神經(jīng)形態(tài)芯片賦予計算機認知能力

　　摘要：

　　每個(gè)TrueNorth芯片都包含54億個(gè)晶體管，集成了2560萬(wàn)個(gè)神經(jīng)突觸。在美國國際商用機器公司(IBM)大腦實(shí)驗室的一個(gè)計算機監控器上，一段從斯坦福大學(xué)塔樓上錄制的視頻短片展示了汽車(chē)、自行車(chē)、公交車(chē)、卡車(chē)和行人構成的穿梭畫(huà)面。每一種交通方式進(jìn)入畫(huà)面后，都會(huì )呈現出不同的顏色：紫色代表騎行者，綠色代表行人，深藍色代表汽車(chē)，天藍色代表卡車(chē)，黃色代表公交車(chē)。

　　這是從一種計算模式發(fā)展到另一種模式的質(zhì)變。

　　這些顏色顯示著(zhù)一枚郵票大小的計算機芯片作出的判斷，這枚芯片可以對不斷變化的場(chǎng)景進(jìn)行監測，并對進(jìn)入系統的每種交通方式進(jìn)行區分。該項目負責人、IBM硅谷艾瑪頓研究中心電子計算機工程師DharmendraModha說(shuō)：“它的判斷幾乎都是正確的?！崩缫粋€(gè)騎自行車(chē)的人進(jìn)入畫(huà)面后會(huì )迅速被標注為紫色，但是當騎行者下車(chē)推車(chē)步行后，顏色會(huì )隨即轉為綠色。

　　“神經(jīng)形態(tài)”的電腦芯片

　　這種認知模式對人來(lái)說(shuō)輕而易舉，但是對于一臺計算機來(lái)說(shuō)無(wú)異于一項杰作。Modha和他在IBM5個(gè)研究中心以及康奈爾大學(xué)的同事這樣描述這個(gè)小芯片：它是首個(gè)具有“神經(jīng)形態(tài)”的電腦芯片，不同于傳統意義上的平板電腦或手機中的處理器，它可以像一個(gè)哺乳動(dòng)物的大腦一樣運行。

　　這枚芯片的名字叫作TrueNorth，它標志著(zhù)芯片設計上的一次巨大跨越，有望使電腦更好地處理諸如圖片、語(yǔ)音識別等復雜任務(wù)，而普通的芯片很難完成。過(guò)去若干年來(lái)，科學(xué)家一直在嘗試建立一種受人腦啟發(fā)的計算方式。美國與歐洲的幾個(gè)實(shí)驗室也在嘗試過(guò)不同的技術(shù)版本。但外界人士表示，TrueNorth具備把神經(jīng)形態(tài)的計算從實(shí)驗室推向現實(shí)世界的潛質(zhì)。

　　TrueNorth集成了54億個(gè)連接在一起的晶體管，形成了一系列由百萬(wàn)個(gè)“數字神經(jīng)元”構成的陣列，它們就像生物體的大腦一樣，彼此之間可以通過(guò)2560萬(wàn)個(gè)“神經(jīng)突觸”進(jìn)行對話(huà)。這個(gè)神經(jīng)網(wǎng)絡(luò )系統架構可以高效地完成普通芯片難以完成的模式識別等復雜任務(wù)。加州勞倫斯—伯克利國家實(shí)驗室計算機學(xué)家HorstSimon表示：“這是從一種計算模式發(fā)展到另一種模式的質(zhì)變?！?/p>

　　對人類(lèi)來(lái)說(shuō)，感知能力似乎再簡(jiǎn)單不過(guò)，人們能很容易區分出騎自行車(chē)與滑滑板的區別。相較而言，盡管現代計算機擁有強大的運算能力，在這些任務(wù)面前卻一籌莫展。最先進(jìn)的運算方式或許可以解決這些挑戰，但是它們卻需要龐大的計算能力。例如，谷歌最近展示了一套可以用來(lái)區別貓與人臉的計算模式，但這項任務(wù)需要16000個(gè)集成電路與100千瓦的能耗，而人類(lèi)的大腦僅需約10瓦能耗。

