重磅:清华团队提出类脑计算系统新框架,通用人工智能或不再科幻

2020-10-15 网络
浏览
[人工智能]重磅:清华团队提出类脑计算系统新框架,通用人工智能或不再科幻

人脑,是天然界中最圆满的信息处置惩罚系统,它能够实行林林总总的庞杂使命,其盘算效能要比现有数字盘算系统凌驾几个数量级,被以为是现在唯一的“通用智能体”。

一直以来,经由过程模仿人脑信息处置惩罚方式,仿造像人脑一样具有“头脑”、在事情机能上逾越人脑的“类脑系统”,完成通用人工智能,是浩瀚科学家一生追求的妄想。

现在,来自清华大学、北京信息科学与手艺国度研讨中心、美国特拉华大学(University of Delaware)科研团队的一项突破性研讨,或将加快类脑盘算和通用人工智能(Artificial General Intelligence,AGI)的到来。

研讨职员在类脑盘算通用系统条理构造方向取得突破性愿望,并提出了“神经形状完整性”(neuromorphic completenes)的最新观点。

ai.com/upload/2020/10/eyANbq.jpg" class="aligncenter">

(泉源:Nature)

相干论文于 10 月 14 日在线宣布在顶级科学期刊《天然》(Nature)上,清华大学教授、清华大学类脑盘算中心主任施路温和清华大学盘算机系研讨员张悠慧为该论文的配合通信作者。

更具鲁棒性与通用性的通用人工智能

通用人工智能是具有与人类一致伶俐或逾越人类的人工智能,一般把人工智能和认识、感性、学问和自发等人类的特性相互贯穿衔接,能表现一般人类所具有的一切智能行动,是人工智能研讨的主要目的之一,同时也是科幻小说和将来学家都在议论的主要议题。

业内以为,当前的人工智能效果大都是“狭窄”的,即面向特定使命,只能处置惩罚特定问题。现在基于冯·诺依曼架构的盘算机善于处置惩罚有足够大数据、完整静态学问确实定性问题(比方深度进修在围棋比赛、图像识别等范畴的运用)已不逊于人类,但并没有才很好地处置惩罚没有那么多数据、动态学问尚不足的隐约性问题。

将来,人工智能的生长必将从“狭窄”的弱人工智能走向更具鲁棒性与通用性的通用人工智能,但当前的人工智能手艺间隔到达人类水平的通用人工智能另有很长的路要走。

一直以来,类脑盘算都被以为是翻开通用人工智能的钥匙。客岁 10 月,施路平在北京智源大会“智能系统架构与芯片专题论坛”中的主题演讲中曾示意,“基于碳基已生长涌现有的人类智能,基于硅芯片已生长出壮大的机械智能,一旦完成人类的全脑剖析,采纳类脑盘算构建通用人工智能是完整没有停滞的。”

他还示意,通用人工智能的研讨,从根本上来说,差别于把很多的窄人工智能加在一同,其主要研讨思绪是把类脑的弹性和盘算机的刚性连系起来,把数据驱动和学问推进连系起来,把通用学问和推理连系起来,这是一个异常有应战的历久的研讨。

现在,只管类脑盘算系统已与人工智能手艺连系,并被业内专家以为大概供应一条通向通用人工智能的门路,在更通用算法的运用层面也有着肯定的突破和生长,但要保证类脑盘算系统的机能、可编程性和生产效力,依然面对着不小的应战和极高的请求。

尤其是,当前类脑盘算的系统和芯片,虽然详细范例有所差别,但都比较侧重于端到端的软硬件协同设想要领,缺少一种能够将算法、芯片和器件等差别范畴手艺和需求有机连系起来的软硬件系统条理构造设想。

而此次这一最新研讨效果的提出,也许为通用人工智能的加快到来供应了大概。

全新观点:神经形状完整性

当前,险些一切现有的编程言语都是图灵完整的,冯·诺依曼构造经由过程图灵完整的接口(即通用指令集)支撑图灵机,经由过程引入图灵完整性以及基于图灵完整性的条理构造和冯·诺依曼系统构造,防止了当前盘算系统中软件和硬件之间的严密耦合,完成了高效、兼容和自力的历程,经由过程设置硬件(图灵完整性)的最低请求,在任何冯·诺依曼处置惩罚器(编译)大将任何高等言语的程序转换成等效的指令序列变得可行。

