知名信息研究和分析機構(gòu)高德納預(yù)測，到2025年，神經(jīng)擬態(tài)芯片有望成為用于AI系統(tǒng)的主要芯片之一。

20世紀(jì)80年代，科學(xué)家設(shè)想將人類大腦的功能映射到硬件上，即直接用硬件來模擬人腦結(jié)構(gòu)，這種方法稱為神經(jīng)擬態(tài)計算，這類硬件被稱為神經(jīng)擬態(tài)芯片。經(jīng)過近40年發(fā)展，神經(jīng)擬態(tài)芯片相繼問世。全球知名信息研究和分析機構(gòu)高德納(Gartner)日前的預(yù)測顯示，到2025年，神經(jīng)擬態(tài)芯片將成為高級人工智能部署的主要計算架構(gòu)，該芯片有望成為用于AI系統(tǒng)的主要計算機芯片之一。

脈沖神經(jīng)網(wǎng)絡(luò)信息處理不再依賴計算機

傳統(tǒng)人工智能主要以計算，即通過編程等手段實現(xiàn)機器智能。其中深度學(xué)習(xí)是目前廣泛應(yīng)用的技術(shù)之一，2006年左右，深度學(xué)習(xí)技術(shù)進(jìn)入大眾視野。它通過添加多層人工神經(jīng)網(wǎng)絡(luò)，賦予機器視覺、語音識別以及自然語言處理等方面的能力。

盡管深度學(xué)習(xí)有人工神經(jīng)網(wǎng)絡(luò)的加持，但通過計算實現(xiàn)智能的影子并未消失。“只不過與傳統(tǒng)計算相比，深度學(xué)習(xí)的算法模型發(fā)生了變化，實現(xiàn)的物理載體依然是計算機。”北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授黃鐵軍接受科技日報記者采訪時表示。

“而與深度學(xué)習(xí)采用的多層人工智能神經(jīng)網(wǎng)絡(luò)不同，神經(jīng)擬態(tài)計算構(gòu)造的是脈沖神經(jīng)網(wǎng)絡(luò)，通過模擬生物神經(jīng)網(wǎng)絡(luò)實現(xiàn)智能。它本身就是能處理信息的載體，不再依賴于計算機。”黃鐵軍表示，神經(jīng)擬態(tài)計算是探索實現(xiàn)人工智能的新范式。在信息處理方面，現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)處理的是相對靜態(tài)的、固定的信息，脈沖神經(jīng)網(wǎng)絡(luò)則適合處理與時空高度相關(guān)的復(fù)雜信息流。

舉例來說，機器人看到豹子時，采用深度學(xué)習(xí)方法能識別出是豹子，但對機器人而言這只是一個系統(tǒng)中的信息標(biāo)簽，而這些信息好像與它無關(guān)，機器并不能結(jié)合這些信息為下一步的行動作出判斷。而人看到豹子，不僅可以通過外觀識別出自己面對的動物是猛獸，還會觀察豹子的行動，甚至判斷自己所處的現(xiàn)實環(huán)境，并根據(jù)綜合信息作出是否需要逃跑的判斷。“這才是真正的智能。智能不僅是信息分類這么簡單，它是對時空信息進(jìn)行綜合處理并作出決策行動的過程。”黃鐵軍解釋道，神經(jīng)擬態(tài)計算就是要通過模擬生物神經(jīng)網(wǎng)絡(luò)的方式，讓機器擁有接近甚至超越生物神經(jīng)網(wǎng)絡(luò)的系統(tǒng)，幫助機器感知自然界中時空變化的信息，實時處理信息流并采取行動。

“電腦”超越人腦成為可能

深度學(xué)習(xí)的大規(guī)模應(yīng)用對計算機的計算能力提出更高要求，同時也讓經(jīng)典計算機的耗能一直居高不下，而按照生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的神經(jīng)擬態(tài)計算，已成為大勢所趨和必然選擇。

