Loihi es también un chip de ahorro de energía que utiliza el aprendizaje de datos y la inferencia y no tiene que ser tradicionalmente entrenado.Utiliza un enfoque novedoso, a través de la " Disparador asincrónico "para calcular.
Los chips de prueba de investigación Loihi incluyen circuitos digitales que emulan los mecanismos básicos del cerebro, haciendo que las máquinas aprendan más rápido y de manera más eficiente, mientras requieren menos esfuerzo computacional.
El modelo de la imitación del chip neural se inspira en el intercambio y aprendizaje de las neuronas, en el que el disparo de las neuronas puede ser modulado en el tiempo, lo que puede ayudar al ordenador a organizarse y tomar decisiones según el tipo y asociación.
El chip de prueba Loihi proporciona un aprendizaje de chip altamente flexible que se puede hacer en un solo chip para completar el entrenamiento y el razonamiento, lo que permite que la máquina se sintonice automáticamente en tiempo real en lugar de esperar a las actualizaciones de nubes. Resolver el problema de identificación digital MNIST, su velocidad de aprendizaje es de 100 millones de veces.Compared con la red de convolución neural y la tecnología de redes neuronales de aprendizaje profundo, Loihi prueba de chip en el mismo trabajo utilizando menos recursos.
La capacidad de autoaprendizaje de este chip de prueba tiene un gran potencial para mejorar aplicaciones automotrices e industriales y robots personales - cualquier aplicación que funcione automáticamente en entornos no estructurados y continúe aprendiendo, por ejemplo, a identificar coches o bicicletas.
2018 En la primera mitad del año, los chips de prueba Loihi se compartirán con las principales universidades e instituciones de investigación, centrándose en el avance del desarrollo de la inteligencia artificial.
Las características del chip de prueba Loihi incluyen:
La arquitectura reticular multi-core completa de las neuronas asíncronas soporta una variedad de redes neuronales escasas, jerárquicas y cíclicas, cada una de las cuales puede comunicarse con miles de otras neuronas.
Cada núcleo de forma neural incluye un motor de aprendizaje que puede programar los parámetros de red durante el proceso de trabajo, apoyando la supervisión, los patrones de aprendizaje no supervisados, mejorados y otros.
Hecho por el proceso de Intel 14nm.
Un total de 13 millones de neuronas y 130 millones de sinapsis.
Desarrollar y probar algoritmos eficientes, incluyendo planificación de rutas, satisfacción de restricciones, codificación escasa, aprendizaje léxico y aprendizaje y adaptación de patrones dinámicos.
Impulsado por los avances en la tecnología informática y algoritmos, el poder de cambio en la inteligencia artificial se espera que tenga un gran impacto en la sociedad. Computación comercial y hardware personalizado y software puede desempeñar un papel en todos los aspectos, Intel también en esta área también el diseño.
El actual procesador Intel Xeon Phi se utiliza para la computación científica, produciendo algunos de los modelos más grandes para explicar los problemas científicos a gran escala, así como el vástago de cálculo del nervio Movidius, con sólo 1 vatio de potencia para realizar los modelos de post-entrenamiento.