1
| 本文作者： 金紅 | 2016-09-19 18:51 |
“有著圓臉、胖身子、 兩個尖尖的耳朵，還有一條長尾巴的東西，就是貓。”——計算機識別貓的邏輯
關(guān)于計算機讀懂照片，相信很多人對于李飛飛在一年前的TED演講記憶猶新，演講中展示的一張關(guān)于貓的照片，對于人類來說很容易分辨，即使是三歲的小孩兒也只需一眼就能做出定義，而對于計算機來說，卻需要經(jīng)過無數(shù)次的學(xué)習(xí)才能完成。
這是因為，在三歲的小孩兒的眼中，世界已經(jīng)不是簡簡單單的物體集合，而是一個個具體的個體，他們已經(jīng)對這個世界形成了自己的理解。而計算機，則沒有。想要計算機也能快速對圖片做出理解，最好的方式是讓它模擬人腦的學(xué)習(xí)方式。李飛飛一手創(chuàng)建的ImageNet，便是為計算機喂下的學(xué)習(xí)養(yǎng)分。利用互聯(lián)網(wǎng)，ImageNet提供了一個龐大的圖片數(shù)據(jù)庫，讓計算機系統(tǒng)能夠在1500萬張照片里認(rèn)識22000種物品。機器學(xué)習(xí)也因此有了突飛猛進(jìn)的進(jìn)展。
從全球范圍內(nèi)來看，目前機器學(xué)習(xí)常用“在線學(xué)習(xí)”（online learning），即按照順序、循序的學(xué)習(xí)，不斷的去修正模型，進(jìn)行優(yōu)化。已有多家公司嘗到“在線學(xué)習(xí)”的甜頭，在視覺、聲音、大數(shù)據(jù)等領(lǐng)域人工智能均有突破。
與此同時，研究人員也未停止對“片上學(xué)習(xí)”(On-Chip Learning)研究，因為只要實現(xiàn)這一技術(shù)，就能直接在硬件上完成學(xué)習(xí)與測試，進(jìn)而讓基礎(chǔ)算法的研發(fā)迭代，產(chǎn)品的升級有著更短的周期和更高的效率，并且消耗更少的能源。不過“片上學(xué)習(xí)”在嚴(yán)苛的硬件環(huán)境中研究進(jìn)展緩慢，并沒有一個成型的應(yīng)用于實際問題的演示，一直停留在理論研究階段。現(xiàn)階段，在硬件中部署機器算法更多還是“在線學(xué)習(xí)”，即用大規(guī)模高性能計算平臺進(jìn)行模型訓(xùn)練，然后將訓(xùn)練好的模型再直接部署在硬件中。谷歌的AlphaGo就是“在線學(xué)習(xí)”的典型，在今年與李世石比賽時，AlphaGo的服務(wù)器在美國中西部，通過谷歌云服務(wù)連接到韓國首爾的對局室，谷歌總部團(tuán)隊必須確保AlphaGo與谷歌的服務(wù)器連接順利。
日前，中國類腦強人工智能初創(chuàng)公司西井科技在2016PSPE上海國際科普產(chǎn)品博覽會上正式宣布，該團(tuán)隊在全球范圍內(nèi)首次實現(xiàn)“片上學(xué)習(xí)”。這意味著機器學(xué)習(xí)能在硬件端直接完成，通過硬件層面的不斷“自我學(xué)習(xí)”和“自我提高”，實現(xiàn)高效率、低功耗。今年5月，該團(tuán)隊曾宣布研發(fā)出一種完全跳脫于馮諾依曼結(jié)構(gòu)的神經(jīng)形態(tài)的芯片結(jié)構(gòu)——即模擬人腦神經(jīng)元工作原理而制造出的芯片，它既具備人腦的學(xué)習(xí)能力，又具備強大的特定運算能力，僅需一塊郵票大小的芯片，就能模仿人類大腦在短時間內(nèi)處理海量的感官信息。
在發(fā)布會上，西井科技正式對外演示了其WIKI系統(tǒng)“片上學(xué)習(xí)”過程，包括識別隨機生成的數(shù)字以及對油畫進(jìn)行畫風(fēng)畫派的分類。結(jié)果顯示，機器能在短短 1 秒內(nèi)自動完成數(shù)百張圖片的分類，正確率接近100%。
