本篇文章2006字，读完约5分钟
“圆脸、胖身体、两只尖耳朵和一条长尾巴的东西是猫。”-计算机识别猫的逻辑
我相信很多人还记得一年前李菲菲的ted演讲。演讲中展示的一张猫的照片很容易被人类识别。即使是一个三岁的孩子也能一眼就做出定义，但是对于计算机来说，它需要无数的研究来完成。
这是因为，在三岁儿童的眼中，世界不再是简单的物体集合，而是具体的个体，他们已经形成了自己对世界的理解。另一方面，计算机则不然。如果你想让电脑快速理解图片，最好的方法是让它模仿人脑的学习方式。由李菲菲创建的Imagenet是计算机学习的养分。利用互联网，imagenet提供了一个巨大的图片数据库，使计算机系统能够识别1500万张照片中的22000种物体。机器学习已经取得了很大的进步。
从全球来看，目前机器学习普遍采用在线学习，即循序渐进地学习，不断修正模型并优化模型。许多公司已经尝到了“在线学习”的甜头，并在人工智能的视觉、声音和大数据领域取得了突破。
同时，研究人员并没有停止对“片上学习”的研究，因为只要实现了这项技术，学习和测试就可以直接在硬件上完成，然后基本算法的研发就可以迭代进行，产品升级周期更短、效率更高、能耗更低。然而，在恶劣的硬件环境下“片上学习”的研究进展缓慢，没有应用于实际问题的实证，停留在理论研究阶段。目前，在硬件中部署机器算法更多的是“在线学习”，即在大规模高性能计算平台上训练模型，然后将训练好的模型直接部署在硬件中。谷歌的alphago是“在线学习”的典型例子。在今年与李世石的比赛中，阿尔法戈的服务器位于美国中西部，并通过谷歌云服务连接到韩国首尔的游戏室。谷歌总部团队必须确保阿尔法戈和谷歌的服务器连接顺畅。
几天前，中国类似大脑的人工智能初创公司西京科技(Xijing Technology)在2016年上海国际科普产品博览会上正式宣布，该团队在世界上首次实现了“片上学习”。这意味着机器学习可以直接在硬件端完成，而高效率和低功耗可以通过硬件级的持续“自我学习”和“自我改进”来实现。今年5月，该团队宣布已经开发出一种完全脱离冯·诺依曼结构的神经形态学的芯片结构，即通过模拟人脑神经元的工作原理制造的芯片。它既有人脑的学习能力，又有强大的特定计算能力，只需要一个邮票大小的芯片，就可以模仿人脑在短时间内处理大量的感官信息。
在新闻发布会上，西京科技正式展示了其wiki系统的“片上学习”过程，包括随机生成数字的识别和油画风格的分类。结果表明，该机器能在一秒钟内自动分类数百张图片，准确率接近100%。
油画风格分类完成
油画学校分类完成
为了让参与者更容易理解“片上学习”，西京科技以学生的学习方法作为类比。“例如，‘芯片上学习’就像一个学生总是跟着一个‘私人教师’并测试培训结果，而直接在芯片上学习。最大的优势是在“没有网络”的情况下真正实现“自我学习和实时自我提高”。“在线学习”就像学生定期去“学校”，回家后做作业测试学习效果，然后在硬件中灌输优化模型。每一项新的学习都需要通过网络、云和其他方式重新传播。迁移。"
片上学习和培训(红线代表芯片)
西山丽说，在此期间，芯片可以随时中断学习，以测试学习效果。结果表明，随着芯片学习的进展，油画识别和分类的正确率将逐渐提高，经过8-10秒的完整学习，识别的正确率将接近100%。
同时，由于“片上学习”可以实现本地化学习，因此可以大大提高机器的效率和速度。在相对恶劣或有限的网络环境下，“片上学习”芯片消耗的带宽和流量更少，大大降低了云服务器的通信成本，占用的时间也更少。毕竟，“网上学习”需要更高质量的网络环境，这会造成数据传输的延迟。
西京科技实现的“片上学习”将在许多领域得到突破性的应用，如提高大数据挖掘和视频流处理的质量和效率，节省基因测序的时间，帮助机器人变得更聪明，依靠自身的智能不断学习和提高能力。
在新闻发布会上，西京科技还宣布开发了基于神经形态工程的脑型智能软硬件集成智能港口系统——wellocean，并已在世界十大港口之一试运行。通过模拟人脑神经的“高效低能”工作机制，该系统可以像人脑一样快速识别集装箱号码。与传统的光学字符识别不同，wellocean最明显的优势在于其速度和准确性，能够自动捕获进出港口的任何尺寸的集装箱，识别速度不到0.1秒，比光学字符识别技术快50倍。
快速准确的识别wellocean夜间双箱
新闻发布会后，许多与会者和雷锋。搜索“雷锋”。com "公共号码)非常关心一个问题。与imagenet的数千万图片库相比，这次显示的数据没有可比性。那么所谓的100%准确度的含金量是多少呢？对此，西京科技的工作人员表示，数据不是问题，将来会在实际应用中积累，其芯片在实现“片上学习”后，自然会通过不断学习来提高精度。因此，也许在将来，计算机不仅能轻易地识别出一只猫，还能识别出它是什么样的猫。
西京科技展示其深南大脑神经元芯片
