IBM计划利用新的编程语言模拟大脑电脑芯片

最新推荐文章于 2022-03-21 09:40:10 发布
最新推荐文章于 2022-03-21 09:40:10 发布
阅读量1.2k 收藏
点赞数
文章标签： 芯片 人脑芯片 神经元 可编程 IBM

IBM计划利用新的编程语言模拟大脑电脑芯片

原文作者：Michael Passingham

 

硬件巨头IBM揭露了最新的战略，致力于生产一个和人脑大小、能力相仿的电脑系统。

 

神经元（神经形态自适应可伸缩电子系统）计划，IBM在康奈尔大学工作的研究者从美国国防部高级研究局获得5300万美元研究资金。他们打算传统电脑模式处理大量数据时所带来的问题。

 

Dharmendra Modha博士是IBM研究项目组负责人，他表示说现在是该向下一代IT迈进的时刻了。现在我们正处于信息技术的另一个历史转折点上。Backus时代和他同时代所创造的的可编程电脑时代正在被认知电脑时代所代替。

 

另外，计算机将会获取庞大的数据，数据推理，并且从和人们互动信息中学习。这些信的特性将会帮助我们洞悉复杂的事物并作出更好的决定，像是如何管理城市，如何解决商业合作等复杂问题。

 

新的编程模式工作是靠一种新型的芯片架构。这种架构的特性是处理器和存储芯片工作时候彼此更接近，在一个事件驱动模式中活动。IBM表示该结构模仿和扩展了大脑对事物改变的反应能力和一次从很多数据源中分析大量数据的能力。

 

新的编程模式是基于'corelets'的，他是被描述为可以重复使用的构造模块，每一个模块都有他们自己的功能。在这个项目网站上还可以找到更多关于此项语言的技术细节。

 

IBM建议这项技术的潜在用途包括一副眼镜，可以在危险的环境中协助视觉障碍者。考虑到在船上有大量的视觉和声音数据，现实增强眼镜将会标记比如路肩和汽车等障碍，引导用户更清晰。

 

其他使用包括智能麦克风，保持通话这的追踪，对任何对话增加了精确文字记录。

 

IBM的长期目标是要创造拥有10亿神经元和100万亿神经触突的神经元芯片。并且占用内部空间不到两升，消耗能源不超过1千万。


原文地址：http://www.v3.co.uk/v3-uk/news/2287861/ibm-plans-for-brainlike-computer-chips-with-new-programming-language

