美國英特爾公司日前發布名為Hala Point的大型神經擬態系統，旨在支持類腦人工智能領域的前沿研究，解決人工智能在效率和可持續性等方面的挑戰。
根據英特爾公司發表的新聞公報，英特爾在其第一代大規模研究系統Pohoiki Springs的基礎上，改進了Hala Point大型神經擬態系統的架構，將神經元容量提高了10倍以上，性能提高了12倍。Hala Point系統最初部署在美國桑迪亞國家實驗室，由1152個英特爾Loihi 2處理器組成，包括分布在140544個處理核心上的11.5億個人工神經元和1280億個人工突觸。在運行傳統深度神經網絡時，每秒可進行20千萬億次運算。
公報表示，Hala Point系統基于神經擬態計算技術，提升了主流、常規深度學習模型的性能和效率，尤其是那些用于處理視頻、語音和無線通信等實時工作負載的模型。與使用中央處理器和圖形處理器的傳統計算機相比，Hala Point系統在執行人工智能推理和處理優化問題時速度可提高50倍，能耗僅為傳統計算機的百分之一。
英特爾研究院神經擬態計算實驗室主任麥克·戴維斯表示，人工智能模型的算力成本持續上升，行業需要能夠規模化的全新計算方法。Hala Point系統將高效率的深度學習和類腦持續學習、優化能力結合起來，希望其能夠提升大規模人工智能技術的效率和適應性。
美國英特爾公司日前發布名為Hala Point的大型神經擬態系統，旨在支持類腦人工智能領域的前沿研究，解決人工智能在效率和可持續性等方面的挑戰。
根據英特爾公司發表的新聞公報，英特爾在其第一代大規模研究系統Pohoiki Springs的基礎上，改進了Hala Point大型神經擬態系統的架構，將神經元容量提高了10倍以上，性能提高了12倍。Hala Point系統最初部署在美國桑迪亞國家實驗室，由1152個英特爾Loihi 2處理器組成，包括分布在140544個處理核心上的11.5億個人工神經元和1280億個人工突觸。在運行傳統深度神經網絡時，每秒可進行20千萬億次運算。
公報表示，Hala Point系統基于神經擬態計算技術，提升了主流、常規深度學習模型的性能和效率，尤其是那些用于處理視頻、語音和無線通信等實時工作負載的模型。與使用中央處理器和圖形處理器的傳統計算機相比，Hala Point系統在執行人工智能推理和處理優化問題時速度可提高50倍，能耗僅為傳統計算機的百分之一。
英特爾研究院神經擬態計算實驗室主任麥克·戴維斯表示，人工智能模型的算力成本持續上升，行業需要能夠規模化的全新計算方法。Hala Point系統將高效率的深度學習和類腦持續學習、優化能力結合起來，希望其能夠提升大規模人工智能技術的效率和適應性。
本文鏈接：英特爾發布大型神經擬態系統http://m.sq15.cn/show-2-5482-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。