上海新闻网

首页 > 正文

全球首款异构融合类脑芯片 清华“天机”登Nature封面

www.hishidai.net2019-08-12
?

ee5c-iaqfzyv5903470.jpg

欢迎来到“Creation”微信订阅号:sinachuangshiji

编辑/大明,张佳,肖琴

新情报(ID: AI_era)

[新智元指导]好消息!清华大学开发了世界上第一个异构融合脑芯片,并发布了最新一期的自然封面!该研究小组还展示了该芯片驱动的“无人驾驶自行车”。本研究由清华大学脑计算研究中心的史鲁平教授领导。花了七年的时间才终于取得了积极的成果!

清华大学研制出世界上第一台异构融合脑计算芯片“天空运动”,由“芯片”驱动的“无人自行车”登上了最新一期的自然封面!

7efe-iaqfzyv5903516.jpg

该研究由清华大学脑计算研究中心的一个教授团队进行,该团队以精密仪器系为基础,展示了一种由新型人工智能芯片驱动的自动驾驶自行车。

4212-iaqfzyv5903580.jpg

在研究成果的基础上,论文“关于人工智能与混合天津芯片架构”于8月1日发表了封面文章《自然》(自然),实现了中国芯片和人工智能的两大领域《自然》论文零突破。

67f5-iaqfzyv5903660.jpg天体芯片5x5阵列扩展板

技术路线,这种融合技术有望提升每个系统的能力,促进人工一般智能的研发。

这款混合芯片被命名为“Tianjic”,具有多个高度可重新配置的功能核心,支持机器学习算法和现有的类脑算法。

研究人员使用自动自行车系统来验证这种混合芯片的处理能力。

这是一个异构且可扩展的手动通用智能开发演示平台。它使用一块天体芯片来演示自行车自平衡,动态感应,目标检测,跟踪,自动避障,避障,语音理解和自我决定的功能。

在测试中,无人驾驶自行车不仅可以识别语音命令,实现自平衡控制,还可以检测和跟踪前方行人,并自动避开障碍物。

61a1-iaqfzyv5903720.gif S型路由跟踪

477c-iaqfzyv5903754.gif语音控制“左转”

5b05-iaqfzyv5903789.gif语音控制“直接加速”

c9dd-iaqfzyv5903851.gif自主避障

施鲁平教授说,这只是一项非常初步的研究,但这项研究可以促进人工通用智能计算平台的进一步发展。

接下来,新之源对这项突破性研究进行了详细解读,并对Shiluping团队进行了采访。

“十大运动”:支持计算机科学与大脑计算融合的AGI之路

道路的思想,概念和实施方案之间存在根本差异,它们依赖于不同的开发平台,彼此不相容,这极大地阻碍了AGI技术的发展。迫切需要一种同时支持这两种方法的通用平台。

Shiluping团队开发的“Tianjic Chip”已经做到了这一点,可以为AGI技术提供混合和协作开发平台。

ce20-iaqfzyv5903904.jpg

ece6-iaqfzyv5904082.jpg Tianjic芯片和测试板

Tianjic芯片采用多核架构的流式控制模式,可重构的功能核心模块和混合编码方案。它不仅可以适应基于计算机的机器学习算法,还可以轻松实现受大脑原理和各种编码方案启发的神经计算模型。

ebdc-iaqfzyv5904143.jpg天体异构融合脑计算架构

只需一个芯片,就可以在无人自行车系统中同时处理多种算法和模型,实现目标检测,跟踪,语音控制,避障和平衡控制。该研究有望为更多功能的硬件平台的开发开辟新的途径,并促进AGI技术的发展。

鉴于目前机器学习和神经科学的进步,AGI系统至少应具有以下特征:

它可以支持在神经网络中表达丰富的空间,时间和时空关系。

支持分层,多粒度和多域网络拓扑,不限于特定的网络结构。

支持各种模型,算法和编码方案。

支持多个专用神经网络的交织协作,可以设计为并行处理不同的任务。

这些功能需要在一个通用平台中高效运行,该平台支持在统一框架中支持主流人工神经网络(ANN)和神经科学启发的模型和算法。

af17-iaqfzyv5904206.jpg图1:AGI开发的混合路由

为了支持这些功能,该团队开发了一个跨范式计算平台,可以适应计算机科学和神经科学的神经网络(图1),兼容各种神经模型和算法,特别是基于生物学的(如脉冲神经网络),即SNN)元素。