yzhangaa
关注
自然语言处理（NLP）基础知识大全
程序员光剑
08-07 2057
19世纪末期，人类开发出了第一台计算机——“电子集中式计算机”，它由电信号和电路组成，用于处理输入数据，并按照指令对数据进行加工处理得到输出结果。随着时代的发展，人们逐渐发现电子计算机在很多领域都具备着巨大的潜力，但由于其结构简单、成本低廉、运算速度快、适应性强等特点，在计算机行业受到了广泛关注。另一方面，随着人工智能技术的兴起，机器学习、深度学习、自然语言处理等人工智能技术也越来越火热。经过几十年的研究和实践，人工智能目前已经进入了一个高速发展阶段，它的算法和技术正在飞速进步。
IBM专有的RPG编程语言：概述
编程故事的地方
02-21 3141
报告程序生成器（或简称RPG）是一种高级编程语言，可用于各种业务应用程序和用途。 它是IBM专有的编程模块，其大多数更高版本只能在基于IBM i或OS / 400的系统上访问。 RPG实际上有很长的历史。 它是由技术巨头IBM在1959年作为报告程序生成器开发的，该工具被开发用作IBM 1401上打孔卡处理系统的替代品。但是，在开发之后，它后来被更新为RPG II。 1960年代IBM Sys...
用编程语言实现算法
热门推荐
从小白到架构师
07-19 1万+
课程导言 【用流程图描述算法，可以与用户更好地交流。如果需要算法在计算上运行，就需要把算法用编程语言编写为程序。在程序与算法课程中，给出了计算长方形面积算法的伪代码，伪代码比较直观地描述了算法的执行过程，但它不能在计算机上直接运行，需要把伪代码用一种编程语言转换为程序。本篇和同学们探讨如何用编程语言来实现算法以及编程语言的发展过程。通过本篇的学习，你将了解到编程语言是如何由二进制语言逐步发展为高...
IBM研制新一代芯片可模拟大脑认知能力
weixin_33895604的博客
08-22 154
电脑领域的王者IBM（图） IBM研究人员日前研制出新一代计算机芯片，可以模拟大脑认知和活动等能力。 IBM第一代神经突触(neurosynaptic)计算机芯片完全不同于计算机设计与制造的传统理念，它们通过先进算法和硅电路，再现了发生于大脑等生物系统中神经细胞和突触之间的现象。研究人员已经制造出两个这样的芯片模型，目前正在进行测试...
为什么俄罗斯不怕芯片卡脖子？
HollisChuang's Blog
03-21 519
‍杨净 梦晨 发自 凹非寺量子位 | 公众号 QbitAI怎么一个国家被卡脖子了，画风竟然是这样？时间回到十几天前，美国一声令下，英特尔、AMD、 台积电，三星…几乎当下所有主流厂商都挨个...
高级编程语言的发展历程
疯狂伯德
02-15 2959
以下内容转自：http://kb.cnblogs.com/page/130672/#c1 高级编程语言的发展历程 作者: 徐宥  发布时间: 2012-02-09 23:08 　　目录 　　高级编程语言的发展历程（一）创始纪 　　高级编程语言的发展历程（二）虚拟机的前世今生 　　高级编程语言的发展历程（三）FORTRAN 语言是怎么来的 　　高级编程
AI芯片发展的前世今生
人工智能学家
08-09 474
来源：数学与人工智能，以上文章观点仅代表文章作者，仅供参考，以抛砖引玉！人工智能芯片的分类2.1 传统CPU困局自20个世纪60年代早期开始，CPU(中央处理器)开始出现并使用在计算机工...
CPU、GPU、FPGA、ASIC等AI芯片特性及对比
我爱计算机视觉
07-24 1万+
作者：William来源：自动驾驶全栈工程师知乎专栏链接：https://www.zhihu.com/people/william.hyin/columns1、前言目前，智能驾驶领域在处...
AI芯片公司：拿下“超级石油”，助力地质模拟和人工智能
weixin_39640818的博客
03-07 2076
原创：亲爱的数据“美国AI芯片创业公司Cerebras公司技术团队，大多数为纯芯片设计背景。”「亲爱的数据」曾听闻拜访过该公司的科学家说：“2017年上门拜访的时候，公司第一页PPT说，C...
IBM研制出新一代芯片可模拟大脑认知能力.pdf
07-26
IBM作为这一领域的领军企业，近期成功研制出的新一代芯片，标志着计算技术向着模拟大脑认知能力的方向迈出了重要一步。这种新型芯片的设计理念和实现技术，对于理解硬件开发、电子元件及其应用都具有重要的参考价值...
IBM开发出首个“脑芯片”.pdf
07-26
在这个案例中，硬件设计师模仿人脑的功能，创造出能够模拟大脑神经网络的芯片。这不仅对认知计算的研究有推动作用，也可能对未来的机器人技术、人工智能以及各种智能系统产生深远影响。 IBM的这一进步也与电子元件...
【6层】一字型框架办公楼（含建筑结构图、计算书）.zip
09-21
【6层】一字型框架办公楼（含建筑结构图、计算书） 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
Kotlin编程全攻略：从基础到实战项目的系统学习资料
09-21
Kotlin作为一种现代、简洁的编程语言，正逐渐成为Android开发的新宠。本文将为您介绍一套全面的Kotlin学习资料，包括学习大纲、PDF文档、源代码以及配套视频教程，帮助您从Kotlin的基础语法到实战项目开发，系统地提升您的编程技能。
机械原理课程设计_牛头刨床说明书.doc
最新发布
09-21
机械原理课程设计_牛头刨床说明书.doc
基于深度学习的钢材表面缺陷识别系统.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
JSP在线CD销售系统（论文）.zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行；、 2项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
STM32F103C8T6+CUBEMX+BT04蓝牙
09-21
STM32F103C8T6+CUBEMX+BT04蓝牙
基于深度学习对法国租界地黑白照片上色模型.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值