0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

增強智能:啟用神經(jīng)網(wǎng)絡(luò)

飄逸的D ? 2023-01-05 09:43 ? 次閱讀

沒有人愿意隨著年齡的增長而加速他們的認(rèn)知退化。運動腦震蕩造成長期傷害的嚴(yán)重現(xiàn)實導(dǎo)致最近重新思考人類需要保護一項極其重要的資產(chǎn)-大腦-免受身體傷害。

科學(xué)家 Mikhail Lebedev、Ioan Opris 和 Manuel Casanova 撰寫并正在研究大腦增強的主題?!绊椖控?fù)責(zé)人、北卡羅來納州杜克大學(xué)的高級研究員列別杰夫說,到 2030 年,大腦增強的現(xiàn)實——通過大腦植入物增強智力——將成為日常生活的一部分,‘人們將不得不面對現(xiàn)實這種新范式。'”

傾向于技術(shù)的未來主義思想家雷·庫茲韋爾 (Ray Kurzweil, 1948–) 明確表示,與電子計算機的處理速度相比,人類大腦的速度非常慢。盡管人腦具有并行處理大量信息的內(nèi)在能力,但 Kurzweil 認(rèn)為,不久之后數(shù)字計算機計算速度的提高將遠(yuǎn)遠(yuǎn)超過人腦的能力。他建議,如果科學(xué)家能夠了解大腦如何進行混亂和復(fù)雜的活動,然后組織它們以進行理解,這將導(dǎo)致計算機處理方面的突破,這將遠(yuǎn)遠(yuǎn)超過任何可能導(dǎo)致人類智力提高的生物學(xué)改進。這種對大腦內(nèi)部編程背后機制的理解可能會自然而然地改進人工智能 (AI)。

人工神經(jīng)網(wǎng)絡(luò)

人工智能領(lǐng)域的進展最近經(jīng)歷了快速轉(zhuǎn)變,因為技術(shù)人員受到大腦生物神經(jīng)網(wǎng)絡(luò) (BNN) 的啟發(fā),這是人類和動物思維的基礎(chǔ),類似地被采用到人工神經(jīng)網(wǎng)絡(luò) (ANN) 中。人工神經(jīng)網(wǎng)絡(luò)的未來發(fā)展可能會導(dǎo)致機器人和人類認(rèn)知增強方面的突破——提供機器和人類智能的動態(tài)增長。

人工神經(jīng)網(wǎng)絡(luò)涉及一個連接的節(jié)點系統(tǒng),其行為方式類似于人類神經(jīng)元,即傳遞神經(jīng)沖動的細(xì)胞。神經(jīng)元還可以處理信息并與其他神經(jīng)元建立動態(tài)連接。這個過程允許學(xué)習(xí)。在 ANN 中,這種信息流通過非線性函數(shù)表示的復(fù)雜過程發(fā)生,通過使輸出權(quán)重能夠隨時間動態(tài)響應(yīng)的數(shù)學(xué)總和。這種效果允許強化學(xué)習(xí)發(fā)生。

人工神經(jīng)網(wǎng)絡(luò)已經(jīng)取得了重大進展,在機器視覺、人類語音識別和醫(yī)學(xué)診斷等領(lǐng)域為技術(shù)人員提供了幫助。人工神經(jīng)網(wǎng)絡(luò)利用最先進的電子元件,包括現(xiàn)場可編程門陣列 (FPGA)、中央處理器 (CPU)、視覺處理單元 (VPU)、數(shù)字信號處理器 (DSP)、人工智能加速器、專用集成電路 (ASIC)、和片上系統(tǒng) (SoC)。

讓未來成為可能

一家公司,英特爾?,正在使未來最令人驚嘆的體驗成為可能。利用內(nèi)存和可編程解決方案的最新進展,英特爾正在顛覆行業(yè)并通過支持所有智能和連接的事物來解決全球挑戰(zhàn)。英特爾提供FPGA、SoC、復(fù)雜可編程邏輯器件 ( CPLD )、VPU和補充技術(shù),例如電源解決方案,為全球客戶提供高價值的解決方案。

FPGA 為具有挑戰(zhàn)性的應(yīng)用(例如神經(jīng)網(wǎng)絡(luò))提供了一個靈活的平臺。從某種意義上說,F(xiàn)PGA 提供了一塊畫布,一種可以用來構(gòu)建基礎(chǔ)的tabula rasa (白板)。FPGA 內(nèi)在的結(jié)構(gòu)提供了知識產(chǎn)權(quán) (IP) 塊和組件來解決神經(jīng)網(wǎng)絡(luò)設(shè)計挑戰(zhàn),例如計算、邏輯和內(nèi)存資源需求。

