Facebook 放棄使用大腦輸入為 AR 眼鏡介面,轉擁抱腕戴式介面
作者 Evan | 發布日期 2021 年 07 月 18 日 0:00 |
一項由 Facebook 支持並旨在讓人們透過思考來打字的計畫,隨著今天的新發現宣告終結。
「速記專案」(Project Steno)是 Facebook 與加州大學舊金山分校(UCSF)的張氏實驗室(Chang Lab)合作多年的研究專案,旨在創建將大腦活動轉化為文字的系統。發表在《新英格蘭醫學期刊》(The New England Journal of Medicine)的新研究論文,顯示技術落實有語言障礙之人的潛力。
但這項研究同時 Facebook 明確表示,正放棄有關商用頭戴式大腦讀取裝置的構想,轉而構建腕戴式介面。這項新研究對大眾市場的科技產品沒有明確適用性,新聞稿 Facebook 表示正在「重新調整」優先事項,不再關注頭戴式 BCI 腦機介面。
「眾所皆知,Facebook 對需植入電極的產品開發沒有興趣。」Facebook 新聞稿表示。「雖然我們仍然相信頭戴式光學 BCI 技術的長期潛力,但決定將精力集中截然不同的神經介面方法,有更短的即時上市效益。」
像張氏實驗室的研究對沒有鍵盤和其他介面的人來說很有價值,即使有限詞彙量也可以幫助他們更輕鬆交流。這與 Facebook 在 2017 年擬定的宏偉目標相去甚遠:讓人們每分鐘輸入 100 個單字,與傳統鍵盤打字速度不相上下的非侵入式 BCI 系統。且 UCSF 大學最新研究不僅涉及植入技術,且數據並沒有達大多數人用手機鍵盤可達到的速度。這似乎預示透過光學測量大腦血含氧量之外部頭帶之類科技的商業前景不妙,然而 Facebooko 實境實驗室(Reality Labs)卻以原型形式發表產品。
從那時起,Facebook 於 2019 年收購肌電圖(Electromyography,EMG)腕帶公司 CTRL-Labs,為 AR 和 VR 提供了替代性控制選項。「我們仍處於釋放基於手腕的 EMG 潛力早期階段,但我們相信將成為 AR 眼鏡核心,且將我們對 BCI 的了解應用化,也能幫助我們更快實現目標。」Facebook 實境實驗室研究總監 Sean Keller 表示。Facebook 不會完全放棄頭戴式大腦介面系統,但計劃開源,並與外部研究人員共享硬體原型,同時停止研究。
資料來源:https://technews.tw/2021/07/18/facebook-brain-typing-ar-glasses-interface/
同時也有1部Youtube影片,追蹤數超過611的網紅Noodles with Turtle,也在其Youtube影片中提到,7/17,Neuralink 舉辦了一場成果發佈兼招募會,在正式論文發布之前就搶先公佈目前在小鼠(以及猴子)身上進行的實驗成果與新技術,包括新的極細柔性導線、能夠自動將導線迅速插入大腦的神經外科機器人、以及一款新的 N1 晶片,用以讀取、清理與放大來自大腦的訊號。 無獨有偶地,在 7/30 ,Fa...
「腦機介面論文」的推薦目錄:
- 關於腦機介面論文 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於腦機介面論文 在 實況主中途之家 Facebook 的最讚貼文
- 關於腦機介面論文 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於腦機介面論文 在 Noodles with Turtle Youtube 的最讚貼文
- 關於腦機介面論文 在 腦機介面台灣 :: 博碩士論文下載網 的評價
- 關於腦機介面論文 在 2023/02/07 (二) 🧠腦機介面讀書會💻 - 臺灣大學板 的評價
- 關於腦機介面論文 在 Lec 09 神經系統應用- 腦機介面(2/2) - YouTube 的評價
- 關於腦機介面論文 在 VRMMO 的評價
- 關於腦機介面論文 在 [請益] 腦機介面概論- Cognitive 的評價
腦機介面論文 在 實況主中途之家 Facebook 的最讚貼文
特別節目預告
2021/7/3 (六) 20:30
阿九與你的
~Summer Games Done Quick 2021前夜祭~
第三度以線上形式舉辦的SGDQ 2021,
將在7/4晚上11:30正式開跑!
