北大计算机系黄铁军CCF-ADL讲习班下篇:详解神经形态计算与AI生物视觉前沿-足彩下注app

日期:2021-11-25 16:10:00 | 人气: 46310

北大计算机系黄铁军CCF-ADL讲习班下篇:详解神经形态计算与AI生物视觉前沿-足彩下注app 本文摘要:经费实现了。

经费实现了。在这个过程中,我想让大家看看这张图,只是拍头做小费,做小费,背后有逻辑。所以,看图,老鼠,这里可以看到老鼠、老鼠、猫、猴子、人脑。

足彩下注app

这是什么?这是在超级计算机上建模的。起初,在制作芯片之前,IBM的超级计算机速度相对较慢,所以超级计算在计算中。

当然,建模的程度就像刚才说的那样。神经元模型可能不那么细致,但是沿着这样的路线建模。因此,经过十年的工作,终我必须制作芯片。

为什么我必须制作芯片?没错。当时,2007年,为了申请人这个项目,这个项目被称为SyNAPSE,据说是神经元的意思,实质上是简单的写作,神经形态的适应性、可塑性、前端可以扩展的电子系统,这么吵的话是电子脑皮层,2007年立项时,立项的目标就像人脑皮层一样,实现了这样的电子构筑,电子构筑功能是千瓦。上面的电子千瓦,下面的人脑20瓦,单位面积内的神经神经元,神经元的数量相同,体积相同,两升。

媒体方面说2014年的话,实质上是2007年申请人这个项目的时候,决定的目标。从2008年开始,给了我很多钱,最后做了这个小费。你为什么要做这个小费?只是,通过超级计算机模拟,无法解决问题的大脑这种传导规模的建模。

IBM用的模型是立体模型,是最简单的模型,当然比我们人工神经网用的MP模型简单,是比较简单的脉冲神经网模型。即使用这个非常简单的模型,他们在2009年,超强的包括在内,当时那个系统被称为皮层模拟器软件,当时根据他们的估计,这个数量是公开发表的,大家都在看,当时是83分之1,人是1秒,那是83秒,模仿4.5%的大脑,消耗了144T的内存,0.5pflops的计算量,换算一下,如果使用天河2号,人脑的规模是动态的所以电费太多了。当然,我们也没有使用那么多超额计算。尽管我们是第一位,我们只有一台神威,创造100台神威,才能使用修正的模型,塑造人的大脑。

所以,这是我最初说的,你可以用这个来研究,真的要做大脑的规模,不是不现实的道路。中国再次发财,为了模仿大脑,不能建造100台神威天河。因此,必须实现硬件,根据神经网络必须实现新的硬件,接近人脑的终极目标。这是TureNorth芯片,这个芯片的神经网络显然是脉冲神经网络,但是做了很多修正,其中也有创造性的东西。

例如,神经元与数千神经元通信,如何通信?人的大脑进化了,连接已经连接了专业的神经纤维,是神经纤维,不一定是我们的神经元。物理连接已经演化,小费怎么办?因此,在一个芯片中,任何神经元都有可能与其他数千个神经元串联。例如,设计高速路由系统,设计芯片内的高速路由系统,最后当然期待着刚才说的话。例如,每秒放置几十个神经元脉冲,可以动态发送,类似于芯片设计的技术解决问题。

这已经建成,制作大量芯片,组合大量版本,制作装置,期待能够像人脑一样有一定程度的信息处理能力。然后是欧洲的一些项目,其中蓝脑计划我刚才说,是欧洲大脑计划最重要的推进力。Spinnaker是刚才说的英国系统,英国这个系统是AARM做的,这个实质上是去年的,去年这个系统是50万核,50万ARM核,建模400M神经元和400B神经元的系统。