相比之下,类脑盘算现在缺少一个简朴但健全的系统条理构造来支撑团体开发,神经形状软件和硬件之间没有清楚完整的接口,差别研讨方面之间的交互也比较庞杂。

只管种种基于类脑盘算的算法、盘算模子和软件设想不断涌现,科研职员也研发出了各种神经形状芯片,但它们一般都须要特定的软件东西链才一般运转。其结果是,类脑盘算系统(包含运用程序模子、系统软件和神经形状装备)的各个层被严密绑定在了一同,影响了软件和硬件之间的兼容性,损害了类脑盘算系统的编程灵活性和开发效力。

一些研讨试图经由过程特定范畴的言语或开发框架衔接种种软件和硬件,但这些研讨一般没有斟酌系统的图灵完整性,在处置惩罚诸如硬件完整性、编程言语完整性和类脑盘算的系统条理构造等更基础的问题上,近年来也险些没有什么大的愿望。而且,由于很多类脑芯片不是为通用盘算而设想的,而且它们中很少供应传统的指令集,因而不清楚它们是不是是图灵完整的,以至不清楚图灵完整是不是是必要的。

为处置惩罚上述问题,施路平、张悠慧等人在这项研讨中提出了"神经形状完整性"的观点,这是一种更具顺应性、更普遍的类脑盘算完整性的定义,它降低了系统对神经形状硬件的完整性请求,提高了差别硬件和软件设想之间的兼容性,并经由过程引入一个新的维度——近似粒度(the approximation granularity)来扩展设想空间。

同时,他们也提出了一种全新的系统条理构造,这一构造包含软件、硬件和编译三个条理,具有图灵完整的软件笼统模子和通用的笼统神经形状构造。在该系统条理构造下,种种程序能够用一致的示意来形貌,在任何神经形状完整的硬件上都能转换为等效的可实行程序,从而确保编程言语的可移植性、硬件的完整性和编译的可行性。

ai.com/upload/2020/10/RBZFFr.jpg" class="aligncenter">

图|类脑盘算系统和传统盘算系统的条理构造(泉源:Nature)

软件指的是编程言语或框架以及建立在它们之上的算法或模子。在这个条理上,他们提出了一种一致的、通用的软件笼统情势——POG 图(programming operator graph)——以顺应种品种脑算法和模子设想。POG 由一致的形貌要领和事宜驱动的并行程序实行模子构成,该模子集成了存储和处置惩罚,形貌了什么是类脑程序,并定义了怎样实行。由于 POG 是图灵完整的,它最大水平地支撑种种运用程序、编程言语和框架。
硬件方面,则包含一切类脑芯片和架构模子。他们设想了笼统神经形状系统构造(ANA)作为硬件笼统,包含一个 EPG 图(execution primitive graph),作为上层的接口来形貌它能够实行的程序。EPG 具有掌握-流-数据流的夹杂示意,最大化了它对差别硬件的顺应性,且相符当前硬件的生长趋势,即夹杂架构。

编译层,是将程序转换为硬件支撑的等效情势的中间层。为完成可行性,研讨职员提出了一套被主流类脑芯片普遍支撑的基础硬件实行原语(hardware execution primitives),并证实装备这套硬件的神经形状是完整的,并以一个东西链软件作为编译层的实例,论证了该条理构造的可行性、合理性和优越性。

对此,研讨职员以为,这一条理构造增进了软硬件的协同设想,能够防止硬件和软件之间的严密耦合,确保任何类脑程序都能够由图灵完整的 POG 在任何神经形状完整硬件上编译成一个等效和可实行的 EPG,也确保了类脑盘算系统的编程可移植性、硬件完整性和编译可行性。

别的,他们也完成了东西链软件的设想,以支撑差别范例的程序在种种典范的硬件平台上实行,证实了这一系统条理构造的上风。连系所提出的系统架构(包含软件和硬件笼统模子),扩大的完整性定义使图灵完整性软件与神经形状完整性硬件的等效转换成为大概,即完成了软件和硬件的去耦合。(学术君注:软硬件去耦合是盘算机系统构造中异常主要的设想要领论,基于此,软件研发职员不须要斟酌怎样设想底层硬件,硬件开发职员也只须要遵照肯定指令集范例,不必忧郁兼容性和上层软件开发的问题。)

