它是AI的最终谜底吗？类脑芯片简史_芯片_神经元

文章目录 [+]

今年8月，有个轰动了中国科技界，尤其是AI圈。
由中国科研团队研发的“天机”芯片登上了《自然》杂志封面。
干系文章展示了清华大学施路平团队研发的天下首款异构领悟类脑芯片，它既可支持脉冲神经网络又支持人工神经网路，并且公布了利用“天机芯片”完成自行车自动驾驶的实验视频。

这件事给投资界、家当界的直接影响，是在近段韶光“类脑芯片”和“类脑打算”干系的投融资、并购与创业公司溘然多了起来。
“类脑”干系的会议活动也溘然增加。
虽然说“类脑热”还远远谈不上，但这个领域的溘然升温却是真实可见的。

它是AI的最终谜底吗？类脑芯片简史_芯片_神经元它是AI的最终谜底吗？类脑芯片简史_芯片_神经元智能

如果我们把目光放得更远一点，类脑芯片确实在这几年有了大规模的爆发。
各大学实验室以及科技巨子纷纭拿出了类脑芯片产品，也有不少专家学者认为，人工智能要经历大略人工智能、深度人工智能、通用人工智能三个阶段。
而本日的深度学习代表了第二阶段的开始，类脑打算则是通用智能大门的钥匙。

（图片来自网络侵删）

事已至此，可能给大众的觉得是，类脑芯片已经是注定的未来，人类已经借由它找到了通向强人工智能的门径。

然而果真如此吗？类脑芯片是否便是AI的终极答案，本日还埋藏着太多不愿定性。
而想要客不雅观认识类脑芯片的未来，我们可能必须要把韶光倒回一些，先理解它的过去。

一段人类认识神经与大脑的过去。

神经行为学：AI之外的另一条路

从人类的大脑和聪慧中，抽取提炼某种技能，是一件源远流长的事情。
能不能让机器像人类一样识别、判断和思考，终极发展出了本日的AI。

而在另一项“兄弟研究”里，却一步步发展出了本日的类脑芯片——换言之，类脑芯片的出发点某种程度上来说跟AI没啥关系。
由于它类的是田鸡的脑。

早在16世纪，达芬奇就在手稿等分析过无头田鸡也能活的征象，某种程度上来说他创造了生物电和中枢神经系统的秘密。
但是我们知道达芬奇手稿晚世才被表露，以是这个创造就像他很多惊天发明一样变成了“达芬奇的秘密”。

1786年，伽格尼创造了田鸡挂在金属栅栏上腿会抽动的征象，继而一步步建立了早期生物电学。
沿着田鸡们以崇高捐躯精神开拓的道路，人类逐渐创造了生物电和神经系统的奥秘。
即生物的神经运转，是依赖生物电刺激神经元节点，终极实现了大脑掌握机体的网状神经构造。

由这个构造开始，神经学界很自然就会思考另一个问题：既然动物是依赖神经元来通报信息、进行掌握的，那么这种掌握是如何发生的呢？

环绕这个问题，人类在20世纪开始漫长的，对神经通报、神经动力的研究，并在1963年完成了神经行为学的术语观点确认。
这个学科中，研究者从生物、解剖、神经反射等多个角度提出了关于神经元的行为学模型。
个中很多关于神经元打算的谈论，乃至早于AI观点的提出。

我们知道，本日人工神经网络是AI的基石，但人工神经网络的提出，实在只是上世纪70年代，AI和打算机学界对神经元研究的一次借鉴，紧张是模拟了神经元分层处理的特色。
它的根本还是坐落在统计学和掌握论的观点上。

但随着AI和当代打算的不断发展，作为“兄弟学科”的神经行为学自身也在进步。
于是就有人遐想到了，能不能直接整体移植神经元系统，在现实天下里，把类似动物大脑中神经元行为的动力机制变成一种运算机制？

之以是要这么干，紧张还是附近21世纪，人类创造冯诺依曼架构不断抵近极限。
一种从根儿上不同于经典打算的打算架构，或许是最一劳永逸的办理办法。
量子打算是一种办理办法，而全仿生神经元行为学的办理方案则是另一种——这一种在大部分时候就被简称为类脑打算。

事实上，类脑打算中除了神经元行为学的仿生打算，也还要其他打算办法。
但本日，毫无疑问模拟神经元行为是最成功的一种，于是我们本日看到的二者大体是可以划等号的。

毕竟人脑肯定是最好的打算机，加上想发展AI，那么类似人脑构造的打算办法显然极具魅惑。
于是类脑打算在浩瀚新打算形式中天然霸占着加分项，而又过了几十年，摩尔定律的极限愈发明显的本日，类脑打算也确实拿出了一些成绩。

类脑打算：比特之外的另一条路

想要理解芯片化的类脑打算之前，我们还要先理解两个东西：SNN和人造突触。

上面咱们说过了，人工神经网络（ANN），实质上还是一种基于统计学递归事理所构建的打算架构。
那么想要搞类脑打算，就须要一种更仿生大脑神经元运作的打算架构。
这种架构该当表示出人脑打算的高效、精准和连续性，从而对存储分离的冯诺依曼架构提出寻衅。

