美国英特尔公司日前发布名为Hala Point的大型神经拟态系统，旨在支持类脑人工智能领域的前沿研究，解决人工智能在效率和可持续性等方面的挑战。
根据英特尔公司发表的新闻公报，英特尔在其第一代大规模研究系统Pohoiki Springs的基础上，改进了Hala Point大型神经拟态系统的架构，将神经元容量提高了10倍以上，性能提高了12倍。Hala Point系统最初部署在美国桑迪亚国家实验室，由1152个英特尔Loihi 2处理器组成，包括分布在140544个处理核心上的11.5亿个人工神经元和1280亿个人工突触。在运行传统深度神经网络时，每秒可进行20千万亿次运算。
公报表示，Hala Point系统基于神经拟态计算技术，提升了主流、常规深度学习模型的性能和效率，尤其是那些用于处理视频、语音和无线通信等实时工作负载的模型。与使用中央处理器和图形处理器的传统计算机相比，Hala Point系统在执行人工智能推理和处理优化问题时速度可提高50倍，能耗仅为传统计算机的百分之一。
英特尔研究院神经拟态计算实验室主任麦克·戴维斯表示，人工智能模型的算力成本持续上升，行业需要能够规模化的全新计算方法。Hala Point系统将高效率的深度学习和类脑持续学习、优化能力结合起来，希望其能够提升大规模人工智能技术的效率和适应性。
美国英特尔公司日前发布名为Hala Point的大型神经拟态系统，旨在支持类脑人工智能领域的前沿研究，解决人工智能在效率和可持续性等方面的挑战。
根据英特尔公司发表的新闻公报，英特尔在其第一代大规模研究系统Pohoiki Springs的基础上，改进了Hala Point大型神经拟态系统的架构，将神经元容量提高了10倍以上，性能提高了12倍。Hala Point系统最初部署在美国桑迪亚国家实验室，由1152个英特尔Loihi 2处理器组成，包括分布在140544个处理核心上的11.5亿个人工神经元和1280亿个人工突触。在运行传统深度神经网络时，每秒可进行20千万亿次运算。
公报表示，Hala Point系统基于神经拟态计算技术，提升了主流、常规深度学习模型的性能和效率，尤其是那些用于处理视频、语音和无线通信等实时工作负载的模型。与使用中央处理器和图形处理器的传统计算机相比，Hala Point系统在执行人工智能推理和处理优化问题时速度可提高50倍，能耗仅为传统计算机的百分之一。
英特尔研究院神经拟态计算实验室主任麦克·戴维斯表示，人工智能模型的算力成本持续上升，行业需要能够规模化的全新计算方法。Hala Point系统将高效率的深度学习和类脑持续学习、优化能力结合起来，希望其能够提升大规模人工智能技术的效率和适应性。
本文链接：英特尔发布大型神经拟态系统http://www.llsum.com/show-2-5482-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。