Geek - Como Fazer ?

Embora a Intel seja frequentemente criticada por não conseguir reduzir seus chips ao nível de eficiência energética da ARM, ela ainda tem uma vantagem quando se trata de poder de processamento bruto quando o TDP não é um grande problema. Isso é especialmente aplicável em campos de pesquisa em que a principal preocupação é, até certo ponto, tentar fazer com que os computadores repliquem como o cérebro humano funciona. É exatamente para esse fim que a Intel desenvolveu seu chip de pesquisa "neuromórfico" Loihi, que agora colocou em um sistema especializado para fornecer as necessidades de processamento de aplicações especiais que vão desde a pesquisa, passando pela IA até a IoT.

Até certo ponto, a Intel está tendo uma chance em seus rivais no mercado de silício, especialmente aqueles que estão preparando suas chips para aplicações de aprendizado de máquina e AI. Quase todos eles, incluindo a própria Intel, simplesmente reutilizam os mesmos chips e arquiteturas de computação da computação de consumo normal e os aplicam para tais fins. A Intel, no entanto, está dizendo que, para usos especializados, você também precisará de arquiteturas especializadas.

Os chips Loihi, lançados em 2017, são uma arquitetura desse tipo. O chip de pesquisa foi desenvolvido usando os mesmos princípios encontrados nos cérebros biológicos para tentar criar um computador que imita mais de perto como os cérebros funcionam naturalmente. Agora é colocar esses chips em placas que vão além das capacidades das mentes orgânicas.

A Intel mostrou o tabuleiro Nahuku na foto acima, que agrega 8 a 32 fichas Loihi. O sistema Pohoiki Beach, por outro lado, combinará várias dessas placas para ter um total de 64 chips Loihi trabalhando juntos para fornecer uma potência de processamento 10.000 mais eficiente que os processadores comuns.

A Intel prevê que esses sistemas sejam usados ​​por seus parceiros de pesquisa para criar "novos algoritmos inspirados em neural", especificamente para coisas como codificação esparsa, pesquisa gráfica, localização e mapeamento simultâneos (SLAM) e planejamento de caminhos . Estes, por sua vez, podem ser usados ​​para avançar no estado de IA e aprendizado de máquina usado em tudo, desde appliances IoT em residências até carros autônomos na estrada.

Via: Slash Gear