Beschreibung
Intel Labs leistet Pionierarbeit für die nächste Welle von KI-Fähigkeiten durch neuromorphes Computing und Engineering. Diese Forschungsinitiative geht über herkömmliche Deep-Learning-Algorithmen hinaus, indem sie spezialisierte Hardware mit fortschrittlicher KI-Software kombiniert und sich von der Neurowissenschaft inspirieren lässt, um den Energiebedarf aktueller KI-Systeme zu decken. Ziel ist es, die Entwicklung adaptiver KI zu beschleunigen und sie nachhaltiger und effizienter zu gestalten.
Neuromorphes Computing nutzt Erkenntnisse aus der Neurowissenschaft, um die Herausforderungen der energieintensiven KI zu bewältigen. Intel Labs stellt Entwicklern Werkzeuge zur Verfügung, um dieses Feld voranzutreiben und neuromorphe Technologie in kommerzielle Anwendungen zu bringen. Diese Forschung fördert eine wachsende Gemeinschaft, die sich der Erweiterung der Grenzen der KI widmet.
Hala Point stellt einen bedeutenden Fortschritt dar und ist das erste neuromorphe System der Branche mit 1,15 Milliarden Neuronen, das für nachhaltigere KI entwickelt wurde. Es verfügt über architektonische Verbesserungen, die eine mehr als 10-mal höhere Neuronenkapazität und eine bis zu 12-mal höhere Leistung im Vergleich zum Vorgänger bieten. Dieses System ist ein Beweis für Intels Engagement für die Skalierung neuromorpher Lösungen.
Loihi 2 ist der neuromorphe Prozessor der zweiten Generation von Intel Labs und bietet eine bis zu 10-mal schnellere Verarbeitungsleistung als sein Vorgänger. Ergänzt wird er durch Lava, ein Open-Source-Software-Framework, das verschiedene KI-Methoden und Hardware für die Entwicklung neuro-inspirierter Anwendungen unterstützt. Diese Kombination ermöglicht es Forschern und Entwicklern, neuartige KI-Architekturen zu erforschen.
Kapoho Point, eine kompakte Loihi 2-Platine mit 8 Chips, ermöglicht es Entwicklern, Lösungen für größere Probleme zu skalieren. Sie kann für Workloads im großen Maßstab gestapelt werden und unterstützt KI-Modelle mit bis zu einer Milliarde Parametern oder Optimierungsprobleme mit bis zu acht Millionen Variablen. Dieses modulare Design erleichtert die Entwicklung komplexer KI-Systeme.
Die Intel Neuromorphic Research Community (INRC) ist eine globale Gemeinschaftsanstrengung, die akademische Gruppen, staatliche Labore und Unternehmen vereint. Diese Gemeinschaft arbeitet zusammen, um Herausforderungen im neuromorphen Computing zu überwinden und Gehirn-inspirierte KI von Forschungsprototypen zu branchenführenden Produkten weiterzuentwickeln. Die Mitgliedschaft ist kostenlos und für qualifizierte Gruppen offen, was ein lebendiges Ökosystem für Innovationen fördert.
Forschungen mit Loihi 2-Prozessoren haben erhebliche Effizienz-, Geschwindigkeits- und Anpassungssteigerungen für kleine Edge-Workloads gezeigt. Beispiele hierfür sind die Optimierung von KI-Modellen für die Telekommunikation durch Ericsson Research, ein Projekt zur Unterstützung von Kindern mit neuromorpher KI und Forschung zur Nachahmung des Geruchssinns mithilfe von Computerchips. Intel arbeitet auch mit Institutionen wie den Sandia National Laboratories und der National University of Singapore zusammen, um das Potenzial des neuromorphen Computings für verschiedene Anwendungen, einschließlich Robotik und groß angelegte Rechenprobleme, zu erforschen.
Highlights
Kombiniert optimierte Hardware mit KI-Software der nächsten Generation.
Nutzt neurowissenschaftliche Erkenntnisse für die KI-Entwicklung.
Zielt darauf ab, nachhaltigere und energieeffizientere KI zu schaffen.
Bietet Werkzeuge für Entwickler zur Förderung der neuromorphen Forschung.
Verfügt über Hala Point, ein neuromorphes System mit 1,15 Milliarden Neuronen.
Bietet Loihi 2, einen neuromorphen Prozessor der zweiten Generation.
Enthält Lava, ein Open-Source-Software-Framework für neuro-inspirierte Anwendungen.
Die Kapoho Point-Platine ermöglicht die Skalierung von KI-Modellen und Optimierungsproblemen.
Unterstützt die Intel Neuromorphic Research Community (INRC) für globale Zusammenarbeit.
Fokussiert auf spärliche ereignisgesteuerte Berechnungen.
Wendet Gehirn-inspirierte Rechenprinzipien wie Spiking Neural Networks (SNNs) an.
Zeigt Effizienz- und Geschwindigkeitssteigerungen für Edge-Workloads.
Ermöglicht die Entwicklung von KI für Sensorik, Robotik und Gesundheitswesen.
Einsatzbereiche
- Nachhaltige KI
- Adaptive KI
- Robotik
- Gesundheitswesen
- Edge Computing
- KI für Telekommunikation
- Sensoranwendungen
- Optimierungsprobleme
