Hala Point：英特尔推出世界上最大的“类脑”神经形态计算机

英特尔创造了世界上最大的神经形态计算机，这是一种旨在模仿人脑运作的设备。 该公司希望它能够运行比传统计算机更复杂的人工智能模型，但专家表示，在该设备能够与最先进的技术竞争之前，还需要克服工程障碍，更不用说超越它了。

人们对神经形态计算机的期望很高，因为它们本质上与传统机器不同。 普通计算机使用其处理器来执行操作并将数据存储在单独的内存中，而神经形态设备则使用人工神经元来存储和计算，就像我们的大脑一样。 这消除了在组件之间来回传送数据的需要，这可能是当前计算机的瓶颈。

这种架构可以带来更高的能源效率，英特尔声称其新型 Hala Point 神经拟态计算机在运行优化问题（涉及在特定约束下找到问题的最佳解决方案）时使用的能源比传统机器少 100 倍。 它还可以解锁训练和运行使用神经元链的人工智能模型的新方法，就像真正的大脑处理信息一样，而不是像当前模型那样机械地通过每一层人工神经元传递输入。

Hala Point 在 1152 个 Loihi 2 芯片上包含 11.5 亿个人工神经元，每秒能够进行 380 万亿次突触操作。 迈克·戴维斯 英特尔表示，尽管如此强大，但它仅占用标准服务器机箱中的六个机架，空间类似于微波炉。 戴维斯说，更大的机器将成为可能。 “我们建立了如此规模的系统，因为老实说，十亿个神经元是一个很好的整数，”他说。 “我的意思是，没有任何特殊的技术工程挑战让我们停留在这个水平。”

尽管将于今年晚些时候完成的神经拟态计算机 DeepSouth 声称能够每秒进行 228 万亿次突触操作，但现有的任何机器都无法与 Hala Point 的规模相媲美。

Loihi 2 芯片仍然是英特尔小批量生产的原型，但戴维斯表示，真正的瓶颈实际上在于处理现实问题所需的软件层，将其转换为可以在神经形态计算机上运行的格式并执行加工。 就像一般的神经形态计算一样，这个过程仍处于起步阶段。 “软件一直是一个限制因素，”戴维斯说，这意味着建造更大的机器还没有什么意义。

英特尔建议，像 Hala Point 这样的机器可以创建持续学习的人工智能模型，而不是像当前模型那样需要从头开始训练来学习每个新任务。 但 詹姆斯·奈特 英国苏塞克斯大学的教授认为这是“炒作”。

Knight 指出，像 ChatGPT 这样的当前模型是使用并行运行的显卡进行训练的，这意味着可以使用许多芯片来训练同一模型。 但他表示，由于神经形态计算机使用单一输入，无法并行训练，因此在此类硬件上最初训练像 ChatGPT 这样的东西可能需要几十年的时间，更不用说设计方法让它在运行后不断学习。

戴维斯表示，虽然今天的神经形态硬件不适合从头开始训练大型人工智能模型，但他希望有一天他们可以采用预先训练的模型，并使它们能够随着时间的推移学习新任务。 他说：“尽管这些方法仍在研究中，但我们相信像 Hala Point 这样的大规模神经形态系统将来可以高效地解决这种持续学习问题。”

奈特乐观地认为，一旦开发人员为这些问题编写软件并在独特的硬件上运行所需的工具变得更加成熟，神经形态计算机可以为许多其他计算机科学问题提供推动，同时提高效率。

它们还可以提供一条更好的途径来接近人类水平的智能，即通用人工智能 (AGI)，许多人工智能专家认为，使用支持 ChatGPT 等的大型语言模型是不可能实现这一目标的。 “我认为这种观点的争议性越来越小，”奈特说。 “我们的梦想是有一天神经形态计算将使我们能够制作类脑模型。”

主题：