Название как бы намекает...

Процесс "самообучения" будет идти до первой перезагрузки?

Надо было назвать T800

Так все сходится...

Год 2029 - допиленный Loihi v3 - платформа T800.

Сокет к сожалению не скажу:



Для того что бы само обучалось нужно скальпировать и изолировать одну дорожку

Скоро наш"Эльбрус" или Сос 3м всех порвут))))
Аж смешно блин...

Ага - если их соединить так, чтобы обмен данными между всеми ними без существенных задержек происходил.

"Полноценный" ИИ уже давно применяется много где.
У ИИ-алгоритмов вообще фундаментальная проблема - если они начинают широко применяться, люди перестают воспринимать используемые наработки как ИИ.

Короче, суть проблемы такова:
- гуманитарии считают, что слабый ИИ - это что-то по мотивам "настоящего" ИИ.
- технари считают, что никакого сильного ИИ нет по причине ненаучной постановки вопроса, и это все байки от философов и писателей научной фантастики.

"Голубой гигант" Гринко жгёт!

Арни придэ порядок навидэ

И что он делать будет этот полноценный ИИ? Пить, курить и... матом ругаться?

Восстания машин не избежать
И это печально.
Потому что человек иррационален и роботы решат эту проблему кардинально

все упирается в цену... для успешности проекта она должна быть очень низкой, а зная интел... короче я не верю именно в успешность этого чипа плюсом как всегда "закрытая патентованная архитектура" что тоже намекает (рынку не нужен второй х86). но как инженерное решение это интересно правда такие важные вещи как "площадь" и тд они конечно не рассказали)))

Вот только нейроны человека работают на много порядков медленнее, и не все они участвуют в высшей когнитивной деятельности.

С тем индусским кодом, который уже везде, скайнет сначала заселит Марс, а потом истребит там всё живое. На Земле же власть передаст пингвинам и котикам - по старой памяти самым древним для него существам - ведь на них тестировали ранние образцы его процедур распознавания образов.

Под нейронные сети код не пишут. Нужно лишь подобрать правильные параметры нейронной сети, а всё остальное она сделает сама в процессе обучения. Причём, никто не знают, почему нейронная сеть принимает конкретное решение. Это – чёрный ящик, который выдаёт результаты.

Добавлено спустя 33 минуты 22 секунды:
Любопытно то, что 28-нм чип IBM TrueNorth, представленный в 2014 году, имеет 1 млн нейронов, 256 млн синапсов и потребляет меньше вата энергии. Это ощутимо лучше, чем решение Intel.

Безусловно.
Поэтому и полмиллиона может вполне быть достаточно. Главный хардварный вопрос тут стоит в интерфейсе между всеми такими чипами.

Да, чипы совсем разного касса. Но не только количественно, но и качественно. TrueNorth - содержит намного больше симулируемых нейронов, но они там все с фиксированной (раз и навсегда зашитой в железе при производстве) топологией.
Тут же

Т.е. TrueNorth это куча нейронов, но только для одного конкретного типа нейросети (показавшейся разработчикам наиболее эффективной/перспективной), а Loihi это чип позволяющий моделировать разные нейросети, перестраивая их под конкретные задачи.
Например TrueNorth содержит фиксированное количество синапсов на нейрон - по 256 на каждый. Можно менять только веса этих связей, но не их количество или топологию (какие нейроны с какими соединены).
Loihi - переменное количество синапсов на 1 нейрон(до нескольких тысяч) и изменяемая топология, а не просто обучение через настройку весовых коэффициентов.

2й вариант - намного ближе к живому мозгу, который тоже совсем не из одинаковых штампованных нейронов состоит. Там их много весьма сильно отличающихся видов в зависимости от специализации, как и топология связей между нейронами в разных отделах мозга сильно отличается.

Поэтому для научных исследований - вариант интел однозначно намного интереснее и перспективнее.
Тогда как TrueNorth может пригодиться скорее для эффективного(скорость, энергопотребления) решения каких-то узких прикладных задач типа поиска/распознавания образов на видеозаписях.

не существует полноценных ИИ и еще долго не будут существовать, сегодня существуют лишь калькуляторы, мощные, могут быть не отличимы от человека, но как были они калькуляторами на основе математики так и останутся.
ИИ в моем понимание это построение из хауса логической цепочки как в ядерной физики, а не подсчет цифр по заданной программе.

Вот нейронные сети (с которыми и связаны все последние успехи в области ИИ) как раз и есть "построение из хаоса логической цепочки", без каких либо конкретных программ/алгоритмов вообще.

Есть изначально хаотически (случайным образом) настроенная сеть, в которой в лучшем случае задана только общая архитектура (кол-во слоев и кол-во связей между слоями и между нейронами внутри одного слоя), которую дальше просто "тренируют" выдавать нужный результат. И постепенно (путем огромного количества воздействий и перебора вариантов) из этого хаоса самоорганизуется сеть более-менее подходящая к решению конкретной требуемой задачи.

Чем больше нейронов и связей между ними задействовано, тем более сложные задачи может такая сеть решать и тем более качественно она это будет делать. Но количество ресурсов (вычислительных, энергетических) необходимых для ее моделирования и "тренировки" очень быстро растет вместе с ее размером.

Вы у нас нефанат, но как видимо не в курсе что все современные процессоры, начиная с поколения P6 Intel, давно уже не х86, а этот заскорузлый набор инструкций эмулируют, причём с каждым поколением всё менее охотно, придумывая всякие SIMD-инструкции для обхода узких мест в "архитектуре", от которой ничего не осталось кроме названия.

Добавлено спустя 5 минут 5 секунд:

Что-то попахивает прожектёрством. Моделировать разные нейросети ни один нейропроцессор не в состоянии.
По причине ограничений топологии сети. Следовательно, речь может идти о моделировании сетей определённого класса.