脑芯片 创始人兼CTO Peter Van Der Made访谈

当我们与一位博学精深的人交谈时,我们会深入了解上下文并欣赏他们为每个问题所涉及的动力。我对Peter Van Der Made先生(CTO& Founder of 脑芯片 )使我对自己的工作感到非常满意’我在做。阅读完整文章至stand 和 appreciate how Brainchip is actually into AI 和 other latest technologies.

这次AI智能之家是 AI &物联网访谈系列.

在您面前投射一个场景:警察局在实时视频流中寻找犯罪嫌疑人。他们不’没有数千张嫌疑犯的图像,也没有几周的时间来训练传统的神经网络系统。通过深度学习网络,您如何解决这个问题?

脑芯片 为该问题提供了理想的解决方案。我们较旧的产品是BrainChip Studio。这是一整套工具,专门用于警察部门。 Brainchip Studio可以执行“一次性学习”-它学会从一张图像中识别一个人,然后可以在大量视频或实时流中迅速找到该人。创建BrainChip Studio是为了查找特定的对象或个人。 Brainchip Studio在PC / Windows 10平台上运行,并使用称为“加速器”的BrainChip PCIe插入板。

可以在相机内的Akida芯片周围构建类似的系统,但功耗要低得多。秋田走得更远。它既可以通过机器学习以传统方式进行训练,也可以通过一次或多次学习在芯片上学习。可以在同一芯片中使用这两种方法的组合,从而在训练后通过增量学习为学习识别特定个人或概括和识别许多不同的人或物体创造了无限可能。例如,Akida技术已用于对ImageNet的所有1000个类别进行分类。秋田运行非常快,几乎不需要电能。它可以由小电池供电。 

每天,组织网络中都会引发新的威胁&这些威胁/恶意软件对遵循当前强大的网络安全策略具有极大的抵抗力。您如何提升技术以应对这些未来的潜在风险?

Akida芯片技术非常适合快速学习数据流中的威胁模式。目前,这些模式是通过深度学习来学习的,这既昂贵又缓慢。秋田的快速学习方法在这些应用中大放异彩。我们仅用2.2小时就在具有挑战性的大型220 Gb CSE-IDS-2018网络安全数据集上对Akida技术进行了培训,并学会了识别所有15种攻击类型。借助这些快速学习功能,只需重新训练新数据集上的芯片,即可快速轻松地添加新的威胁模式。我们对数据集进行了混洗,并将其一半用于验证,结果检出率为98%。我们仅需20毫瓦,就可以每秒处理30,000帧。我们正在研究如何使用Akida的片上快速学习方法通​​过增量学习动态添加新的威胁模式。 

您最喜欢哪种动物?您想为自己的传记书加上什么标题?

我不认同任何动物。我在半农业环境中长大,那里的动物不是宠物。他们要么被宰杀当作食物,要么是在做动物。我们的人体可能具有与动物相同的总体设计,但我们的大脑却大不相同。如果要使用猴子的大脑并将其放大三倍至人类大小,那么您将无法完成人类的大脑。正是大脑的结构使我们与动物不同。相同的神经细胞,相同的突触和神经胶质细胞,但结构不同。为了进行比较,您可以使用相同的砖块建造大教堂或狗屋,但是如果将狗屋按比例放大到大教堂的大小,则只会得到一个很大的狗屋,而不是大教堂。大脑也一样。 

“AI to create an AI”您如何从与之相关的人类智慧的角度来强调这一陈述。

当前的AI并不智能。深度学习系统不会学习,而是使用顺序优化例程进行训练,该例程会反馈错误并校正权重,与逐次逼近例程不同;它会进行猜测,检查错误,然后将错误的一半纠正为猜测,直到输出值和猜测值收敛为止。卷积神经网络是与大脑工作方式几乎没有共同点的计算结构。 

在大脑中,时间至关重要。信息以“尖峰”的时间进行编码,“尖峰”是在神经细胞之间发送的短暂电能。尖峰之间的间隔,尖峰的强度以及尖峰发生的位置都包含信息。突触存储由传入的峰值释放的信息。突触中存储的信息会不断更新。学习是峰值时间的函数。大脑是一个不断变化的非常动态的系统。智力是通过不断学习而形成的。

如我之前所述,大脑具有非常明确的结构,在不同的大脑区域中会有所不同。大脑不是神经细胞的一个均质体。我们有一个左右半球,看起来几乎一样。但是我们也有小脑和海马,边缘系统和其他大脑区域,每个区域都有其特定于其功能的结构。甚至昆虫的大脑也比我们当前的神经网络结构和复杂得多。大脑会在感觉刺激到达之前预测下一个动作。在当今的神经网络中,这些都不存在。要说当今的神经网络展现出蜜蜂的智慧,那是公然的夸张。 

脑芯片 Akida技术正在使用灵感来自大脑的尖刺神经网络来进行推理。它可以完成当今卷积神经网络可以做的所有事情,但是它也可以运行完全类似于大脑的学习方法和处理方法的本机尖峰神经网络。例如,执行网络安全威胁识别和增量学习。未来版本的Akida技术将整合更多的大脑结构,以使AI更加智能。这对人类智力没有威胁。在可预见的未来,我们拥有860亿个神经细胞,100万亿个突触和3000亿个神经胶质细胞,在任何智能AI方面都遥遥领先。相比之下,当今最大的AI网络最多可容纳几百万个神经元当量,并且错过了使大脑变得智能的所有结构。 

维持市场’饥饿,任何技术组织在创新方面表现卓越都是至关重要的&倡议。 脑芯片 如何为此做好准备?