五个橱柜都有这样的基础能力。旋转的轮胎是什么?系统结构,构建的是大家想要的问题,神经元和数千个其他神经元通信,通信是中间重要的问题,速度是这个地方,能否有效地构建神经元和数千个神经元通信,设计一个,有效的结构,一个系统结构,IBM芯片偏内,高速结构,Spinnaker每个单元都是ARM的核,ARM处理器,处理器有64个核,这个核心之间,每个核心模块都是偏内的,如何解决这个核心通信问题,如何解决这个核心通信问题?论文中也有报道,这样的环,这些核之间连接成蜂窝状,最后构成这样的形状,白点是升空神经脉冲,向周边传递。当然,每个神经元,你不可能连接成千上万的人,但能够完成这个信号的传输是其独特的地方。

所以现在在欧洲这两台机器,已经提供对外服务,大家也可以采访。而且,我现在有神经计算的模型。我想用你,可以用,但是对外开放了很多基本资源,可以实验。

另一个是,刚才说神经元现在大家都不担心。神经元的数量是神经元的千分之一,所以脑的简单,物理构成构造是如何制作神经元的。

寻找新的物理材料,构造新的设备,最具代表性的是回忆电阻器,该设备本身的最初构想,不是为了实现神经形态而计算的,而是我们中国科学家明确提出的想法,物理上有电阻、电容器、电感器,他是数学家第四,根据电流的变化不变化的组织设备,当时只是数学概念。但是,2008年,寻找这种材料,具有这种特性。

这个特性,一方面可以改变的组织,可以保存,很快就能找到。那只是和生物神经元的可塑性相似,之后很多人研究这个设备,实现神经元。

近年来,神经元大约十年来一直很热,许多学校和单位都在做神经元。这个神经元,我向大家介绍形象,说明将来怎么办。

这篇论文于1971年明确提出,是2014年参加博士指导后写的论文《大脑由记忆电阻构成》,大脑的百万亿神经元可以用记忆电阻构成。当然,这张图不是电路,而是如何构筑电路,实质上是看这张图。

实质上,神经元的构建是电流生产技术,但并不简单。没错。

我们刚才说神经元的数量很少,对神经元来说很少,所以神经元不在两一排神经元和一排神经元,重要的是如何用物理连接神经元。因此,这两排神经元,纵横的两排神经元,首先涂上材料,用现在的光刻手段刻线,最后的绿点部分是一个,承认不是圆的,你刻什么形态,什么形态,那个形状最不重要,那个材料就行了。

足彩下注app

那条蓝线相当于连接神经元的树突和周突,那条蓝色的部分是那个材料,根据得出结论的树突的信号传输,变化,神经元那样的再连接,强度不会变化。因此,使用这样的物理材料,生产未来的电路是没有问题的。

当然,这种材料的稳定性是否可能,首先在数学上,模型可以接近生物,但稳定性、可靠性需要更多的研究。在这方面,我刚才说国外有很多机构,国内也有很多机构。

例如,北大、清华、南大、华中科技大学有很多组织,有十几年的研究历史。这是我们想象的比如,下一代计算机的晶体管,晶体管是刚才说的谁能做的,谁能做的,确实是未来产业的粮食,那是未来的根本贡献,中国不能领先。

所以刚才说的是,这样的系统、设备、刚才日本的火蝇全脑网络都被描绘出来了。这样的象征性事件,去年说我们可以在人类的历史上,但是计算机正在转入新的时代。在这方面中国当然要做,在过去的两三年里,我经常说我们必须做这件事。

当然,北京市也反对很多,国家明显布局。现在我们中国已经进入了发展这样一个慢慢发展的过程。因此,这是7月20日,下一代人工智能国务院放置的整体发展计划中的总图,在网上iTunes计划没有图,国务院发行文件带插图,不是教科书。

实质上,这张图本来就在里面,只是放的时候换了。除了我们说的人工智能之外,类脑智能理论、量子智能理论、高级机械学习只不过是其中之一,在国家未来十几年的发展过程中,这些东西作为最重要的内容反对。所以,我们应该已经转入了。

关于上一段,也有国际总结。大家今年2月,神经形态计算了这一部分,我是写的科学普及的第三篇,大家通过计算机学习的第二期和公共编号很多,大家都不想看,可以再看看。我刚才说的是国内外的进展,不是我这个实验室做的。

