計(jì)算卡在車轍中。在過(guò)去的50年的技術(shù)革命中，為集成電路供電的集成電路已達(dá)到其物理極限。桑迪亞國(guó)家實(shí)驗(yàn)室的研究人員正在從大腦中的神經(jīng)元中汲取靈感，例如鼠標(biāo)新皮質(zhì)中這些綠色熒光蛋白標(biāo)記的神經(jīng)元，目的是開(kāi)發(fā)受神經(jīng)啟發(fā)的計(jì)算系統(tǒng)以重新啟動(dòng)計(jì)算。

這種困境使計(jì)算機(jī)科學(xué)家們爭(zhēng)相提出新的想法：使用新穎物理學(xué)構(gòu)造的新設(shè)備，計(jì)算機(jī)內(nèi)部單元組織的新方式，甚至是更有效地使用新系統(tǒng)或現(xiàn)有系統(tǒng)的算法。為了幫助協(xié)調(diào)新想法，桑迪亞國(guó)家實(shí)驗(yàn)室(Sandia National Laboratories)協(xié)助組織了10月17日至19日舉行的電氣與電子工程師協(xié)會(huì)(IEEE)重新啟動(dòng)計(jì)算國(guó)際會(huì)議。

桑迪亞數(shù)據(jù)驅(qū)動(dòng)和神經(jīng)計(jì)算系的研究人員將在會(huì)議上發(fā)表三篇論文，重點(diǎn)介紹了潛在的非傳統(tǒng)神經(jīng)計(jì)算應(yīng)用的廣度。

“我們正在努力探索神經(jīng)算法的作用范圍。我們不是試圖詳盡無(wú)遺，而是試圖強(qiáng)調(diào)算法可能在其上產(chǎn)生影響的應(yīng)用程序類型。”計(jì)算神經(jīng)科學(xué)家布拉德·艾蒙(Brad Aimone)說(shuō)，他是一篇論文的合著者。他補(bǔ)充說(shuō)，從歷史上看，神經(jīng)計(jì)算被視為近似和模糊的。但是，桑迪亞(Sandia)研究人員在論文中旨在擴(kuò)展神經(jīng)算法，使其具有嚴(yán)格性和可預(yù)測(cè)性，這表明它們可能在高性能科學(xué)計(jì)算中發(fā)揮作用。

這三篇論文的標(biāo)題分別為Craig Vineyard和Steve Verzi的“克服靜態(tài)學(xué)習(xí)瓶頸-自適應(yīng)神經(jīng)學(xué)習(xí)的需求”。Fred Rothganger的“利用動(dòng)力系統(tǒng)進(jìn)行計(jì)算”;William Severa，Ojas Parekh，Kris Carlson，Conrad James和Aimone撰寫的“科學(xué)計(jì)算的加標(biāo)網(wǎng)絡(luò)算法”。

不斷學(xué)習(xí)的麻煩和好處

大腦在不斷學(xué)習(xí)。“雖然我們確實(shí)在學(xué)校學(xué)習(xí)，但是當(dāng)學(xué)校結(jié)束時(shí)，我們的學(xué)習(xí)不會(huì)停止。相反，我們的大腦通過(guò)突觸修飾等過(guò)程不斷適應(yīng)。但是，大多數(shù)機(jī)器學(xué)習(xí)算法只能學(xué)習(xí)一次并完成。”計(jì)算機(jī)科學(xué)家Vineyard說(shuō)。

大多數(shù)所謂的機(jī)器學(xué)習(xí)算法都有一個(gè)學(xué)習(xí)階段以及一個(gè)單獨(dú)的測(cè)試和操作階段。這確實(shí)很耗時(shí)。Vineyard說(shuō)，雄心勃勃且具有挑戰(zhàn)性的嘗試來(lái)開(kāi)發(fā)不斷學(xué)習(xí)的算法，也冒著該算法“學(xué)習(xí)”錯(cuò)誤的風(fēng)險(xiǎn)。

他的論文主張繼續(xù)學(xué)習(xí)，并建議使用博弈論(邏輯決策的數(shù)學(xué)方法，例如何時(shí)清除垃圾以及何時(shí)希望室友為您做這件事)，以提高算法何時(shí)決策的準(zhǔn)確性。應(yīng)該學(xué)習(xí)。

反正什么是動(dòng)力系統(tǒng)?