油畫畫風(fēng)分類完成
油畫畫派分類完成
為了讓參會者更容易理解“片上學(xué)習(xí)”，西井科技用學(xué)生的學(xué)習(xí)方式來做類比，“打個比方來說，‘片上學(xué)習(xí)’就好像學(xué)生身邊時刻跟隨著一位‘私教’，直接在芯片上邊學(xué)習(xí)邊測試訓(xùn)練成果，最大的優(yōu)勢是真正實現(xiàn)‘無網(wǎng)絡(luò)’情況下的‘自我學(xué)習(xí)、自我實時提高’。而‘在線學(xué)習(xí)’則好比學(xué)生定期去‘學(xué)校’上課，回家后做作業(yè)來測試學(xué)習(xí)效果，再將優(yōu)化過的模型灌輸在硬件中，每一次新的學(xué)習(xí)都需通過網(wǎng)絡(luò)、云端等手段重新進(jìn)行傳輸、遷移。”
片上學(xué)習(xí)訓(xùn)練中（紅線代表CHIP）
西井科技表示，期間，芯片可隨時中斷學(xué)習(xí)，以測試學(xué)習(xí)效果。結(jié)果發(fā)現(xiàn)，隨著芯片學(xué)習(xí)進(jìn)度的推進(jìn)，油畫識別與分類的正確率將逐步上升，直至經(jīng)過8至10秒的一段完整學(xué)習(xí)后，識別的正確率接近100%。
同時，因為“片上學(xué)習(xí)”可以實現(xiàn)本地化學(xué)習(xí)，從而幫助機器大幅度提升效率，提高運算速度。在網(wǎng)絡(luò)環(huán)境相對嚴(yán)苛或有限的情況下，“片上學(xué)習(xí)”的芯片消耗的帶寬和流量更少，大幅降低云端服務(wù)器的通訊成本，且耗時更少。畢竟“在線學(xué)習(xí)”需要更高質(zhì)量的網(wǎng)絡(luò)環(huán)境，在數(shù)據(jù)傳輸時會造成延遲。
西井科技此次實現(xiàn)的“片上學(xué)習(xí)”將在多個領(lǐng)域得到突破性的應(yīng)用，比如提升大數(shù)據(jù)挖掘、視頻流處理的質(zhì)量與效率、節(jié)省基因測序的時間以及幫助機器人外形更為靈巧，依靠“自身智力”去不斷學(xué)習(xí)提高能力等。
發(fā)布會上，西井科技同時宣布已開發(fā)出基于神經(jīng)形態(tài)工程的類腦智能軟硬件一體化智慧港口系統(tǒng)——WellOcean，并已在全球排名前十的一家港口碼頭上線試運營。通過模擬人腦神經(jīng)“高效低能”的工作機制，從而使系統(tǒng)能夠像人腦一樣飛速識別集裝箱號碼。有別于傳統(tǒng)OCR識別，WellOcean最明顯的優(yōu)勢就在于速度和準(zhǔn)確率，能自動捕獲進(jìn)、出港口的任一尺寸集裝箱，識別速度不到0.1秒，比OCR技術(shù)快了50倍。
WellOcean夜間雙箱快速準(zhǔn)確識別
發(fā)布會結(jié)束后，很多參會者與雷鋒網(wǎng)都非常關(guān)心一個問題，此次展示的數(shù)據(jù)相對于ImageNet上千萬的圖片庫相比實在毫無比對度，那么所謂100%的準(zhǔn)確度的含金量有多大。對此，西井科技的工作人員表示，數(shù)據(jù)不是問題，未來會在實際應(yīng)用中不斷地積累，而其芯片在實現(xiàn)“片上學(xué)習(xí)”后通過不斷學(xué)習(xí)，準(zhǔn)確率也自然會不斷提高。因此，或許未來計算機不僅能輕易識別出一只貓，還能識別出這是什么種類的貓。
西井科技展示其Deep South類腦神經(jīng)元芯片
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
