在线视频免费黄片,免费日b大全干婷婷在线

電子發(fā)燒友網(wǎng)報道（文/李彎彎）不久前，以色列公司POLYN宣布推出語音處理Tiny AI芯片NeuroVoice，成為第一個在超低功耗模擬神經(jīng)形態(tài)芯片內實現(xiàn)語音檢測(VD)和語音提取(VE)組合的公司。今年4月，POLYN就宣布其該芯片成功封裝和評估。

POLYN成立于2019年，總部位于以色列。POLYN提供超低功耗、高性能的神經(jīng)形態(tài)模擬信號處理（NASP）技術、IP和基于NASP的Tiny AI芯片，能夠支持廣泛的邊緣人工智能應用，包括可穿戴設備、工業(yè)4.0、互聯(lián)健康、智能家居等。

POLYN公司的Tiny AI解決方案

如今人工智能正加速從云端走向邊緣，進入到越來越小的物聯(lián)網(wǎng)設備中。在終端和邊緣側微處理器上實現(xiàn)的機器學習，被稱為微型機器學習，即Tiny AI（也被稱為TinyML）。準確說，Tiny AI是指在mW功率范圍以下的設備上，實現(xiàn)機器學習的方法、工具和技術。

當前，物聯(lián)網(wǎng)設備日益普及。在資源受限設備上運行機器學習模型的能力，為許多新的可能性打開了大門。一個很好的例子是具有心率(HR)跟蹤和人體活動識別(HAR)的可穿戴設備，其中PPG/IMU傳感器不斷生成數(shù)據(jù)，其處理會消耗大量電池電量。

POLYN公司的一位高管表示，潛在客戶對可穿戴設備的測量不準確和電池壽命短持謹慎態(tài)度。這些情況發(fā)生是因為可穿戴設備中最常見的當前實現(xiàn)是基于算法計算，這些算法計算耗能大且無法真正準確。戒指形式的可穿戴設備是一個可行的選擇，但現(xiàn)在很少有這樣的智能戒指模型可以真正戴在手指上。對于這種形式，降低功耗至關重要，并且需要新型硬件。

POLYN的神經(jīng)形態(tài)模擬信號處理器技術（NASP）是一種Tiny AI解決方案，旨在優(yōu)化原始數(shù)據(jù)并減少CPU負載和轉發(fā)到云的數(shù)據(jù)量。NASP技術以前所未有的低功耗、小尺寸和低延遲為傳感器設備提供真正的AI。通過感知模擬信號和數(shù)字信號，為各種傳感器增加智能。

圖片來源：POLYN

根據(jù)POLYN介紹，公司的NASP技術利用了一個獨特的平臺，該平臺將經(jīng)過訓練的神經(jīng)網(wǎng)絡作為輸入，并使用數(shù)學建模將神經(jīng)網(wǎng)絡合成為真正的神經(jīng)擬態(tài)芯片。NASP芯片使用模擬電路，其中神經(jīng)元使用運算放大器實現(xiàn)，而軸突則由薄膜電阻器實現(xiàn)。

POLYN公司此次宣布推出的NeurorSense芯片采用55nm CMOS技術實現(xiàn)。據(jù)介紹，當它充當邊緣信號傳感器，能夠使用神經(jīng)擬態(tài)計算處理原始傳感器數(shù)據(jù)，而無需對模擬信號進行任何數(shù)字化。出于這個原因，該公司將其稱為第一款無需模數(shù)轉換器(ADC)即可直接在傳感器旁邊使用的神經(jīng)擬態(tài)模擬TinyML芯片。

神經(jīng)形態(tài)芯片的優(yōu)勢

對于執(zhí)行真正始終在線測量的設備，神經(jīng)形態(tài)模擬信號處理是一個理想的解決方案，與傳統(tǒng)算法相比，它具有100uW的超低功耗和兩倍的精度。

20世紀80年代，科學家設想將人類大腦的功能映射到硬件上，即直接用硬件來模擬人腦結構，這種方法稱為神經(jīng)擬態(tài)計算，這類硬件被稱為神經(jīng)擬態(tài)芯片。經(jīng)過近40年發(fā)展，神經(jīng)擬態(tài)芯片相繼問世。

傳統(tǒng)人工智能主要以計算，即通過編程等手段實現(xiàn)機器智能。其中深度學習是目前廣泛應用的技術之一，2006年左右，深度學習技術進入大眾視野。它通過添加多層人工神經(jīng)網(wǎng)絡，賦予機器視覺、語音識別以及自然語言處理等方面的能力。

北京大學信息科學技術學院教授黃鐵軍此前在接受媒體采訪的時候表示，盡管深度學習有人工神經(jīng)網(wǎng)絡的加持，但通過計算實現(xiàn)智能的影子并未消失。只不過與傳統(tǒng)計算相比，深度學習的算法模型發(fā)生了變化，實現(xiàn)的物理載體依然是計算機。

而與深度學習采用的多層人工智能神經(jīng)網(wǎng)絡不同，神經(jīng)擬態(tài)計算構造的是脈沖神經(jīng)網(wǎng)絡，通過模擬生物神經(jīng)網(wǎng)絡實現(xiàn)智能。它本身就是能處理信息的載體，不再依賴于計算機。神經(jīng)擬態(tài)計算是探索實現(xiàn)人工智能的新范式。在信息處理方面，現(xiàn)在的人工神經(jīng)網(wǎng)絡處理的是相對靜態(tài)的、固定的信息，脈沖神經(jīng)網(wǎng)絡則適合處理與時空高度相關的復雜信息流。

通過模仿生物神經(jīng)網(wǎng)絡實現(xiàn)機器智能是一條十分重要的研究路線，未來它甚至有可能突破生物智能的天花板。盡管生物神經(jīng)網(wǎng)絡是一個慢速系統(tǒng)，每秒鐘能產(chǎn)生的神經(jīng)脈沖數(shù)量只有十幾個，生物獲取和處理的信息量也處于較低水平，但一旦將生物神經(jīng)網(wǎng)絡電子化，其處理信息的能力將比被模擬的生物大腦高出多個數(shù)量級。