[技驚全場!大型電玩再度來襲]
儘管線上形式了局限了觀眾充滿熱情的現場應援,
取而代之的卻是更加多元的遊戲介面與內容!
前兩次活動中備受好評的大型電玩機台項目,
本次又會輪到什麼機種讓GDQ全場驚呼連連呢?
[Speedrun五四三]
疫情肆虐全球的當下,
宅在家中沒事做的speedrunner們,
如何打發自己足不出戶的時間?
==「玩家」與「完美」
著名的超級瑪利兄弟 《Super Mario Bros.》
該遊戲透過社群全體的努力,
距離完美的破關時間、
居然只剩下0.03秒的差距!?
莫非人類與電腦並駕齊驅的那一日就要來臨了嗎?
==「2300萬」 VS 「23」
Minecraft speedrun在近一年人氣爆棚,
擁有2300萬訂閱的知名Youtuber卻也於此同時爆出作弊疑雲?
令人無法置信的強運勢是議論紛紛的主因。
他的運氣到底有多好?
「1/20,000,000,000,000,000,000,000」。
23人的MOD團隊要如何與對方的粉絲大軍對抗?
這是一段「麥塊 x 論文 x 統計學 x 航太科學家」的故事。
==你怎麼手油油的還摸光碟片!
許多玩家總是極其寶貝自己的遊戲光碟,
深怕沾上一丁點的刮傷指紋。
然而對某些遊戲的speedrunner,
光碟片……越髒越好!?
因為遊戲跑得越快?????
你準備好在光碟片上作畫了嗎!
==你們最愛的,我們最危險的
疫情會過去、
八卦會留下。
告了啦~哪次不告~
ㄛ累死了又開會又上班又節目
這節目結束後我要去……什麼你說不能出去?
哭丫!違反勞基法之鬼!
腦機介面論文 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I
腦機介面論文 在 Noodles with Turtle Youtube 的最讚貼文
7/17,Neuralink 舉辦了一場成果發佈兼招募會,在正式論文發布之前就搶先公佈目前在小鼠(以及猴子)身上進行的實驗成果與新技術,包括新的極細柔性導線、能夠自動將導線迅速插入大腦的神經外科機器人、以及一款新的 N1 晶片,用以讀取、清理與放大來自大腦的訊號。
無獨有偶地,在 7/30 ,Facebook 資助的美國加州大學舊金山分校研究團隊,也在《自然-通訊 (Nature Communications) 》期刊上發表了最新的研究成果。透過侵入式的腦機介面,科學家能夠根據大腦皮質的活動,「知道」實驗參與者針對問題回答了哪個選項,準確率比平均機率高出許多。
你或許知道 Neuralink 這家公司,它是由特斯拉跟 SpaceX 的老闆伊隆馬斯克,在 2016 年成立的公司,專攻腦機介面 (brain-computer interface) 。馬斯克聲稱他的目的是讓人類能夠以最快的速率來跟人工智慧溝通甚至更進一步與機器整合,以免落後太多給人工智慧,他認為這是讓人類免於人工智慧末日最好的預防方式。
然而這項技術接著會將我們帶到哪裡呢?
腦機介面論文 在 2023/02/07 (二) 🧠腦機介面讀書會💻 - 臺灣大學板 的推薦與評價
各位台大的同學大家好呀,繼上次基因治療的主題結束, 此次我們將探討BCI相關的主題,⭐ Brain-Computer Interface, BCI 腦機介面或是腦機接口是什麼 ... ... <看更多>
腦機介面論文 在 Lec 09 神經系統應用- 腦機介面(2/2) - YouTube 的推薦與評價
無線 腦機介面 發展與應用授課教師:生物科技系柯立偉老師、陳文亮老師課程資訊:http://ocw.nctu.edu.tw/course_detail.php?bgid=4&gid=0&nid=540 授權 ... ... <看更多>
腦機介面論文 在 腦機介面台灣 :: 博碩士論文下載網 的推薦與評價
《靜息與預刺激腦電圖譜預測腦電信號之信噪比及腦機介面表現》哪裡下載?該論文是張顥嚴於107年畢業於國立交通大學生物資訊... ... <看更多>