儲(chǔ)電阻器。它是一個(gè)可以調(diào)節(jié)其阻值的電阻器。它被用作人工突觸，”威爾遜說(shuō)。在大腦中，突觸不需要完美，對(duì)Rain人工智能憶阻器的要求會(huì)有所不同。