通常,ANN和SNN在信息表示,计算原理和存储器组织方面具有不同的建模方法(如图2a所示)。两者之间的最大区别在于ANN使用精确的多位值处理信息,而SNN使用二进制脉冲序列。 ANN神经元和SNN神经元之间的实现比较如图2b所示。

另一方面,ANN和SNN神经元之间存在一些相似之处,这为模型之间的融合留下了空间。通过详细比较ANN和SNN的神经网络模型,解析计算模型并将其映射到相关的神经元功能模块 - 轴突,突触,树突和细胞体 - 以构建跨范式统一神经元方案。 (如图2c所示)。该团队设计了应用这两种方案的突触和树突,而轴突和体细胞通过独立重构改变了功能。

56e3-iaqfzyv5904264.jpg图2天捷芯片设计示意图

图2d是单个功能核心(FCore)的完整示意图,包括轴突,突触,树突,体细胞和路径。为了实现深度集成,几乎整个FCore都可以重新配置,以实现不同模式下的高利用率。 FCore涵盖了大多数人工神经网络和SNN使用的线性积分和非线性变换操作。芯片上的FCores排列在2D 2D网格中,如图2e和2f所示。

Tianjic芯片及其后端布局如图3a所示。该芯片由156个FCores组成,包含大约40,000个神经元和1000万个突触。 Tianjic芯片采用28纳米半导体工艺制造,面积为3.8 x 3.8平方毫米。每个模块占用的芯片面积,包括轴突,电流,信号,路由器,控制器等芯片开销,如图3b所示。由于资源可以重复使用,过去与SNN和ANN模型兼容的区域仅占总面积的约3%。 FCore的功耗如图3c所示。

b237-iaqfzyv5904354.jpg图3芯片评估和建模示意图

Tianjic能够支持各种神经网络模型,包括基于神经科学的网络(如SNN和生物学启发的神经网络)和基于计算机科学的网络(如MLP,CNN和RNN)。图3d显示了在Tianjic芯片上测试不同网络模型和通用处理单元的测试结果。

如图3e所示,具有树突状中继的混合神经网络可以突破传统神经形态芯片扇入/扇出的局限性,避免SNN网络的精度损失(+ 11.5%)。使用这种混合模式的额外开销小到可以忽略不计,因为Tianjic可以自然地在FCore中实现异构转换。使用Tianjic也可以探索更具生物学意义的认知模型(如图3f所示)。

语音控制,自动避障,这种无人驾驶自行车非常漂亮

为了证明构建类似脑的范式智能系统的可行性,该团队开发了一个使用无人驾驶自行车的异构可扩展的人工通用智能开发显示平台,并在一个天鹰芯片中并行部署并运行多个专用网络。

实验中的自行车配备了各种算法和模型,可以执行实时物体检测,跟踪,语音命令识别,加速,减速,避障,控制平衡和决策任务(图4a)。

e605-iaqfzyv5904404.jpg自动驾驶自行车演示平台

要完成这些任务,需要克服三个主要挑战:

首先,在室外自然环境中,它成功地检测并平滑地跟踪移动目标,穿过减速带,并在必要时自动避开障碍物。

其次,实时响应平衡控制,语音命令和视觉感知产生实时电动机控制信号,以保持自行车在正确的方向上移动。

第三,实现综合处理和各种信息的快速决策。

5125-iaqfzyv5904460.jpg图4:基于Tianjic芯片多模型集成平台的无人驾驶自行车测试结果

为了完成这些任务,该团队开发了几个神经网络,包括用于图像处理和物体检测的CNN,用于人类目标跟踪的CANN,用于语音命令识别的SNN,以及用于姿态平衡和方向控制的MLP。还有一个用于决策控制的混合网络。

得益于该芯片的分散式架构和任意路由拓扑结构,Tianjic芯片平台可实现所有神经网络模型的并行运行,并实现多个模型之间的无缝通信,使自行车能够顺利执行这些任务。图4c显示了响应不同语音命令的输出信号。

图4d示出了自行车在跟踪时的输出控制信号,避障和“S形”曲线。图4e示出了基于物理测量的不同速度下的车辆姿态和转向控制的学习。

Tianjic芯片可以支持基于计算机科学的机器学习算法和基于神经科学的生物模型。它可以自由地集成各种神经网络和混合编码方案,实现多个网络之间的无缝通信,包括SNN和ANN。

总之,本文介绍了一种新颖的类似大脑的计算芯片架构,它通过将跨范式模型和算法集成到一个平台上来实现灵活性和可扩展性。希望这项研究能够加速AGI的发展,推动新的实际应用的发展。

经过7年的磨炼“白天运动”,自行车是一个完整的大脑般的计算平台

对于本研究中每个人都关心的问题,清华大学精密仪器教授施鲁平和清华大学精密仪器系副研究员严静和博士后研究员邓磊加州大学圣巴巴拉分校接受了媒体采访。

问:研究中最大的挑战是什么?

