近日，Intel推出了其首款自学习神经元芯片——“Loihi”。该芯片包含的数字电路能模拟人脑13万个神经元和1.3亿个突触连接，不但可以利用数据进行自主学习和推理，而且学习能力能够随着时间推移越来越强，这款芯片是经过数十年的研发工作而成的。

　　据《麻省理工技术评论》杂志网站介绍，大脑神经网络通过神经脉冲传递信息，并根据电脉冲先后顺序调节神经突触相互连接的强度，通过不同神经区域的竞争性与协作性相互作用，产生各种智能行为。然而，近年取得重大突破的深度学习类智能系统，需要事先进行强化训练，才能获得某种识别能力，一旦遇到从未接触过的特定场景，其“智能”就会大打折扣。

　　Loihi芯片采用了一种“异步激活”的全新计算方式，来模仿大脑运作模式，组成它的128个计算核心每个都包含1024个神经元，总共模拟出人脑13万个神经元和1.3亿个突触连接，组成异步神经形态的多核网状结构，每个神经元都能与成千上万个其他神经元同时通讯。

　　Intel方面称，与其他智能芯片相比，Loihi的学习效率提升高达100万倍，能耗比提升高达1000倍。该芯片适用于无人机与汽车自动驾驶，红绿灯自适应路面交通状况，用摄像头寻找失踪人口等任务。

　　另据Engadget报道，Loihi代表着未来的发展方向。

　　不过，尽管Loihi具有理论上的优势，但芯片在实验室外尚未得到真正的效果。据悉，Intel 计划在2018年上半年联手全球领先的大学和研究机构对该芯片进行实测。梅伯里指出，模拟人脑的计算设备将逐渐从概念变成主流产品，在接下来的50年内为人类创造巨大的经济效益。

　　其实Intel不是第一家使用神经科学指导芯片设计的公司。IBM已经构建了两代神经形态处理器，称为TrueNorth，这个芯片同样基于脉冲神经元模式。TrueNorth芯片包括4096个核心和540万个晶体管，功耗70毫瓦，模拟了一百万个神经元和2.56亿个突触，这个数字在Loihi之上。不过深度学习先驱和FacebookAI研究团队负责人YannLeCun曾指出，这类芯片很难运行卷积神经网络进行图像识别计算，不知Loihi最终成品表现如何。