我们接下来说的是实验室做的,与视觉有关。五、人工智能睁开眼睛,我们认为常见的视频概念是24帧图像,倒数构成倒数感,计算机视觉也基于视频。但事实上,这与生物的视觉距离很近。电影之所以需要产生倒数的影像,是因为生物视觉有视觉暂时的现象。

生物视觉拒绝接受真正世界的性刺激,完全是倒计时。类脑视觉图像现在每秒输出30帧图像,每帧图像就像现在做的一样,传达每帧图像的方向。这条路本身就错了,生物本来就没有这样做,一张图像,两张图像,三张图像,根据图像看差异分析这个流程,不是这样。

生物系统基本获得的是最细致的力量,是动态的连发狂过程。我们经常假设大脑信息处理的模式很简单,实质上这种复杂性,有时是自己给自己的假问题。1978年,美国科研院士明确提出,脑皮层处理信息的机制相同,我们处理视觉、听力、触觉,脑皮层作为信息处理的算法,使用计算机算法,或者明确模型相同。但是,对我们来说,视觉和听力触觉是不同的。

你看到和你听到的毛巾不同,但是大脑皮层拒绝接受的是相同的,都是信号。在我们的智能方面,还有一些新的数据,我们想和你分享。一个是我们作为生物体,我们感受到世界,我们的构造,所有的智能都是在一定程度上构筑的,在一定程度上构筑物质的载体。

对于感官来说,我们总共有300万根神经,感官神经是眼睛、耳朵、触觉,刚才所有的这种感觉,总共有300万根以上。其中每只眼背100多万,两只眼200多万,只剩下的听力、味觉、触觉、全身皮肤,你可以感受到热、冻、毛巾,各种感觉一共100多万。

眼睛为什么是心灵的窗户?因为入口占三分之二。因此,我们的信息提供通过眼睛提供了三分之二的信息量。如果我们盲人,眼睛不接受信号,视觉就没用了,没有性刺激,怎么办?听力和其他感觉,不会利用它的皮层。因此,盲人的手脆弱性很高。

因为那个视觉的中心部分实现了触觉和听力。因此,他的耳朵是灵魂,灵魂是因为更好的皮层用于听力。这也在一定程度上说明了刚才的原理,皮层还是那个皮层,拒绝接受不同的性刺激,完成不同的感觉任务。

背后的基理应该是一样的,这个基理是什么?这件事现在没有模型。例如,就像刚才说的那样,我们的眼睛拒绝接受光线,光线变成斯挂科,变成神经脉冲,每只眼睛通过100万根神经纤维送到V1、V1后脑勺。当然,神经系统是如何传达和编码的,是视觉信息处理的基本问题。但是,光视觉系统消耗的能源消耗是大脑的十分之一。

所以开眼角是花费精力的,而不是开眼角胡说八道。睁开眼睛,一天不吃的饭消耗了眼睛和视觉。所以,大家闭上眼睛养活精神,不要让杨家睁开眼睛,赫尔不要在这里变成光、电,传达什么。闭着眼睛养神知道能养神。

因为你节省了十分之一的能量。那么,这双眼睛从拒绝接受光性刺激到最后,比如识别物体,做动作,过程的细节,当然是生物视觉他们在研究,我不会一一说。你想说什么?这个生物视觉系统是如何应对信息的?类脑算出来,大脑能做的东西很多,感官是其中的一部分,但是这部分是最重要的,那就是入口,入口如何传递信息,如果我们不告诉,后面很多工作都很难积极开展。

在我们北京市的反对下,我们希望在这方面取得进展。2010年的那篇论文谈起来,一般来说,我们传统指出,这双眼睛就像一个非常简单的过滤器,对图片进行过滤处理。实质上,实际上我们的眼睛是做到的。

比我们想象的要多。大家看这篇论文的主题是眼睛比科学家们相信的聪明,实质上传达的信息方法意味着不是非常简单的照相机。所以,比如现在受欢迎的无人驾驶,用照相机自动驾驶解决了问题,显然很粗俗。但是,我们开车的时候,我们的生物照相机能力实质上比我们今天的照相机好。