是不是有这种东西呢？还真有。

这便是本日类脑芯片们的根本考验标准：脉冲神经网络SNN。
1952年，创造了神经学的功能的离子学说和突触电位的诺贝尔医学奖得主，艾伦·劳埃德·霍奇金爵士提出了脉冲神经网络这种神经行为学模型。

SNN的代价在于，它描述了神经元之间的电位是如何产生和流动的，它认为神经元之间的交流紧张靠“神经递质”来产生化学放电，从而在神经网络中实现繁芜和可变的神经系统交互。

这一发明来到了打算天下，就变成了一种高度模拟神经元的打算架构。
它用发生脉冲的仿生来仿照神经元电位，构成了一种独特的网络构造。
本日，SNN已经在很多领域，比如低功耗和通用途理能力证明了自己的精良。

但是对付很多说SNN一定是ANN的进化，是下一代神经网络，这个说法有失落偏颇。
事实上，SNN的涌现并不比ANN晚。
说白了要有用早就用了，真正让它勾留在实验室中的，还是缺少实际的任务处理能力。
但就像大规模并行打算重新激活了沉睡几十年的ANN一样，SNN的未来谁又说得准呢？

类脑打算的另一个关键点，是打算节点的问题。
我们知道，比特打算的节点是晶体管的导电开关。
而类脑打算则哀求仿照出与人类神经元相似的打算节点，来实现非比特打算的另一条路。
这也便是说，我们须要人造神经突触。

本日关于如何仿照，或者制造人工突触，已经有相称多的探索。
但整体而言新材料还有这样那样的问题，能够量产的类脑芯片，基本还是用电路仿照人造突触的办法来实现类脑打算。
这样做对工艺哀求很高，生产效率地下，实在并非长久之计。

沿着这两条路，人类逐步就摸到了类脑芯片的大门。

2011年，IBM发布了TrueNorth芯片，这也是人类用电路仿照神经行为学的开端。
2014年TrueNorth更新了第二代，功耗达到了平方厘米花费 20 毫瓦，印证了类脑芯片的低功耗代价，也在一些AI任务上印证了类脑芯片的实际事情能力。

而紧随其后的，想想也知道该当是英特尔。
2017年，英特尔发布了类脑芯片Loihi，其拥有13万个人造突触。
今年7月，英特尔发布了号称业界首个大规模神经形态打算系统Pohoiki Beach。
这个别系由64块Loihi组合而成，已经可以在自动导航、陆续方案等须要高效实行的AI任务中带来高于GPU的功耗和处理能力。

除此之外，业界比较出名的类脑芯片还有高通的Zeroth，以及一些高校实验室和创业公司发明的芯片。
吃瓜群众同等表示，这个场子现在就缺谷歌了。

事实上，某种程度上看2019年是类脑芯片爆发运用潜力的一年。
无论是中国的天机，还是英特尔和IBM的类脑芯片，都已经在本日被证明了在低功耗和超高速反应上，具有值得期待的效果。
这可能给AI领域的一些干系任务，比如非监督学习、快速定位、路径方案上带来帮助。

但是客不雅观来说，类脑芯片并不是完备成熟的。
虽然主流科技公司纷纭布局，中国浙大的“达尔文”芯片、清华的“天机”芯片都已经在路上。
但类脑芯片间隔真精确立家当代价，从实验室步入现实天下，还有很长的路要走。

已知的，未知的：类脑芯片的本日

类脑芯片到底是什么？是人类的朗基努斯枪，还是唐·吉歌德面向风车的宣言？或许我们真的没有必要在本日就给出答案。
打算史上从来不是每一次考试测验都必须成功，同时很多失落败也具有伟大的代价。

综合来看，本日类脑芯片的发展至今，已经可以明确它的几大上风和特性，也便是类脑芯片的光明面：

1.像人脑一样的存算一体，冲破了存储打算分离的架构，这是类脑打算的核心打破。

2.功耗极低，并且不会因打算任务的架构繁芜化而功耗激增。
这终于让打算耗电和散热两大难题找到了新的方向。

3.可能更适宜SNN代表的类神经元打算架构，在未来AI发展之路上想想无限。
并且具备架构灵巧，阵列化打算效率不衰减等等优点。

当然，最根本的上风在于，类脑打算可以绕开比特编程和摩尔定律。
在算力极限面前，是跟量子打算一样都是人类的紧张救生船。

但是光明面的背后当然便是阴影，也要确实看到的是，类脑芯片在本日还有极大的不愿定性，尤其是有一些根本问题无从解答。

比如类脑芯片的任务性处理能力差、算力水平过低。
第一代TrueNorth乃至无法处理任何有代价的任务。
虽然经由几年的发展，类脑打算可以处理的任务越来越多，但是要看到这些任务都有严苛的先决条件。
对付绝大部分打算目标来说，类脑芯片都表示带不动。