是什么使游戏机遥控器脱颖而出？尽管Loihi芯片可能不如领先的通用芯片那么灵活和强大，但其专业化潜力巨大。尽管最好的AI算法已经使用了人工神经网络，依靠并行处理，但Loihi芯片通过刻蚀硅中神经网络的工作方式将其提升到了一个新的水平。尖峰神经网络在常规体系结构中服务不佳，但是当它们灵活且配置完善（如上分器的情况）时，它们便能够支持广泛的工作负载。 Loihi是首个完全集成的SNN芯片，它不依赖于以密集矩阵形式存储突触，这在历史上一直限制了程序员的可能性。该芯片的灵活学习引擎使程序员能够在所有学习均在芯片上进行的同时尝试各种学习方法。 Loihi已用于解决加权图的最短路径问题以及一维，非马尔可夫顺序决策问题。

 

    Loihi的算法潜力的开发实际上才刚刚起步，到目前为止，只有一小部分可用的游戏机遥控器资源和功能正在测试中。但是，英特尔团队的能源效率是通用计算的1000倍，旨在扩大对Loihi网络的研究。英特尔的神经形态研究计划英特尔的研究社区，包括学术界，政府和企业研究小组，将着手应对将神经形态架构应用于主流计算所面临的挑战。该计划以游戏机定位器芯片为研发中心，旨在提供推动该技术乃至其商业化的成果。去年10月，INRC聚集一堂，讨论了迄今为止该芯片所取得的进展，并报告了以下进展：音频关键字识别-根据架构的不同，Loihi可以提供高达50倍的能源效率。长期短期记忆网络-在神经形态硬件上运行的尖峰神经网络有望显着提高效率。信号恢复和识别-基于哺乳动物嗅觉系统，该算法已展示了最新的学习和分类性能。Loihi的未来潜力,研究人员能够使用英特尔的软件开发套件在其云服务中开发其算法，软件和应用程序，因此有巨大的发展潜力。

 

    成员正在使用该硬件进行机器人技术等领域的研究，并可以访问USB外形尺寸的“ Kapoho Bay”，它为游戏机遥控器硅视网膜相机等外围设备提供接口。在这一年中，预计英特尔和INRC成员都将其大部分软件和研究成果贡献给公领域。发生这种情况时，人们的兴趣会增加，并且必然会出现更多实际应用。但是，尽管英特尔计划提高其在基于Loihi的多芯片系统中构建超过1000亿个突触的目标，但人类大脑相对突触的复杂性仍然遥遥无期。尽管英特尔的计划接近了1250亿只普通鼠标的突触，但真正的人工智能与人脑的9万亿突触目前远远超出了该技术的能力。