神經(jīng)網(wǎng)絡(luò)的世界是一個充滿持續(xù)計算的世界。FPGA 加速器和浮點 DSP 設(shè)計與支持處理器相結(jié)合,為產(chǎn)品提供了速度、可預(yù)測性和能效,以應(yīng)對正在進行的大數(shù)據(jù)分析、設(shè)備虛擬化和 ANN 固有的機器學(xué)習(xí)問題。在這個快速發(fā)展的領(lǐng)域,可重新編程的 FPGA 允許不斷實施最新的算法和神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),確保高性能計算來增強人類的認(rèn)知能力。英特爾 Stratix 10 FPGA或英特爾 Stratix ? V 高帶寬 FPGA等高性能、可精確適配的 FPGA 軟處理器是合適的選擇。

FPGA 的復(fù)雜、內(nèi)部化控制和信號處理可實現(xiàn)密集信號處理功能的快速高效移動。低功耗設(shè)計是重中之重,因此像人腦一樣,神經(jīng)活動處于等待狀態(tài)時消耗的功率最小。與固定功能圖形處理單元 (GPU) 相比,F(xiàn)PGA 具有功耗優(yōu)勢,是絕佳的選擇。允許在并行處理模式下進行計算可以加速性能,從而改善認(rèn)知模仿性能。通過傳感相機整合視覺系統(tǒng)進行物體識別的能力提供了一種電物理傳感,隨著更多傳感器的開發(fā),這種傳感可以隨著時間的推移而擴展,有助于智能地接收和處理信息的能力。

結(jié)論

今天的電子元件使社會能夠增強我們的智力。支持模擬和擴展人類智能能力的神經(jīng)網(wǎng)絡(luò)的部件、系統(tǒng)和解決方案正在為機器人和人類開啟新的機會來感知和實現(xiàn)新的可能性。

審核編輯黃昊宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4773

    瀏覽量

    100890
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    31097

    瀏覽量

    269430
  • 人工智能
    +關(guān)注

    關(guān)注

    1792

    文章

    47409

    瀏覽量

    238923
收藏 人收藏

    評論

    相關(guān)推薦

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?560次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學(xué)習(xí)領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?1614次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個方面,詳細(xì)闡述BP
    的頭像 發(fā)表于 07-10 15:20 ?1170次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?594次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)實際上是同一個概念,只是不同的翻譯方式
    的頭像 發(fā)表于 07-04 14:54 ?809次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:24 ?1349次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時,我們需要從多個維度進行深入分析。這些維度包括
    的頭像 發(fā)表于 07-04 13:20 ?967次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是什么

    人工智能神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)網(wǎng)絡(luò)的計算模型,其結(jié)構(gòu)和功能非常復(fù)雜。 引言 人工智能神經(jīng)網(wǎng)絡(luò)是一種模擬人腦
    的頭像 發(fā)表于 07-04 09:37 ?605次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹

    人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計的處理器。它們具有高性能、低功耗、可擴展等特點,廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等領(lǐng)域。以下是關(guān)于人工智能
    的頭像 發(fā)表于 07-04 09:33 ?825次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡稱BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,以達(dá)到最小化誤差的
    的頭像 發(fā)表于 07-03 11:00 ?830次閱讀

    神經(jīng)網(wǎng)絡(luò)和人工智能的關(guān)系是什么

    神經(jīng)網(wǎng)絡(luò)和人工智能的關(guān)系是密不可分的。神經(jīng)網(wǎng)絡(luò)是人工智能的一種重要實現(xiàn)方式,而人工智能則是神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:25 ?1189次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法來訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些方面與深度
    的頭像 發(fā)表于 07-03 10:14 ?872次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò),它們在
    的頭像 發(fā)表于 07-03 10:12 ?1248次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    化能力。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)之一。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)
    的頭像 發(fā)表于 07-02 14:24 ?4343次閱讀

    詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    在如今的網(wǎng)絡(luò)時代,錯綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境,讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年,深度學(xué)習(xí)逐漸走進人們的視線,通過深度學(xué)習(xí)解決若干問題的案例越來越多。一
    的頭像 發(fā)表于 01-11 10:51 ?2212次閱讀
    詳解深度學(xué)習(xí)、<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>與卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的應(yīng)用