Intel Pohoiki Beach comp√Ķe 64 chips neurom√≥rficos Loihi para IA e …

Intel Pohoiki Beach comp√Ķe 64 chips neurom√≥rficos Loihi para IA e ...

Embora a Intel seja frequentemente criticada por n√£o ter escalado seus chips at√© o n√≠vel de efici√™ncia energ√©tica da ARM, ainda tem vantagem quando se trata de poder de processamento bruto quando o TDP n√£o √© um problema. Isso √© especialmente aplic√°vel em campos de pesquisa onde a principal preocupa√ß√£o √©, em certa medida, tentar fazer com que os computadores replicem como o c√©rebro humano funciona. √Č exatamente para esse prop√≥sito que a Intel desenvolveu seu chip de pesquisa “neurom√≥rfico” Loihi, que agora implantou em um sistema especializado para fornecer as necessidades de processamento de aplicativos especiais, que v√£o da pesquisa √† IA e √† IoT.

Até certo ponto, a Intel está enfrentando seus rivais no mercado de silício, especialmente aqueles que estão direcionando seus chips para IA e aplicativos de aprendizado de máquina. Quase todos eles, incluindo a própria Intel, simplesmente reutilizam os mesmos chips e arquiteturas de computação da computação normal do consumidor e os aplicam para esses fins. A Intel, no entanto, está dizendo que, para usos especializados, você também precisará de arquiteturas especializadas.

Os chips Loihi, lan√ßados em 2017, s√£o uma arquitetura desse tipo. O chip de pesquisa foi desenvolvido usando os mesmos princ√≠pios encontrados nos c√©rebros biol√≥gicos para tentar criar um computador que imite mais de perto como os c√©rebros funcionam naturalmente. Agora est√° colocando esses chips em placas que v√£o al√©m das capacidades das mentes org√Ęnicas.

A Intel mostrou a placa Nahuku na foto acima que agrega de 8 a 32 chips Loihi. O sistema Pohoiki Beach, por outro lado, combinar√° v√°rias placas para ter um total de 64 chips Loihi trabalhando juntos para fornecer um poder de processamento 10.000 mais eficiente do que as CPUs comuns.

A Intel prev√™ que esses sistemas sejam usados ‚Äč‚Äčpor seus parceiros de pesquisa para criar ‘novos algoritmos de inspira√ß√£o neural’, especificamente para coisas como codifica√ß√£o esparsa, pesquisa de gr√°ficos, localiza√ß√£o e mapeamento simult√Ęneos (SLAM) e planejamento de caminhos. Estes, por sua vez, podem ser usados ‚Äč‚Äčpara avan√ßar o estado da IA ‚Äč‚Äče do aprendizado de m√°quina usado em tudo, desde dispositivos IoT em resid√™ncias a carros aut√īnomos na estrada.

0 Shares