El Dr. Michael C. Mayberry es el vicepresidente de Intel y director del Intel Research Institute, donde es responsable del trabajo de investigación global de Intel en el campo de la informática y las comunicaciones y dirige el comité de investigación de la compañía para promover la asignación de recursos y la priorización de los proyectos de investigación de Intel Clasificación.
El Dr. Mayberry ha trabajado en varios cargos en la empresa desde que se incorporó a Intel como ingeniero de integración de procesos en 1984. Como miembro del equipo de desarrollo de tecnología de California, desarrolló procesos de fabricación de EPROM, flash y lógica. El equipo de desarrollo de la prueba de la oblea de la tecnología, responsable del desarrollo y del desarrollo de la hoja de ruta del proceso de la prueba del microprocesador de Intel, entró en el equipo de investigación componente en 2005, responsable de proporcionar opciones futuras de la tecnología para el departamento de desarrollo de la tecnología de Intel.
El Dr. Mayberry recibió un doctorado de la Universidad de California en Berkeley en 1983 y una Licenciatura en Ciencias en Química y Matemáticas de la Universidad de Milán en 1978.
Imagine - el futuro, podemos tomar decisiones más rápidamente sobre cuestiones complejas y se puede ajustar en cualquier momento, una gran cantidad de problemas sociales e industriales también puede ser la experiencia de autoaprendizaje para resolver automáticamente el futuro, los trabajadores de primera línea de rescate puede ser a través del análisis de identificación de imagen de las calles La pantalla de la cámara, y rescindir rápidamente la gente desaparecida o secuestrada en el futuro, los semáforos se ajustará automáticamente el flujo de tráfico de acuerdo a los semáforos de tiempo, controlar el inicio del tiempo de estacionamiento para reducir la congestión del tráfico en el futuro, el robot se convertirá en más autonomía, Se mejorará significativamente.
Con la creciente demanda de recopilación de datos, análisis y toma de decisiones a partir de datos naturales altamente dinámicos y no estructurados, la necesidad de la informática va más allá de la arquitectura clásica de la CPU y la GPU Para mantenerse al ritmo del desarrollo tecnológico y conducir la PC Además, Intel, que ha estado trabajando en plataformas informáticas que han estado acelerando la clásica plataforma de computación durante los últimos seis años, también ha incrementado su inversión e investigación en inteligencia artificial (AI) y cálculos de mimetismo neural.
Nuestra investigación en el campo del mimetismo neural se basa en décadas de investigación y colaboración, iniciada por el Profesor Carver Mead del Instituto de Tecnología de California y conocida por su trabajo básico en diseño de semiconductores, La combinación de la física y la biología proporciona un buen ambiente para la creación de nuevas ideas, que son muy simples y revolucionarias: la máquina se compara con el cerebro humano, que será altamente colaborativa y seguirá apoyando el desarrollo de la ciencia El
Como un tema de investigación en el Intel Research Institute, Intel desarrolló el primer chip de mimetismo neuronal de auto-aprendizaje, llamado Leyhi, que imitaba la forma en que el cerebro responde al medio ambiente para aprender cómo funciona.Esto es un muy eficiente de la energía Chip, que utiliza los datos para aprender y hacer inferencias, se vuelve más inteligente a lo largo del tiempo, y no necesita ser entrenado de la manera tradicional.Utiliza una forma novedosa de calcular pulsos asíncronos.
Creemos que la inteligencia artificial todavía está en la etapa inicial, Loihi y otros más arquitectura y métodos seguirán apareciendo, a fin de mejorar el estándar de la inteligencia artificial.Mirary mímica se inspira en nuestra comprensión actual de la estructura del cerebro y su poder de cálculo. La información se transmite por pulso, que ajusta el peso de las sinapsis o conexiones sinápticas basado en el tiempo de estos impulsos y almacena estos cambios en las uniones sinápticas.La colaboración entre múltiples regiones de la red neuronal del cerebro y su entorno Las interacciones competitivas producen un comportamiento inteligente.
El aprendizaje automático, como el aprendizaje en profundidad, ha hecho un gran progreso recientemente usando un gran número de conjuntos de datos de entrenamiento para identificar objetos y eventos, pero a menos que estos conjuntos de datos de entrenamiento tengan en cuenta elementos, condiciones o circunstancias específicas, estos sistemas de aprendizaje automático no pueden Consiga bien generalizado.
Los beneficios potenciales de los chips de autoaprendizaje son infinitas, por ejemplo, puede ser una persona en una variedad de condiciones - trotar, antes de comer o antes de irse a dormir - los datos de los latidos suministrados a un sistema basado en mimetismo neural para analizar los datos Para determinar el latido del corazón "normal" en una variedad de situaciones, el sistema monitorea continuamente los datos de los latidos del corazón para indicar una situación que no coincide con el patrón de latido cardíaco "normal", que también puede proporcionar un servicio personalizado para cualquier usuario.
Este tipo de lógica se puede aplicar a otros escenarios tales como: seguridad de la red, ya que el sistema ha aprendido el modo 'normal' en diversas condiciones, y por lo tanto anormal, o cuando la diferencia se produce vulnerabilidad cuando el flujo de datos, se puede identificar O ataques de hackers.
Intel lanza el chip de prueba Loihi
Estudio chip de prueba Loihi que comprende los circuitos digitales para imitar los mecanismos básicos del cerebro, por lo que el aprendizaje de la máquina se vuelve más rápido y más eficiente, mientras que la demanda de menor cómputo de chip neuronal modelo de estado de la inspiración de potencia. De las comunicaciones y las neuronas destinados en el modo de aprendizaje, El uso del tiempo basado en el pulso y el contacto de plástico, que ayudará a la computadora en el modelo y la base de la asociación para lograr la auto-organización y tomar decisiones.
El chip de prueba Loihi proporciona un aprendizaje en el chip muy flexible e integra el entrenamiento y la inferencia en un solo chip, que automatiza la máquina y realiza ajustes en tiempo real sin esperar la próxima actualización desde la nube. En comparación con la red neural de pulso, la velocidad de aprendizaje del chip Loihi se mejora en 100 millones de veces para resolver el problema de reconocimiento digital MNIST y la tasa de operación total requerida para alcanzar cierta tasa de precisión es 1 millón de veces mayor que la red neuronal de convolución y la red neuronal de aprendizaje profundo El chip de prueba Loihi requiere menos recursos en la misma tarea.
La función de autoaprendizaje de este chip de prueba tiene un tremendo potencial para mejorar las aplicaciones automotrices e industriales, así como robots personales, incluyendo cualquier aplicación que se beneficie de la operación autónoma y el aprendizaje continuo en entornos no estructurados, como la identificación de coches o bicicletas Movimiento.
Además, la eficiencia energética de Loihi ha aumentado en un factor de 1000 en comparación con el chip de computación de propósito general para el entrenamiento de sistemas de inteligencia artificial, y en la primera mitad de 2018, Intel comparte los chips de prueba Loihi con las principales universidades e institutos de investigación para promover la inteligencia artificial.