这一设想理念使得系统差别方面之间的接口和分别越发清楚,他们愿望在当前条理构造的基础上继承攻关,进一步提高类脑盘算系统的效力和可兼容性,从而增进包含通用人工智能在内的各个运用方向的生长。

神经形状盘算范畴“主要一步”

关于这一最新研讨效果,英国曼彻斯特大学(University of Manchester)盘算机科学系博士奥利弗·罗兹(Oliver Rhodes)给出了高度评价,以为“这一要领让我们更靠近应用类脑硬件所能取得的巨大成就”。

在他看来,这项研讨的一个亮点为,施路温和张悠慧等人提出了具有完整性的一连一致体(continuum of completeness)——依据神经形状系统实行基础操纵的准确性,可接受差别级别的算法机能,意味着新的条理构造能够运用一切可用的模仿和数字神经形状系统来完成,包含那些为实行速率或动力效力而捐躯精度的系统。

罗兹还示意,这一条理构造能够比较完成雷同算法的等效版本的差别硬件平台,以及比较在统一硬件上完成的差别算法,这些都是对神经形状系统构造举行有用基准测试的症结使命,在道理证实试验中包含传统图灵完整的硬件(GPU)也是异常有价值的,由于这表明,在某些运用中,该条理构造大概被用来证实神经形状装备优于主流系统的上风。

别的,这一条理构造还能够将算法和硬件开发分割成自力的研讨,假如要取得底层神经形状架构的优点,算法的范围和庞杂性将须要跟着时候的推移而增添,因而这类星散将协助将来的研讨职员专注于研讨问题的特定方面,而不是试图找到完整的端到端处置惩罚方案。

只管在神经形状盘算范畴,要把很多工业和学术研讨小组的事情连系起来,另有很多事情要做,但罗兹以为,施路温和张悠慧等人此次提出这一条理构造,是朝着这个方向迈出的主要一步。

群雄比赛“类脑盘算”

近年来,跟着摩尔定律逐步失效,冯·诺依曼构造带来的范围日趋显著,存储墙、功耗墙、智能提升等问题,让当前盘算机生长面对严重应战。人们普遍以为,数字盘算机才的提高速率正在放缓,以摩尔定律为特性的盘算机时期行将完毕。

而从人类大脑中吸取灵感的类脑盘算或神经形状盘算,是一种有潜力突破冯·诺伊曼瓶颈并推进下一波盘算机工程的盘算模子和架构。

类脑盘算的观点最早由美国盘算机科学家、美国加州理工学院声誉退休教授卡弗·米德(Carver Mead)于 1989 年出,但当时摩尔定律下的“盘算危急”并未展现,相干研讨也就并没有引发太多人的关注。直到 2004 年单核处置惩罚器主频住手增进,人们入手下手转向多核,追求非冯诺依曼架构的替换手艺,类脑盘算这一观点才入手下手引发人们的关注。

现在,人工智能赋能下的类脑盘算手艺被以为是大概供应一条通向通用人工智能的门路,天下各国的科研学者和研讨机构也接踵展开脑相干研讨并取得了一系列效果。外洋主要有 IBM 的 TrueNorth、英特尔的 Loihi,以及 Braindrop、SpiNNaker 和 BrainScales 等,而中国在这一范畴也处于天下前线。

自 2013 年 3 月全职入职清华大学、组建清华大学类脑盘算研讨中心后,施路平团队就一直从基础理论、类脑盘算系统芯片和软件系统全方位举行类脑盘算研讨。

客岁 8 月,施路平团队联袂第三代“天机芯”登上《天然》杂志封面(《面向人工通用智能的异构天机芯片架构》(Towards artificial general Intelligence with hybrid Tianjic chip architecture),这是天下上首款异构融会类脑芯片,并经由过程自动驾驶自行车胜利考证了通用智能的可行性。此次研讨效果是施路平团队在类脑盘算与通用人工智能范畴的进一步探究。

本年 9 月,浙江大学团结之江试验室配合研制胜利了我国首台基于自主学问产权类脑芯片的类脑盘算机(Darwin Mouse),是现在国际上神经元范围最大的类脑盘算机。

将来,跟着人工智能与脑科学研讨进一步生长,具有人类伶俐的类脑系统和通用人工智能,也许并非遥不可及的妄想。