神經(jīng)擬態(tài)學(xué)工程師、德國海德堡大學(xué)物理學(xué)家卡爾海因茨·邁耶(Karlheinz Meier)表示，人腦相對計算機而言有三大特性：一是低能耗，人腦的功率大約是20瓦特，而當(dāng)前試圖模擬人腦的超級計算機需要幾百萬瓦特;二是容錯性，人腦時刻都在失去神經(jīng)元，而不會影響腦內(nèi)的信息處理機制，而微處理器失去一個晶體管就能被破壞;三是無須編程，大腦在與外界交互的過程中自發(fā)地學(xué)習(xí)和改變，而無需像實現(xiàn)人工智能的程序一樣遵循預(yù)設(shè)算法所限制的路徑和分支。

黃鐵軍認(rèn)為，通過模仿生物神經(jīng)網(wǎng)絡(luò)實現(xiàn)機器智能是一條十分重要的研究路線，未來它甚至有可能突破生物智能的天花板。盡管生物神經(jīng)網(wǎng)絡(luò)是一個慢速系統(tǒng)，每秒鐘能產(chǎn)生的神經(jīng)脈沖數(shù)量只有十幾個，生物獲取和處理的信息量也處于較低水平，但一旦將生物神經(jīng)網(wǎng)絡(luò)電子化，其處理信息的能力將比被模擬的生物大腦高出多個數(shù)量級。

黃鐵軍說，當(dāng)與人腦類似的“電腦”變?yōu)楝F(xiàn)實時，它對人腦的大幅度超越就發(fā)生了：速度上，“電腦”可以比人腦快多個數(shù)量級;規(guī)模上，沒有顱骨限制，“電腦”可以根據(jù)需求擴容;壽命上，電子系統(tǒng)即使有損耗，也可以復(fù)制遷移到新系統(tǒng)而永生;精度上，生物大腦的很多缺陷和短板將被“電腦”避免和彌補。

目前缺乏應(yīng)用于現(xiàn)實的模型

雖然神經(jīng)擬態(tài)計算前景廣闊，但要實際應(yīng)用仍面臨不小挑戰(zhàn)。黃鐵軍認(rèn)為，缺少應(yīng)用于現(xiàn)實的模型是神經(jīng)擬態(tài)計算最大的瓶頸。

目前不少研究人員正在尋覓突破瓶頸的方式。有兩種主要的技術(shù)途徑：第一種是照著生物的腦部結(jié)構(gòu)，依葫蘆畫瓢設(shè)計神經(jīng)擬態(tài)計算系統(tǒng)。但前提是搞清楚生物神經(jīng)網(wǎng)絡(luò)的細(xì)節(jié)，如神經(jīng)元的功能、結(jié)構(gòu)，神經(jīng)突觸連接的特性等。

當(dāng)前，人腦神經(jīng)元的工作模式大體上已被科學(xué)家們掌握，大腦中數(shù)百個腦區(qū)的功能分工也已探明，但是腦區(qū)內(nèi)的神經(jīng)元網(wǎng)絡(luò)的細(xì)節(jié)依舊是個謎。如果把生物神經(jīng)網(wǎng)絡(luò)看成地球，單個神經(jīng)元就是城市里的一戶人家，目前城市之間的交通連接是比較清楚的，但這遠(yuǎn)遠(yuǎn)不夠，還要搞清楚每戶人家是如何連接起來的。人腦有近千億個神經(jīng)元和數(shù)百萬億個連接，要解析出精細(xì)藍(lán)圖，工程量可想而知。

黃鐵軍認(rèn)為，20年內(nèi)就很有可能弄清楚人腦神經(jīng)網(wǎng)絡(luò)的精細(xì)結(jié)構(gòu)。他還提到，研究人腦結(jié)構(gòu)是個長遠(yuǎn)目標(biāo)，目前的工作重點是斑馬魚、果蠅等動物的腦結(jié)構(gòu)。他預(yù)測，幾年之內(nèi)果蠅腦(包含約30萬神經(jīng)元)就能解析清楚，這個級別的脈沖神經(jīng)網(wǎng)絡(luò)模型就會出現(xiàn)，利用果蠅腦模型，無人機就能更好地實現(xiàn)飛行、避障、追逐等。