動(dòng)力系統(tǒng)是描述事物如何隨時(shí)間變化的方程式。一個(gè)簡(jiǎn)單的動(dòng)力系統(tǒng)是描述祖父鐘擺運(yùn)動(dòng)的功能。“使用動(dòng)態(tài)系統(tǒng)進(jìn)行計(jì)算的想法是制造一臺(tái)機(jī)器，使其動(dòng)力學(xué)(與機(jī)器的結(jié)構(gòu)或數(shù)學(xué)的結(jié)構(gòu)有關(guān))將根據(jù)問(wèn)題的產(chǎn)生將其引導(dǎo)至答案，”計(jì)算機(jī)科學(xué)家Rothganger說(shuō)。

Rothganger說(shuō)，我們的大腦以及某種程度上的傳統(tǒng)計(jì)算機(jī)都是動(dòng)態(tài)系統(tǒng)：它們僅基于問(wèn)題以及計(jì)算機(jī)的構(gòu)造方式找到答案。他的論文提出，如果研究人員將傳統(tǒng)的科學(xué)計(jì)算問(wèn)題(矩陣分解)視為動(dòng)力系統(tǒng)，則可以在神經(jīng)系統(tǒng)上嚴(yán)格解決它們。

Rothganger說(shuō)：“我正在研究的想法有很多潛力，也有很多風(fēng)險(xiǎn)。” 如果他的想法可行，“它將在神經(jīng)算法和傳統(tǒng)數(shù)值算法之間提供一個(gè)統(tǒng)一點(diǎn)。”

工匠數(shù)學(xué)家制作尖峰網(wǎng)絡(luò)算法

第三篇論文確定了三種手工制作的算法，這些算法使用精心布置的尖刺狀神經(jīng)元節(jié)點(diǎn)來(lái)執(zhí)行精確的計(jì)算。在大腦中，每個(gè)神經(jīng)元都與許多其他神經(jīng)元相連，并利用電的尖峰進(jìn)行交流。數(shù)學(xué)家Severa及其合作者從大腦的這些方面獲得了啟發(fā)。

這些創(chuàng)新算法的一個(gè)示例是一種稱為粒子圖像測(cè)速的流量估算。通過(guò)拍攝兩張塵埃在空中移動(dòng)的照片，并弄清它們?cè)趦纱握掌g的間隔時(shí)間，研究人員可以確定空氣的速度和任何局部渦流。他說(shuō)，這可以在使用花式數(shù)學(xué)的傳統(tǒng)計(jì)算機(jī)上完成，但是Severa的方法利用了神經(jīng)元的大規(guī)模并行特性來(lái)有效地計(jì)算所有可能的移位。

“通過(guò)仔細(xì)設(shè)計(jì)您的網(wǎng)絡(luò)和神經(jīng)元的屬性，您可以做精確的事情，” Severa說(shuō)。“您可以超越神經(jīng)網(wǎng)絡(luò)的預(yù)期范圍。”

未來(lái)是否會(huì)在您的手機(jī)中安裝受神經(jīng)啟發(fā)的計(jì)算機(jī)，這些計(jì)算機(jī)能夠理解“給我看一張蓬松的可愛(ài)照片”和“訂購(gòu)我最喜歡的菜”之類的短語(yǔ)，或者神經(jīng)計(jì)算機(jī)是否還可以與未來(lái)的量子計(jì)算機(jī)一起快速解決難題? Aimone說(shuō)，計(jì)算需要重新設(shè)計(jì)，很快。他說(shuō)，通過(guò)召集許多不同學(xué)科的專家，國(guó)際重新啟動(dòng)計(jì)算大會(huì)旨在培育新思想并推動(dòng)這場(chǎng)革命。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！