英特爾推出全球最大的「類腦」神經形態電腦
科技巨擘英特爾發布了全球最大的神經形態電腦，這項裝置的運作方式旨在模仿人類大腦。英特爾希望能透過這台電腦執行比傳統電腦更複雜的人工智慧模型，但專家表示，在神經形態電腦能夠與現有技術競爭，甚至超越之前，還有一些工程方面的障礙需要克服。
何謂神經形態電腦？
神經形態電腦備受期待，因為它們與傳統電腦有著本質上的不同。傳統電腦使用處理器來執行運算，並將資料儲存在獨立的記憶體中，但神經形態裝置則使用人工神經元同時儲存和運算，就像我們的大腦一樣。這消除了在元件之間來回傳輸資料的需要，而這正是目前電腦的瓶頸所在。
這種架構可以帶來更高的能源效率，英特爾宣稱其新型的 Hala Point 神經形態電腦在執行最佳化問題時，耗能比傳統機器低 100 倍，這類問題涉及在特定限制條件下找到最佳解方。它還能解鎖新的方法來訓練和執行人工智慧模型，這些模型使用神經元鏈，就像真實大腦處理資訊一樣，而非像目前的模型一樣，機械式地將輸入資料逐一傳遞給每一層人工神經元。
Hala Point 的驚人規模和潛力
Hala Point 由 1,152 顆 Loihi 2 晶片組成，包含 11.5 億個人工神經元，每秒可執行 3,800 兆次突觸運算。英特爾的麥克・戴維斯表示，儘管擁有如此強大的效能，它只佔用了標準伺服器機箱中六個機架的空間，大小類似於一台微波爐。
戴維斯表示，未來有可能建造更大的機器。他說：「我們建構了這種規模的系統，老實說，10 億個神經元是一個不錯的整數。」他補充說：「我的意思是，沒有任何特別的技術工程挑戰讓我們停留在這個層級。」
目前沒有其他現有機器能與 Hala Point 的規模相提並論，儘管預計今年稍晚完成的神經形態電腦 DeepSouth 將有能力每秒執行 2,280 兆次突觸運算。
瓶頸和挑戰
Loihi 2 晶片仍為英特爾製造的小批量原型產品，但戴維斯表示，真正的瓶頸實際上在於軟體層面，這些軟體用於將現實世界問題轉換成神經形態電腦可以執行的格式，並執行處理。這個過程與一般的神經形態運算一樣，仍然處於起步階段。
戴維斯表示：「軟體一直是一個限制因素」，這表示目前建構更大規模的機器並沒有太大意義。
持續學習和人工智慧的未來
英特爾表示，Hala Point 等機器可以建立不斷學習的人工智慧模型，而非像目前的模型一樣，需要從頭開始訓練來學習每一項新任務。但英國薩塞克斯大學的詹姆斯・奈特將此形容為炒作。
奈特指出，當前像 ChatGPT 這樣的人工智慧模型是使用以平行方式運作的顯示卡進行訓練的，這表示許多晶片可以一同執行同一個模型的訓練。他表示，由於神經形態電腦使用單一輸入，無法平行訓練，因此可能需要數十年的時間才能在這種硬體上進行類似 ChatGPT 的訓練，更不用說設計方法讓它在運作時持續學習了。
戴維斯表示，儘管當今的神經形態硬體不適合從頭訓練大型人工智慧模型，但他希望有一天這些硬體可以採用預訓練模型，並讓模型隨著時間推移學習新的任務。
他說：「儘管這些方法仍在研究階段，但我們相信像 Hala Point 這樣的大型神經形態系統未來可以用非常有效率的方式解決這類持續學習的問題。」
神經形態運算的前景
奈特樂觀地認為，神經形態電腦可以為許多其他電腦科學問題提供助力，並在專家寫出適用於這些獨特硬體的軟體所需的工具更成熟後，進一步提升效率。
它們也能提供一條通往類人智慧，又稱人工通用智慧 (AGI) 的更好途徑，許多人工智慧專家認為，像 ChatGPT 這樣的支援大語言模型無法實現 AGI。
奈特表示：「我認為這是一個越來越不具爭議性的觀點。」「夢想有一天神經形態運算將使我們能夠建立類腦模型。」