如(ru)何借鉴人脑的低功耗特性发展新型智能计算(suan)系统？这是(shi)人工智能领域颇受关注的重要研究方向(xiang)。
中国科学院(yuan)自动化研究所(suo)6月1日向(xiang)媒体发布消息说(shuo)，该所(suo)李国齐、徐波研究员团队与合(he)作者共同研发出一套能够实现动态(tai)计算(suan)的算(suan)法-软件-硬件协同设计的、低功耗的类脑神经形态(tai)系统级芯片Speck，展示出类脑神经形态(tai)计算(suan)在融(rong)合(he)高抽象层次大(da)脑机制时的天然优(you)势。
这项(xiang)人工智能领域重要研究成果论(lun)文，近日在国际学术期刊《自然-通(tong)讯》(Nature Communications)发表。该研究实践证实高、低抽象层次大(da)脑机制的融(rong)合(he)能进一步激发类脑计算(suan)潜力，将为未来将大(da)脑进化过程中产生的各种高级神经机制融(rong)合(he)至神经形态(tai)计算(suan)提供启发。
论(lun)文通(tong)讯作者李国齐研究员介绍说(shuo)，人脑能够运行非(fei)常(chang)复(fu)杂且庞大(da)的神经网络，总功耗却(que)仅(jin)为20瓦，远小于现有的人工智能系统。因此，在算(suan)力比拼(pin)加(jia)速，能耗日益攀升的今日，借鉴人脑的低功耗特性发展新型智能计算(suan)系统成为极具潜力的方向(xiang)。
在本项(xiang)研究中，合(he)作团队提出“神经形态(tai)动态(tai)计算(suan)”的概念(nian)，通(tong)过设计一种类脑神经形态(tai)芯片Speck来实现基于注意力机制的动态(tai)计算(suan)，在硬件层面做到“没有输入，没有功耗”，在算(suan)法层面做到“有输入时，根据输入重要性程度动态(tai)调整(zheng)计算(suan)”，从而在典型视觉(jue)场景任(ren)务功耗可低至0.7毫瓦，进一步挖掘出神经形态(tai)计算(suan)在性能和能效上的潜力。
Speck是(shi)一款异步感算(suan)一体类脑神经形态(tai)系统级芯片，采用(yong)全异步设计，在一块芯片上集(ji)成了动态(tai)视觉(jue)传感器(DVS相机)和类脑神经形态(tai)芯片，具有极低的静息功耗(仅(jin)为0.42毫瓦)。它(ta)能够以微秒级的时间分辨率感知(zhi)视觉(jue)信息，以全异步方式设计抛弃了全局时钟(zhong)控制信号，避免时钟(zhong)空(kong)翻带来的能耗开(kai)销，仅(jin)在有事件输入时才触发稀疏加(jia)法运算(suan)。
李国齐指(zhi)出，针对脉冲神经网络(SNN)在更高层面，比如(ru)时间维(wei)度中不能根据输入难易度调整(zheng)其脉冲发放等“动态(tai)失衡”问(wen)题，这项(xiang)研究基于注意力机制的神经形态(tai)脉冲动态(tai)计算(suan)框架(jia)，在多种粒度上实现对不同的输入进行有区分地动态(tai)响应。同时，Speck软件工具链编(bian)程框架(jia)支持动态(tai)计算(suan)脉冲神经网络算(suan)法训练和部署。
该研究的实验结果表明(ming)，注意力机制可使得(de)脉冲神经网络具备动态(tai)计算(suan)能力，即根据输入难易度调整(zheng)其脉冲发放模式解决“动态(tai)失衡”问(wen)题，在显著降低功耗的同时，提升任(ren)务性能。在一个动态(tai)视觉(jue)传感数(shu)据集(ji)上，融(rong)合(he)脉冲动态(tai)计算(suan)的Speck在任(ren)务精度提升9%的同时，平均功耗由9.5毫瓦降低至3.8毫瓦。(完)