Link alla notizia: https://www.hwupgrade.it/news/cpu/il-sistema-neuromorfico-di-intel-tocca-i-100-milioni-di-neuroni-come-il-cervello-di-un-piccolo-mammifero_87877.html

Pohoiki Springs è il nuovo e più potente sistema neuromorfico di ricerca di Intel. La piattaforma, grazie a 768 chip Loihi, fornisce la capacità computazionale di 100 milioni di neuroni, quella del cervello di un piccolo mammifero.

Click sul link per visualizzare la notizia.

articolo ILLEGGIBILE, copiato e incollato con google translate. Non sto neanche a contare gli errori, mi sono fermato a metà articolo per fastidio. Peccato perché il tema era interessante

articolo ILLEGGIBILE, copiato e incollato con google translate. Non sto neanche a contare gli errori, mi sono fermato a metà articolo per fastidio. Peccato perché il tema era interessante

Mah, in realtà è una nota stampa ufficiale di Intel (e penso sappiamo di cosa stanno parlando), che francamente io ho compreso. Se però non ti torna qualcosa, sei libero di chiedere. A ogni modo, l'argomento è indubbiamente complesso.

Bell'articolo, come il precedente sulle cpu Loihi. Sarei curioso di sapere come è fatta una architettura simile in paragone ad una cpu classica.

articolo ILLEGGIBILE, copiato e incollato con google translate. Non sto neanche a contare gli errori, mi sono fermato a metà articolo per fastidio. Peccato perché il tema era interessante

Come non quotarti.

Bell'articolo, come il precedente sulle cpu Loihi. Sarei curioso di sapere come è fatta una architettura simile in paragone ad una cpu classica.

Ecco qua https://fuse.wikichip.org/news/2519/intel-labs-builds-a-neuromorphic-system-with-64-to-768-loihi-chips-8-million-to-100-million-neurons/

E' una gigantesca matrice di DSP, ottimizzati per eseguire le operazioni tipiche di un neurone leaky integrate and fire. I neuroni sono ovviamente simulati, come avverrebbe con un software su un normale pc.

Il modello lif è una buona approssimazione di quello che si sa sui neuroni, ma è ancora lontano da come un vero neurone computa i potenziali d'azione.

Quindi niente di meraviglioso e di "brain like". Sarebbe ora che le multinazionali la smettessero di usare il termine "brain like" per sparare hype a manetta.

Che poi, puoi pure avere 100 milioni di neuroni, ma se ti mancano gli algoritmi del cervello, non hai concluso comunque niente.

Tutto questo hype sta distruggendo la ricerca di base nel settore del connessionismo, perchè convince il pubblico alla larga che sia solo una questione di potenza di calcolo. Quando invece la questione è di modelli e algoritmi di apprendimento.

IL SGD fa acqua. E non è biologicamente plausibile. Cioè è l'unico modello che il cervello di sicuro non usa.

Come non quotarti.

Ripeto, siate esplicativi... tra l'altro un altro lettore dice il contrario... Se si può soddisfare tutti meglio :)

Ecco qua https://fuse.wikichip.org/news/2519/intel-labs-builds-a-neuromorphic-system-with-64-to-768-loihi-chips-8-million-to-100-million-neurons/

E' una gigantesca matrice di DSP, ottimizzati per eseguire le operazioni tipiche di un neurone leaky integrate and fire. I neuroni sono ovviamente simulati, come avverrebbe con un software su un normale pc.

Il modello lif è una buona approssimazione di quello che si sa sui neuroni, ma è ancora lontano da come un vero neurone computa i potenziali d'azione.

Quindi niente di meraviglioso e di "brain like". Sarebbe ora che le multinazionali la smettessero di usare il termine "brain like" per sparare hype a manetta.

Che poi, puoi pure avere 100 milioni di neuroni, ma se ti mancano gli algoritmi del cervello, non hai concluso comunque niente.

Tutto questo hype sta distruggendo la ricerca di base nel settore del connessionismo, perchè convince il pubblico alla larga che sia solo una questione di potenza di calcolo. Quando invece la questione è di modelli e algoritmi di apprendimento.

IL SGD fa acqua. E non è biologicamente plausibile. Cioè è l'unico modello che il cervello di sicuro non usa.

Grazie. Quindi fondamentalmente sono solo DSP....ok. Concordo sul fatto che non sia una questione di calcolo, a quest'ora altrimenti saremmo a livelli molto più avanzati di AI. Inoltre come al solito imo è comodo stimare delle capacità simulative basandosi solo sul numero di neuroni simulati, ci sono molti altri fattori che non vengono presi in considerazione sul funzionamento di un cervello e probabilmente al momento non hanno neanche idea di come simularli (dendriti, assoni e cellule gliali per fare un esempio, come pure tutto il firing sostenuto dai neurotrasmettitori ai neuroni...)

Per arrivare quindi ad un sistema su singolo chip con un numero di neuroni paragonabile al cervello umano (con tutte le differenze del caso ovviamente) hanno solo bisogno di aumentare la densità di un milioncino di volte.
Direi che anche sull'hardware siamo lontanucci.

Ad ogni modo capisco che si parli di cervello in modo improprio, però rimangono comunque progetti interessanti che portano ad un nuovo approccio per risolvere certi tipi di problema e da cui in futuro si potrebbe trarre beneficio.