所以,如何使用这种生物相机的智慧,当然想生产背后的原理。他们在得到之前,还是回到刚才说的,现在告诉他们基本的原理,但是不能告诉他细致的定量,怎么办?在北京的命令下,我们做了一些工作,意味着视觉系统的最前面,眼睛,视网膜到V1。另一个实皮层实质上是V1,大脑的最初区域,必须由定量中心实现,他们实现了模型。

但是这些都是在电脑上玩的,确实的生物部分,我们医学部的薄老师在做,摘下猴子的视网膜,看看它的神经网络结构。另一个是唐市明老师,多年累月,做了很多年,他的精神就像上午说的一样,他不管这个,当然他也结算了,他也不生气地说怎么办。

多年来仔细观察猴子的皮层,拒绝接受光性刺激时不会再发生任何事情。这是摘下猴子的视网膜后,他们做的目标,目标结束后,这层是视网膜中细致视觉的神经网络,当然这也是书面原因,不能看到结构、大体结构、环形结构。那根一根的纤维是神经纤维,送来神经信号的播音员。

这是标记各种细胞,有不同的标记物,标记,表示该网络。然后,进一步数据化、模型化,最后明确这个结构。这是刚才说的,仔细观察皮层,偷偷仔细观察皮层,这是断层。猴子看视觉刺激时,从上到下一层看哪个神经元发送,哪个神经元和神经元之间,谁发送信号,通过哪个地下通道发送信号,就是这样。

如何看待这货?关上它,不关上它,猴子背后实质上关上了它。但是,请不要担心。

足彩下注app

关上手术,麻醉,用半透明的罩子复盖。所以,把这块骨头换成半透明的玻璃,这只猴子不生活就不吃,应该玩,实验的时候需要椅子,应该睡觉还是不睡觉。

戴上显微镜看,看东西,看后面的东西。外面看到的只是这样,陶乐天做的。他从2004年开始实现了猴子的视皮层建模,几十年了,留下了现象。

时间关系,我跳过了。我们这个小组等待的是中央简化的建模、中央化的建模。细致的视觉,为什么我们关心这一点?眼为眼睛和刚才的视网膜很简单,所以确实要制作视网膜,最后至少需要5年左右。

我们现在只是认识其中的细节,认识信息代码,我刚才说我们的实验是解码国家工作实验室,工作实验室,最关心的是我们研究的时候,看得很清楚,让一个场景,怎么变了。周围的运动,也要进行类似形态的检查,但是放在后面。你是怎么做到这一点的?回头还是回神经?神经元宽是什么样的,它的形态,刚才说的摘下猴子的视网膜,瞄准三维数据,一个一个地识别,那是什么样的形态呢?第二个实现神经元的模型是上午说的方程,另外,这个方程已经可以描绘各种神经元的生命学不道德,但是描绘神经元的不道德和神经元,明确再次发生什么,你的数学工具在那个地方,但是每个神经元都有自己的特性,所以调整参数。

调整,最近接近电性刺激,产生什么脉冲模式?这个参数调整后,即使这个神经元被区分了。为了实现细节,一个神经元不是一组方程,而是把这个分成很多部分,所以每个部分都是一组方程组。因此,神经元的计算成本很高,刚才说的CPU,至少计算一个神经元。朱铁军老师及其实验室博士生展示了他们实现的视觉系统分析项目。

本课程为收费课程,2017年8月AI慕课学院不独家在线。原价2500元(CCF会员在线课程现在限期特价699元预售,感兴趣的学生切断:http://www.mooc.ai/course/114或右图二维码有关文章:北大计算机系朱铁军CCF-ADL讲习班篇:从计算机发展史介绍超人工智能的立身——类脑计算面具说的脑融合有多近?确实,大脑科学技术的最前线是你真凶|CCF的ADL。81种大脑计算的最前线班总结了重磅讲座预告片:朱铁军、陈云智等专家聚集在CCFADL,共享类大脑计算出深度自学处理器和|开学选拔中原创文章,允许禁止发表。下一篇文章发表了注意事项。


本文关键词:足彩下注app

本文来源:足彩下注app-www.uppermachine.com