在生物神經(jīng)網(wǎng)絡(luò)藍(lán)圖完成之前，第二種技術(shù)路徑是人工設(shè)計脈沖神經(jīng)網(wǎng)絡(luò)模型。這也是黃鐵軍團隊的工作內(nèi)容之一，如基于對生物視覺的初步了解，設(shè)計視覺脈沖神經(jīng)網(wǎng)絡(luò)模型;根據(jù)機器對于目標(biāo)檢測、跟蹤和識別功能的需求，研發(fā)超速全時視網(wǎng)膜芯片等。

專家表示，一旦能解決實際問題，神經(jīng)擬態(tài)計算將會改變?nèi)斯ぶ悄艿陌l(fā)展格局。不過，深度學(xué)習(xí)作為基本方法依然有存在價值，就像算法仍然會在其擅長的領(lǐng)域發(fā)揮作用一樣。另外，仿生物神經(jīng)網(wǎng)絡(luò)是實現(xiàn)強人工智能的一條途徑，多種多樣的生物智能本身就是最好的證據(jù)，但這不等于說所有的智能問題都要用仿生方式去解決。

“神經(jīng)擬態(tài)計算不是實現(xiàn)智能的唯一方式。”黃鐵軍強調(diào)。

延伸閱讀

神經(jīng)擬態(tài)芯片不會與AI加速器形成競爭

神經(jīng)擬態(tài)芯片是實現(xiàn)神經(jīng)擬態(tài)計算不可或缺的硬件之一。目前，神經(jīng)擬態(tài)芯片和當(dāng)下備受市場青睞的AI加速器均為處理神經(jīng)網(wǎng)絡(luò)而設(shè)計，都比CPU性能高，且都聲稱能耗更低。在這樣的發(fā)展背景下，有人提出疑問：神經(jīng)擬態(tài)芯片和AI加速器之間會發(fā)生競爭嗎?

英特爾神經(jīng)擬態(tài)計算實驗室主管邁克·戴維斯(Mike Davies)認(rèn)為，神經(jīng)擬態(tài)芯片不能直接與傳統(tǒng)的AI加速器相比。AI加速器是為深度學(xué)習(xí)而設(shè)計的，它使用大量數(shù)據(jù)訓(xùn)練大型網(wǎng)絡(luò)，而神經(jīng)擬態(tài)計算處理單個數(shù)據(jù)樣本。神經(jīng)擬態(tài)芯片接收到真實世界的數(shù)據(jù)信息后，以最低的延遲和最低的功耗進(jìn)行處理，此模型與AI加速器完全不同。

黃鐵軍稱，神經(jīng)擬態(tài)芯片和AI加速器的價值取向完全不同。神經(jīng)擬態(tài)芯片是面向未來的技術(shù)，旨在打造全新的架構(gòu)，建立新的智能模型和體系。而AI加速器則是立足當(dāng)下產(chǎn)業(yè)的技術(shù)，其目的是把“計算機+軟件”打造的人工神經(jīng)網(wǎng)絡(luò)硬件化，提高運行效率。“至于讓人工智能處理時空信息，構(gòu)建更復(fù)雜的神經(jīng)網(wǎng)絡(luò)，并非AI加速器當(dāng)下的著眼點。畢竟，從產(chǎn)業(yè)化角度來說，應(yīng)用于現(xiàn)實場景解決實際問題才是最重要的。”

“所以，神經(jīng)擬態(tài)芯片和AI加速器之間不會發(fā)生競爭。”黃鐵軍稱，假如脈沖神經(jīng)網(wǎng)絡(luò)最終替代了深度學(xué)習(xí)技術(shù)，今天做AI加速器的生產(chǎn)商或許會轉(zhuǎn)戰(zhàn)神經(jīng)擬態(tài)計算市場，不過那是另一回事。(實習(xí)記者 代小佩)