知名信息研究和分析機構高德納預測，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80年代，科學家設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構，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高德納（Gartner）日前的預測顯示，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，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。其中深度學習是目前廣泛應用的技術之一，2006年左右，深度學習技術進入大眾視野。它通過添加多層人工神經(jīng)網(wǎng)絡，賦予機器視覺、語音識別以及自然語言處理等方面的能力。

盡管深度學習有人工神經(jīng)網(wǎng)絡的加持，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，深度學習的算法模型發(fā)生了變化，實現(xiàn)的物理載體依然是計算機。”北京大學信息科學技術學院教授黃鐵軍接受采訪時表示。

“而與深度學習采用的多層人工智能神經(jīng)網(wǎng)絡不同，神經(jīng)擬態(tài)計算構造的是脈沖神經(jīng)網(wǎng)絡，通過模擬生物神經(jīng)網(wǎng)絡實現(xiàn)智能。它本身就是能處理信息的載體，不再依賴于計算機?！秉S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)絡處理的是相對靜態(tài)的、固定的信息，脈沖神經(jīng)網(wǎng)絡則適合處理與時空高度相關的復雜信息流。

舉例來說，機器人看到豹子時，采用深度學習方法能識別出是豹子，但對機器人而言這只是一個系統(tǒng)中的信息標簽，而這些信息好像與它無關，機器并不能結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?！斑@才是真正的智能。智能不僅是信息分類這么簡單，它是對時空信息進行綜合處理并作出決策行動的過程?！秉S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)絡的方式，讓機器擁有接近甚至超越生物神經(jīng)網(wǎng)絡的系統(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

深度學習的大規(guī)模應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)絡結構設計的神經(jīng)擬態(tài)計算，已成為大勢所趨和必然選擇。

神經(jīng)擬態(tài)學工程師、德國海德堡大學物理學家卡爾海因茨·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)地學習和改變，而無需像實現(xiàn)人工智能的程序一樣遵循預設算法所限制的路徑和分支。

黃鐵軍認為，通過模仿生物神經(jīng)網(wǎng)絡實現(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，但要實際應用仍面臨不小挑戰(zhàn)。黃鐵軍認為，缺少應用于現(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。有兩種主要的技術途徑：第一種是照著生物的腦部結構，依葫蘆畫瓢設計神經(jīng)擬態(tài)計算系統(tǒng)。但前提是搞清楚生物神經(jīng)網(wǎng)絡的細節(jié)，如神經(jīng)元的功能、結構，神經(jīng)突觸連接的特性等。

當前，人腦神經(jīng)元的工作模式大體上已被科學家們掌握，大腦中數(shù)百個腦區(qū)的功能分工也已探明，但是腦區(qū)內的神經(jīng)元網(wǎng)絡的細節(jié)依舊是個謎。如果把生物神經(jīng)網(wǎng)絡看成地球，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，但這遠遠不夠，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，要解析出精細藍圖，工程量可想而知。

黃鐵軍認為，20年內就很有可能弄清楚人腦神經(jīng)網(wǎng)絡的精細結構。他還提到，研究人腦結構是個長遠目標，目前的工作重點是斑馬魚、果蠅等動物的腦結構。他預測，幾年之內果蠅腦（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)絡藍圖完成之前，第二種技術路徑是人工設計脈沖神經(jīng)網(wǎng)絡模型。這也是黃鐵軍團隊的工作內容之一，如基于對生物視覺的初步了解，設計視覺脈沖神經(jīng)網(wǎng)絡模型；根據(jù)機器對于目標檢測、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)計算將會改變人工智能的發(fā)展格局。不過，深度學習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域發(fā)揮作用一樣。另外，仿生物神經(jīng)網(wǎng)絡是實現(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?！秉S鐵軍強調。
責任編輯：tzh