施鲁平:我们自2012年以来一直在培养这项研究,并遇到了许多挑战,但我们认为最大的挑战不是来自科学,也不是来自技术,而是学科的分布不利于解决这样的问题。因此,我们认为多学科深度整合是解决这一问题的关键。因此,在这项研究中,我们组成了一个由七个部门组成的多学科团队,形成一个大脑般的计算研究中心,涵盖脑科学,计算机,微电子,电子,精密,自动化,材料等。在此,我特别感谢清华大学领导对跨学科建设的大力支持,这是该项目成功的关键。

邓磊:在芯片方面,最大的挑战是如何实现深度和高效的集成。我强调两件事:

首先是深度和效率。有两种类型的神经网络模型相对较热,一种来自计算机科学,另一种来自脑科学。这两种模式的语言非常不同。它们具有不同的计算原理,不同的信号编码方法和不同的应用场景,因此它们所需的计算架构和存储架构是非常不同的。即使设计优化目标非常不同,这可以从我们今天看到的一些深度学习加速器以及一些基本上独立于设计系统的神经形态芯片中看出。因此,可以看出深度集成并不简单。这不是设计深度学习加速模块,重新设计神经形态模块,然后将它们放在一起。这是不可行的。很难确定每个部分。比例是多少,因为现实中的应用是复杂和可变的,这是无效的。

其次,如果您构建异构混合模型,则可能需要在两个模块之间设置专用信号转换单元,这会产生大量额外成本。那么,如何设计一个与这两种类型兼容的芯片架构。该模型,但灵活的配置和高性能,也是我们芯片设计的挑战。

问:为什么选择无人驾驶自行车作为切入点?

史路平:自行车是我们的筹码。那时,我们经过深入的讨论,确定开发什么样的应用平台,向我们展示新功能的异构融合,这并不容易。我们有四个注意事项:

首先,我们希望这是一个多模态系统,它有点类似于大脑,而不是像AI这样的算法,只有一个应用程序。我们希望这是一个涵盖感知决策和执行的完整链接,以便我们可以为多个异构融合模型提供支持,因此这与单个模型不同。

其次,我们希望这也能够与真实环境进行交互,而不是在计算机房进行实验或在计算机中进行模拟。我们希望它可以成为真实的环境互动。

第三,我们希望这个系统最适合我们处理芯片的功耗和实时要求,以反映我们专用芯片的优势。

第四,因为我们必须重复实验,我们希望这个系统是可控的和可扩展的。

通过考虑以上几点,我们最终选择了无人自行车平台,具有语音识别功能,目标检测跟踪功能,运动控制功能,避障功能和自我决定功能。所以它看起来很小,但它实际上是一个小型的,类似大脑的计算平台。

问:大脑的大脑可以超越人类大脑吗?

施鲁平:每个人都对大脑般的技术能否超越人类大脑非常感兴趣。事实上,这与每个人总是在询问计算机如何超越人类大脑是一样的。

计算机早已超越人类大脑,只是说在哪些方面。我们所有人现在都认为天才具有惊人的能力。事实上,目前的计算机很容易实现,如快速记忆,记忆,计数快,计算准确等。在这些方面,对于计算机来说,它是一个小儿科。

然而,目前,在许多智力水平上,特别是在不确定性方面,计算机和人类大脑之间在学习和自我决定等许多领域仍然存在相当大的距离。

电脑将逐渐缩小差距。至于它到底能否超越人脑,我个人认为会有越来越多的技术方面,因为计算机的发展具有永不退化的特点,并且不断向前发展。但我相信我们是明智的。我们将逐步提高对发展过程中研究领域的理解,控制其风险,因为我相信人们会关注这个问题,因为我们担心人类是否会像科幻电影所说的那样被摧毁。

事实上,我们已经创造了破坏人类的东西,即核武器,但为什么现在却没有摧毁人类呢?因为我们掌握它,我们可以控制它。像大脑般的计算,强大的人工智能和人工智能,我们相信人类可以充分利用我们的智慧来规范其发展道路,从而使我们受益并最大限度地降低这些风险。

本文的合作单位包括北京灵意科技有限公司,北京师范大学,新加坡科技设计大学和加州大学圣巴巴拉分校。

论文地址:

rTya-fynmzun0700720.jpg

热门浏览
热门排行榜
热门标签
日期归档