Le Dr Michael C. Mayberry est vice-président d'Intel et directeur de l'Intel Research Institute, où il est responsable du travail de recherche mondial d'Intel dans le domaine de l'informatique et des communications. Il dirige également le comité de recherche de l'entreprise pour promouvoir l'allocation des ressources et la priorisation des projets de recherche ciblés d'Intel Triage.
Dr Mayberry a travaillé dans un certain nombre de postes dans l'entreprise depuis qu'il a rejoint Intel en tant qu'ingénieur d'intégration de processus en 1984. En tant que membre de l'équipe de développement de la technologie en Californie, il a développé des processus de fabrication de plaquettes EPROM, flash et logique. En 1994, il a rejoint L'équipe de développement de la technologie des tests de plaquettes, responsable du développement et du développement de la feuille de route du processus de test du microprocesseur Intel, est entrée dans l'équipe de recherche des composants en 2005, responsable de fournir les futures options technologiques pour le département de développement technologique d'Intel.
Dr Mayberry a obtenu un doctorat de l'Université de Californie à Berkeley en 1983 et un baccalauréat en chimie et mathématiques de l'Université de Milan en 1978.
Imaginez - l'avenir, nous pouvons prendre des décisions plus rapidement sur des problèmes complexes et pouvoir être ajustés à tout moment, beaucoup de problèmes sociaux et industriels peuvent aussi être une expérience d'autoapprentissage pour résoudre automatiquement l'avenir, les secouristes de première ligne peuvent être à travers l'analyse d'identification d'image des rues L'écran de la caméra et l'élimination rapide des personnes manquantes ou enlevées à l'avenir, les feux de signalisation ajusteront automatiquement le flux de circulation en fonction du temps des feux de signalisation, contrôleront le début du temps de stationnement pour réduire l'encombrement du trafic dans le futur, le robot deviendra plus autonome, plus efficace Sera considérablement améliorée.
Avec la demande croissante pour la collecte, l'analyse et la prise de décision de données hautement dynamiques et non structurées, la nécessité d'un calcul dépasse l'architecture classique du processeur et du GPU. Afin de suivre le rythme du développement technologique et de piloter le PC Et Intel, qui a travaillé sur des plates-formes informatiques qui accélèrent la plate-forme informatique classique depuis six ans, Intel a également augmenté son investissement et sa recherche dans les calculs d'intelligence artificielle (IA) et de mimétisme neuronal.
Notre recherche dans le domaine du mimétisme neuronal repose sur des décennies de recherche et de collaboration, initiée par le Professeur Carver Mead, de l'Institut de technologie de la Californie, et est connue pour son travail de base en conception de semi-conducteurs. L'expertise de la puce, La combinaison de la physique et de la biologie fournit un bon environnement pour la création de nouvelles idées, très simples et révolutionnaires: la machine est comparée au cerveau humain, qui sera très collaborative et continuera à soutenir le développement de la science Le
En tant que sujet de recherche au Intel Research Institute, Intel a développé la première puce de mimique neuronale auto-apprentissage, codée Loihi, qui imitait la façon dont le cerveau réagit à l'environnement pour apprendre à fonctionner. Il s'agit d'une efficacité énergétique Chip, qui utilise des données pour apprendre et faire des inférences, devient plus intelligent au fil du temps et n'a pas besoin d'être formé de manière traditionnelle. Il utilise une nouvelle façon de calculer par des impulsions asynchrones.
Nous pensons que l'intelligence artificielle est encore dans la phase initiale, Loihi et d'autres architectures et méthodes continueront d'émerger, afin d'améliorer le niveau de l'intelligence artificielle. Le mimétisme du corps s'inspire de notre compréhension actuelle de la structure du cerveau et de son pouvoir informatique. L'information est transmise par impulsion, qui ajuste le poids des synapses ou des connexions synaptiques en fonction du temps de ces impulsions et stocke ces changements aux jonctions synaptiques. Collaboration entre plusieurs régions du réseau neuronal du cerveau et son environnement Les interactions compétitives produisent des comportements intelligents.
L'apprentissage par machine, comme l'apprentissage approfondi, a fait de grands progrès en utilisant un grand nombre d'ensembles de données de formation pour identifier des objets et des événements, mais à moins que ces ensembles de données de formation ne tiennent compte d'éléments, de conditions ou de circonstances spécifiques, ces systèmes d'apprentissage par machine ne peuvent pas Bien généralisé.
Les avantages potentiels des puces auto-apprentissage sont sans fin, par exemple, il peut être une personne dans une variété de conditions - faire du jogging, avant de manger ou avant d'aller dormir - les données de battement de coeur fournies à un système basé sur le mimétisme neuronal pour analyser les données Pour déterminer le rythme cardiaque «normal» dans diverses situations, et le système surveille en continu les données de battement de coeur entrantes pour indiquer une situation qui ne correspond pas au motif de battement de cœur «normal», qui peut également fournir un service personnalisé pour tout utilisateur.
Ce type de logique s'applique également à d'autres scénarios d'application, tels que: la sécurité du réseau, car le système a appris une variété de conditions sous le mode «normal», alors, lorsque les anomalies ou les différences de flux de données, vous pouvez identifier la vulnérabilité Ou des attaques de pirates informatiques.
Intel lança Loihi Test Chip
Les jetons de test de recherche Loihi incluent des circuits numériques qui imitent les mécanismes de base du cerveau, rendent l'apprentissage de la machine plus rapide et plus efficace et moins de demande pour le pouvoir de calcul. Le modèle de mimique neurale s'inspire de la communication et de l'apprentissage neuronaux, L'utilisation du contact chronologique et impulsionnel basé sur le temps, qui aidera l'ordinateur dans le modèle et la base de l'association à se réaliser de manière autonome et à prendre des décisions.
La puce de test Loihi offre un apprentissage hautement flexible sur la puce et intègre la formation et l'inférence en une seule puce, qui automatise la machine et effectue des ajustements en temps réel sans attendre la prochaine mise à jour du cloud. Les chercheurs ont confirmé que, avec d'autres typiques Par rapport au réseau de neurones à impulsions, la vitesse d'apprentissage de la puce Loihi est améliorée de 100 millions de fois pour résoudre le problème de reconnaissance numérique MNIST et le taux de fonctionnement total requis pour atteindre un certain taux de précision est 1 million fois supérieur à celui du réseau neuronal de convolution et du réseau de neurones d'apprentissage profond La puce de test Loihi nécessite moins de ressources dans la même tâche.
La fonction d'autoapprentissage de cette puce de test a un potentiel énorme pour améliorer les applications automobiles et industrielles ainsi que les robots personnels - y compris toutes les applications qui bénéficient d'un fonctionnement autonome et d'apprentissage continu dans des environnements non structurés, comme l'identification de voitures ou de vélos Mouvement.
En outre, l'efficacité énergétique de Loihi a augmenté d'un facteur de 1000 par rapport à la puce informatique à usage général pour la formation de systèmes d'intelligence artificielle, et au premier semestre de 2018, Intel va partager des chips d'essai Loihi avec des universités et des instituts de recherche pour promouvoir l'intelligence artificielle.