从一开始,BrainChip的目标一直是创造更好的AI。我们并没有跟随其庞大的并行乘法器以及多达200层作为AI芯片推广的市场趋势。我们在2008年申请了第一项专利时就定义了基于事件的Spiking神经网络技术。我们使用了截然不同的哲学,即通往未来的明确道路的哲学,完成了深度学习所提供的一切。当标准的CNN技术试图超越图像分类时会碰壁,而我们的基于事件的Spiking NN表现出色。 

我们的理念基于复制大脑的功能和结构,并将该技术应用于解决当今的问题。这就是为什么可以使用Akida经过简单的转换过程来处理当今基于深度学习的CNN,并从那时开始进行增量学习和片上培训。除了增量学习之外,这还具有许多优点。秋田可以从它存在的环境中学习,这种能力将在未来的秋田世代中以情景记忆来扩展,即记住事件序列。序列记忆的一个例子是当您回溯步骤以在繁忙的停车场中找到汽车时。序列存储器在文本和语音解释以及机器人技术中具有实际应用。 

它还可以以极低的功耗处理大量视频或数据,这对环境有利。有人说,训练一辆深度学习CNN会消耗足够的电力来运行五辆电动汽车。使用Akida,该电源需求降低到运行手电筒所需的功率。基于事件的处理是一种“绿色”技术。 

AI Time Journal谨祝贺Brainchip获得以下方面的专利:“AI动态神经网络”。您能否向我们提供一些AI智能之家以及将其作为市场产品发现的挑战?

这是我们的第一个专利“自主学习动态人工神经计算设备和大脑启发系统”的一项支持专利,该专利描述了所有BrainChip产品中使用的基于事件的尖峰处理方法。该第二项专利描述了一种可以在两个或多个Akida设备之间共享信息的方式。例如,当某款Akida芯片用于汽车中并学到新东西时,如果能够与其他汽车中类似功能的所有其他Akida设备共享该知识,那将是有益的。它可以了解要避免的新对象或更好的优化。通过可能存在于云中的库,它可以与其他设备共享此信息。这是产品增强功能,而不是独立产品。  

有趣的想法:如果您想时间旅行到1938年,您将如何使用自己的技术来阻止第二次世界大战?

防止第二次世界大战(或任何未来的战争)不是技术问题,而是民意问题。希特勒当时并不是唯一的坏人,背后有整个组织,还有很多公众。新闻业是一种工具,就像任何其他工具一样,可以使用或滥用。纳粹显然显然会尽可能地滥用它,谋杀任何不同意其思想和控制媒体的人。在任何我认为是大规模精神错乱的战争中,政客都是通过宣传来塑造舆论的。  

政治家尚未完全意识到的一件事是,未来的战争将不会主要使用炸弹和枪支,而是使用人工智能。拥有最佳AI策略的国家将获胜。他们将能够使用自动搜索和摧毁车辆,通过侵入性的AI机器人渗透并破坏敌人的计算机系统,破坏其制造能力和食品分配系统,并在交通管理和发电厂中造成混乱。各种形式的AI(包括程序形式的和基于硬件的)都可以用来打败敌人而无需射击。文字已经在墙上。 

您会授予哪些著名的科技名人?为什么?

1五星级荣誉(卓越表现)

我们BrainChip的工程团队在过去的7个月中一直努力工作,从我们的研究原型创建Akida芯片设计。  

2完美存在(准时) 

秋田芯片。在设计第一款要求高性能,低功耗的先进边缘AI产品时进入市场。在适当的时间以适当的价格提供适当的技术。

3声欢呼(最佳团队努力)

对于整个BrainChip团队而言,在法国,美国,澳大利亚和印度,他们在四大洲都付出了巨大的团队努力,但彼此之间却完美地融为一体,每天24小时在不同时区工作。 

最高四等奖(卓越的创新,主动性)

通过直接参与或通过已发表的论文,在线教育和讲座,向在Akida技术方面做出贡献的许多研究人员和科学家致敬。 

编辑助理

我坚信充满激情的人可以使不可能的事情变为现实。出于对技术的兴趣,我担任IT行业技术业务经理一职,并担任其他职位,例如《行政杂志》协调员,企业活动组织者,CXO&技术人员访谈。 

关于Jagan G.M.

我坚信充满激情的人可以使不可能的事情变为现实。出于对技术的兴趣,我担任IT行业技术业务经理一职,并担任其他职位,例如《行政杂志》协调员,企业活动组织者,CXO&技术人员访谈。 

查看Jagan G.M.的所有文章→