DailyMe#2019-02-25 Azure 新合作、Echo 不受酒店欢迎、苹果短期不会出折叠屏等

神经形态计算是英特尔布局的一个重要新兴方向，在这个领域，他们推出了芯片样品Loihi。英特尔说，这种芯片可以实现自主学习，而且能耗只有传统芯片的千分之一。

而Davies就是神经形态计算实验室的负责人，主管着英特尔在这一领域的探索。他参加ISSCC会议，也是来讲Loihi的。

“深度学习不是学习”：英特尔高管与 AI 大牛 LeCun 展开互怼

Loihi用了一种名叫尖峰神经元（spiking neurons）的技术，这类神经元只有在输入样本后才能被激活。

神经形态计算倡导者们认为，这种方法更好地模拟了大脑的运行机制，比如说信号传递的过程就像大脑一样经济。

在LeCun看来，神经形态计算领域没有产生有实际效果的算法，为何要为一种没用的算法构建芯片？

不过Davies直接表达了反对，他说，神经形态计算产生的算法是有效的，LeCun忽视了神经形态计算的优势。

Davies说：“LeCun反对尖峰神经元，但他却说我们需要解决硬件中的稀疏性，尖峰神经元就是干这个的啊。”

他说，这太讽刺了。

为了驳斥对尖峰神经元的批评，Davies引用了安大略滑铁卢一个名叫应用脑科学（Applied Brain Science）的机构的数据，比较了一种语音检测算法在不同芯片上的表现。

这个算法被要求识别“aloha”这个词，并且拒绝无意义词语，这家机构在CPU、GPU和Loihi芯片上运行了这一算法。

“深度学习不是学习”：英特尔高管与 AI 大牛 LeCun 展开互怼

这份数据显示，Loihi在常规处理器上运行常规神经网络性能最佳，特别是在计算速度方面，并且能源效率更高，不过精确度会低一些。

在另一个例子中，Davies说Loihi执行的基本分类器任务的速度是传统的基于GPU的深度学习网络的40倍，准确度提高了8％。

因此，Davies认为Loihi效率高得多，可以运行规模越来越大的网络，他认为，机器人控制将会是Loihi这类神经形态芯片的杀手级应用。

Davies还从LeCun的批评挑出了他认同的一点：尖峰神经元的硬件非常充足，提供了很多 工具 来映射有趣的算法。