新華社北京4月21日電 美國英特爾公司日前發(fā)布名為Hala Point的大型神經(jīng)擬態(tài)系統(tǒng)，旨在支持類腦人工智能領(lǐng)域的前沿研究，解決人工智能在效率和可持續(xù)性等方面的挑戰(zhàn)。

　　根據(jù)英特爾公司發(fā)表的新聞公報，英特爾在其第一代大規(guī)模研究系統(tǒng)Pohoiki Springs的基礎(chǔ)上，改進了Hala Point大型神經(jīng)擬態(tài)系統(tǒng)的架構(gòu)，將神經(jīng)元容量提高了10倍以上，性能提高了12倍。Hala Point系統(tǒng)最初部署在美國桑迪亞國家實驗室，由1152個英特爾Loihi 2處理器組成，包括分布在140544個處理核心上的11.5億個人工神經(jīng)元和1280億個人工突觸。在運行傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)時，每秒可進行20千萬億次運算。

　　公報表示，Hala Point系統(tǒng)基于神經(jīng)擬態(tài)計算技術(shù)，提升了主流、常規(guī)深度學(xué)習(xí)模型的性能和效率，尤其是那些用于處理視頻、語音和無線通信等實時工作負載的模型。與使用中央處理器和圖形處理器的傳統(tǒng)計算機相比，Hala Point系統(tǒng)在執(zhí)行人工智能推理和處理優(yōu)化問題時速度可提高50倍，能耗僅為傳統(tǒng)計算機的百分之一。

　　英特爾研究院神經(jīng)擬態(tài)計算實驗室主任麥克·戴維斯表示，人工智能模型的算力成本持續(xù)上升，行業(yè)需要能夠規(guī)�；�的全新計算方法。Hala Point系統(tǒng)將高效率的深度學(xué)習(xí)和類腦持續(xù)學(xué)習(xí)、優(yōu)化能力結(jié)合起來，希望其能夠提升大規(guī)模人工智能技術(shù)的效率和適應(yīng)性。