當(dāng)AlphaGo打敗韓國(guó)棋手李世石后，為了讓其能更好地訓(xùn)練自己的系統(tǒng)，谷歌專(zhuān)為機(jī)器學(xué)習(xí)定制了“TPU”（Tensor Processing Unit）的ASIC芯片，專(zhuān)門(mén)針對(duì)TensorFlow進(jìn)行優(yōu)化，性能要優(yōu)于英偉達(dá)的GPU。

　　從谷歌對(duì)于芯片的重視程度來(lái)看，芯片的性能對(duì)于人工智能訓(xùn)練自身，進(jìn)行機(jī)器學(xué)習(xí)的這一過(guò)程非常重要。在人工智能領(lǐng)域里，在CPU、GPU上運(yùn)行深度神經(jīng)網(wǎng)絡(luò)計(jì)算已不是什么新鮮事。對(duì)于芯片公司來(lái)說(shuō)，未來(lái)人工智能會(huì)越來(lái)越多地運(yùn)用到各個(gè)智能設(shè)備上，對(duì)芯片的傳感器、信息處理速度的要求越來(lái)越高。

　　這樣一來(lái)，科學(xué)家就需要采用專(zhuān)門(mén)的高效芯片來(lái)處理深度神經(jīng)網(wǎng)絡(luò)帶來(lái)的海量數(shù)據(jù)?，F(xiàn)在，利用神經(jīng)形態(tài)計(jì)算，來(lái)模擬人類(lèi)大腦處理信息的技術(shù)，正在成為人工智能領(lǐng)域的另一個(gè)技術(shù)方向。

　　“人工智能深度神經(jīng)網(wǎng)絡(luò)的計(jì)算結(jié)構(gòu)比較特殊，比如高度的并行化、時(shí)間域上的遞歸、中間的節(jié)點(diǎn)比較稀疏，所以如果能用專(zhuān)門(mén)的硬件來(lái)實(shí)現(xiàn)，會(huì)比在CPU上用軟件實(shí)現(xiàn)要高效，一般來(lái)說(shuō)會(huì)提高2-3個(gè)數(shù)量級(jí)?！钡仄骄€(xiàn)機(jī)器人公司余凱在接受媒體采訪(fǎng)時(shí)說(shuō)。

　　神經(jīng)形態(tài)計(jì)算可以模擬人類(lèi)大腦處理信息

　　馮·諾依曼

　　神經(jīng)形態(tài)計(jì)算，也可以稱(chēng)為是大腦刺激計(jì)算，對(duì)于科學(xué)家來(lái)說(shuō)這個(gè)領(lǐng)域一直是誘人的目標(biāo)。人腦運(yùn)轉(zhuǎn)的高效性對(duì)于許多計(jì)算機(jī)來(lái)說(shuō)，一直是無(wú)法企及的目標(biāo)。除了能用更少的能耗來(lái)做更多的計(jì)算外，最為重要的是，神經(jīng)形態(tài)計(jì)算擺脫了馮·諾依曼建立的計(jì)算結(jié)構(gòu)，將模擬大腦處理、加工信息的過(guò)程集成到芯片上。這樣一來(lái)，裝了這種芯片的機(jī)器可以更快速、高效的學(xué)習(xí)數(shù)據(jù)。

　　但是，目前計(jì)算機(jī)使用的芯片大多還是依據(jù)馮·諾依曼體系結(jié)構(gòu)，依靠中央處理器和存儲(chǔ)器來(lái)回處理信息，計(jì)算信息中的邏輯。這個(gè)方法非常適合處理數(shù)字，執(zhí)行精確編寫(xiě)的程序，但不能用于處理圖像或聲音。以谷歌公司為例，谷歌訓(xùn)練人工智能識(shí)別視頻中的貓時(shí)，需要16000個(gè)處理器來(lái)支撐。

　　而神經(jīng)形態(tài)計(jì)算，則希望通過(guò)模擬人類(lèi)大腦處理信息的過(guò)程來(lái)達(dá)到高效的作用。它模擬了大腦數(shù)十億神經(jīng)元和突觸，用以接受外來(lái)信息，如視覺(jué)、聽(tīng)覺(jué)，隨后，接受到的信息、圖片和聲音又能改變神經(jīng)元之間的聯(lián)系。這整個(gè)過(guò)程就是機(jī)器學(xué)習(xí)的過(guò)程。在神經(jīng)形態(tài)計(jì)算中，納入了類(lèi)似人類(lèi)大腦啟發(fā)的模型，也可以稱(chēng)為神經(jīng)網(wǎng)絡(luò)。

　　IBM、高通布局神經(jīng)形態(tài)計(jì)算芯片

　　神經(jīng)形態(tài)計(jì)算最早由從事類(lèi)腦研究的美國(guó)加州理工學(xué)院科學(xué)家Carver Mead，在上世紀(jì)80年代末提出。雖然在過(guò)去三十幾年中，業(yè)界仍以傳統(tǒng)的芯片為主，但國(guó)外已經(jīng)有科技巨頭在朝這個(gè)方向努力，甚至還聯(lián)合了美國(guó)國(guó)防部先進(jìn)研究項(xiàng)目局（DARPA）。

　　例如，IBM的TrueNorth項(xiàng)目。該項(xiàng)目在2014年8月推出，IBM以神經(jīng)形態(tài)工程學(xué)設(shè)計(jì)了CMOS芯片，包含4096個(gè)硬件核心，每個(gè)核心包含256個(gè)可編程的神經(jīng)元芯片，擁有超過(guò)一百萬(wàn)的神經(jīng)元。神經(jīng)元上的突觸能接受信號(hào)并影響彼此之間的聯(lián)系。