　　今天普遍使用的計算機芯片是基于70年前匈牙利人JohnvonNeumann提出的系統架構。1945年，Neumann引入了處理、記憶和控制單元相分離的現代計算機基礎設計模型，該模型擅長(cháng)執行序列邏輯運算，且有助于進(jìn)行數據解讀、電子表格運行以及文字處理。但當它涉及到大數據處理，如處理一些視覺(jué)或語(yǔ)言的時(shí)候，就會(huì )陷入困境。

　　現代芯片必須把資料從記憶庫中抽取出來(lái)，然后把抽取的結果送回到記憶庫中，才能進(jìn)行下一步操作。因此，來(lái)回提取與反饋這些數據不僅需要能耗，還會(huì )造成交通堵塞。

　　在過(guò)去數十年中，工程師一直設法通過(guò)縮小晶體管、縮短交流線(xiàn)路以及減少芯片上的其他器件進(jìn)行補償。該辦法確實(shí)縮短了數據經(jīng)過(guò)的距離，減少了單個(gè)電子器件的能耗，并且提高了運行速度。

　　盡管如此，這種方法還是沒(méi)有奏效。由于新型芯片中的單個(gè)器件的尺寸僅有14納米左右，甚至比100個(gè)原子加起來(lái)的寬度還小，已接近物理學(xué)設定的極限。于是，制作者想到把多個(gè)處理器芯片并排鋪陳，用這種方法運輸數據，從生物學(xué)的角度解決了相關(guān)的技術(shù)問(wèn)題。

　　技術(shù)優(yōu)勢

　　2012年，Modha與其同事使用IBM勞倫斯利物莫國家實(shí)驗室的一臺名為Sequoia的超級計算機模擬了人類(lèi)大腦的交流方式，這項實(shí)驗使用常規電路在5000億個(gè)神經(jīng)元和1000億個(gè)神經(jīng)突觸之間進(jìn)行了仿真交流。盡管如此，這項模擬僅僅是真正人類(lèi)大腦傳輸速度的1/1500，Modha表示，如果要和人腦的交流速度相同，就需要120億瓦特的能耗，相當于洛杉磯和紐約市加起來(lái)的能耗量。

　　《自然》雜志認為，并行處理和復雜性的研究是神經(jīng)形態(tài)計算研究的核心。這個(gè)概念在上世紀80年代由加州理工學(xué)院電子工程師CarverMead提出，他同時(shí)描述了模仿神經(jīng)系統架構模擬計算機電路。美國加州大學(xué)歐文分校休斯研究實(shí)驗室(HRL)NarayanSrinivasa等人在Mead的啟發(fā)下，發(fā)明了一種硅制芯片，其計算電路包括576個(gè)神經(jīng)元和73000個(gè)神經(jīng)突觸，該研究團隊證明這個(gè)芯片對視覺(jué)信號的解釋異常清晰。

　　而另一項由英國曼徹斯特大學(xué)StephenFuber開(kāi)展的SpiNNaker項目則由2萬(wàn)個(gè)芯片組成，每個(gè)芯片代表1000個(gè)神經(jīng)元。盡管該項目與Sequoia模擬實(shí)驗的概念很相近，但SpiNNaker的設計更側重在生物學(xué)速度方面模擬大腦交流活動(dòng)。

　　相關(guān)應用

　　下一步的限制是資金，而不是想象力?！盡odha說(shuō)。他表示，IBM希望這款芯片盡早進(jìn)入商業(yè)化階段，并已經(jīng)開(kāi)始尋求與其他公司的合作。他表示，IBM計劃讓計算機領(lǐng)域的科學(xué)家盡快獲得這款芯片，并盡可能地開(kāi)發(fā)相關(guān)功能應用的“聚寶盆”。

　　為了鼓勵相關(guān)應用，IBM已經(jīng)建立了一個(gè)名為Synapse大學(xué)的虛擬大學(xué)，計算機科學(xué)家和研究人員可以在這里學(xué)習如何對這些新型芯片進(jìn)行編程?！叭绻鸌BM這么做，一定會(huì )有很多人對它感興趣，并做一些實(shí)在的科學(xué)研究?！盕urber說(shuō)?；蛟S，計算機終于開(kāi)始走出“嬰兒期”，可以執行一些人類(lèi)認為“理所當然”的日常任務(wù)了。