新式AI芯片为IoT赋予机器学习功能

正文

请到「今天看啥」查看全文

「其优点在于能实现极其密集的自我学习芯片——相形之下，IBM的True North的占位面积太大了。 而且，这款极高密度且极低功耗的芯片是可以大量制造的，」他补充说。

虽然不完全是神经网络，但这种技术在应用方面类似于可预测事件序列的长短期记忆(LSTM)网络。 他说：「相较于LSTM加速器需要更多的数据以及一款用于训练的较大GPU，这款OxRAM芯片的成本比更低。 」

OxRAM途径也适用于像生成对抗网络(GAN)等应用；GAN是一种新兴的技术，让神经网络之间互相对抗，以加快学习速度。

义肢触觉与眼动追踪技术

此外，Imec还开发了具有128个记录电极和32个刺激电极的植入式神经芯片硬件，可实现较现有装置更多10倍的触点数。 这款芯片如今正在进行动物试验，期望能提供较现有义肢更明显有效的控制与触觉反馈。

这款芯片能够以数百毫秒(ms)的速度在大脑和义肢之间传送讯号。 虽然比人类的神经传导速度更慢，但较当今的义肢所要求的秒数更快。

图2：植入式芯片承诺更快的讯号传送速度，从而实现更有效的义肢控制

然而，Imec至今仅开发了硬件原型，尚未对于软件进行优化。 随着导线数量持续增加，未来可能会产生明显的延迟。

该计划是Imec与美国佛罗里达大学(University of Florida)合作的一部份，该校现正进行美国国防部先进研究计划署(DARPA)的一项研究计划。

最后，Imec并展示提供眼动追踪技术的眼镜，其方式是在眼睛周围监测人脑与神经讯号。 截至目前为止，该系统的准确度还比不上目前基于摄影机的眼动追踪技术。 不过，它更有助于大幅降低成本与功耗。

请到「今天看啥」查看全文