　　TrueNorth的項(xiàng)目是DARPA（SyNAPSE）下的項(xiàng)目之一，這款芯片的計(jì)算能力已經(jīng)大致等同于嚙齒動(dòng)物的腦力。它也繞開(kāi)馮·諾依曼架構(gòu)的瓶頸，同時(shí)還非常節(jié)能，功耗僅70為毫瓦，能夠每秒能操作460億神經(jīng)突觸。

　　如果說(shuō)IBM的項(xiàng)目與軍方有關(guān)，不適合商用的話(huà)，那高通Zeroth項(xiàng)目的商業(yè)味道會(huì)更濃一些。Zeroth項(xiàng)目，不僅希望可以模仿類(lèi)似人類(lèi)的感知，而且還擁有學(xué)習(xí)生物大腦如何活動(dòng)的能力。高通研發(fā)部門(mén)的高級(jí)主管和產(chǎn)品經(jīng)理Tony Lewis認(rèn)為他們的研究很有意義：“大腦之中充滿(mǎn)了電流活動(dòng)和諸如意識(shí)、行為等活動(dòng)模式，人們之前無(wú)法觀察這些活動(dòng)，這些活動(dòng)模式出錯(cuò)了也不知道怎么去治療。借助于高通的研究成果，人們會(huì)看到人類(lèi)大腦中復(fù)雜的活動(dòng)模式，并能夠識(shí)別他們，進(jìn)而研發(fā)出治療恢復(fù)的方法?！?/p>

　　目前高通還將自己的研究成果用于玩具機(jī)器人上，可以讓機(jī)器人在丟失了圖傳信號(hào)，或者斷網(wǎng)的情況，能自主地判別障礙物并主動(dòng)繞行。未來(lái)，高通還希望建立Zeroth平臺(tái)，搭建更多的應(yīng)用項(xiàng)目。

　　國(guó)內(nèi)水平不差，未來(lái)可彎道超車(chē)

　　西井科技發(fā)布的首塊5000萬(wàn)神經(jīng)元類(lèi)腦芯片

　　除了國(guó)外的科技公司在投入外，國(guó)內(nèi)也有初創(chuàng)公司加入到神經(jīng)形態(tài)計(jì)算芯片的研發(fā)中。上海西井信息科技公司成立于2015年。在今年5月份，公司對(duì)外推出了擁有100億“神經(jīng)元”的人腦實(shí)時(shí)仿真模擬器“西井大腦”，同時(shí)還推出了5000萬(wàn)神經(jīng)元類(lèi)腦商用芯片。西井信息科技CEO譚黎敏在接受澎湃新聞（www.thepaper.cn）采訪(fǎng)時(shí)說(shuō)：“在無(wú)網(wǎng)絡(luò)情況下使用相對(duì)需要傳輸云端處理任務(wù)。我們之前做過(guò)相應(yīng)測(cè)試，使用我們的芯片，在2秒內(nèi)，8個(gè)神經(jīng)元核心就完成了對(duì)6萬(wàn)張圖片的學(xué)習(xí)。速度之快，大大超越了傳統(tǒng)的CPU。正是因?yàn)槟M人腦神經(jīng)元的工作方式，而產(chǎn)生了這樣的優(yōu)勢(shì)。”

　　據(jù)譚黎敏介紹，公司獨(dú)有的算法可以模擬人腦突觸的可塑性原理，也讓公司成為了做到“on-line learning”的硬件團(tuán)隊(duì)。目前公司還在擴(kuò)大技術(shù)隊(duì)伍，計(jì)劃在今年年末推出可量產(chǎn)的商用芯片。同時(shí)，該公司還計(jì)劃用類(lèi)腦智能助力腦科學(xué)研究，以腦科學(xué)研究“反哺”類(lèi)腦智能的方式與各國(guó)腦計(jì)劃團(tuán)隊(duì)展開(kāi)合作交流。

　　盡管神經(jīng)形態(tài)計(jì)算的芯片在技術(shù)上有優(yōu)勢(shì)，但也不得不指出，從目前的市場(chǎng)情況來(lái)說(shuō)，仍以傳統(tǒng)的芯片為主。大多數(shù)的公司也還在摸索芯片的應(yīng)用場(chǎng)景。

　　“神經(jīng)形態(tài)計(jì)算還處于起步階段?！毕饦?shù)嶺國(guó)家實(shí)驗(yàn)室研究員凱瑟琳·舒曼說(shuō)，“我們還沒(méi)有確定我們將運(yùn)行的特定架構(gòu)。同時(shí)我們也還在尋找以不同的方式模擬神經(jīng)元突觸。此外，還有如何實(shí)際使用這些設(shè)備的問(wèn)題、編程方面等都需要花時(shí)間?！?/p>

　　譚黎敏在接受澎湃新聞采訪(fǎng)時(shí)，也談到了一些國(guó)內(nèi)遇到的困難。他告訴澎湃新聞（www.thepaper.cn）：“除了緊缺技術(shù)人才，我們更缺的是硬件資源，我們做的芯片、硬件涉及半導(dǎo)體行業(yè)，這個(gè)行業(yè)在中國(guó)本身就需要迎頭追趕國(guó)外。但在人工智能的研究方面，中國(guó)與國(guó)外的差距其實(shí)沒(méi)有想象中那么大，只不過(guò)我們起步晚一些，未來(lái)‘彎道超車(chē)’應(yīng)該比較快?！?/p>