神经形态计算:下一代人工智能

神经形态计算:下一代人工智能

AI可以像人类一样思考吗?一直以来,神经形态计算领域的研究人员都希望能将人脑的能力“复制”到计算机芯片。这样的基于人脑的芯片与现在基于二进制、开/关信号进行计算的数字芯片非常不同,其元件将以模拟的方式进行工作,通过交换梯度信号或权重信号来激活,非常类似神经元依靠流过突触的离子种类和数量来激活。

在历史上,我们一直觉着智能不只是人类所独有的,可以像人类一样进行推理和学习的机器是完全可能被制造出来的,然而事情却不像想的那样简单。

但是现在有了神经形态计算(Neuromorphic Computing),神经形态计算或许会是超大规模机器和人工智能应用(例如自动驾驶)未来的基石。神经形态的目标是将神经科学作为算法的灵感来从中抽象出关键思想来指导神经形态计算架构的未来发展方向。

未来的技术(例如自动驾驶汽车和机器人)将需要实时访问和利用大量数据和信息。现在在一定程度上,这是通过依赖于超级计算机机器学习和AI完成的。但是随着需求的扩展,运行速度,散热和尺寸正成为主要障碍。

神经形态芯片能够模仿人脑神经元和突触的活动,模仿人脑活动的意义在于我们可以通过它们来学习。而且神经形态芯片只有在需要的时候才会运作,仅需要一个低水平的能耗,这就导致了一个更好的运行环境以及更低的能耗。

神经形态芯片是传统系统中的一项重要升级,具有紧凑,便携、节能的优点。它们是ML和AI模型的理想助手。

最近发展

当前,神经形态/拟态计算的研究由欧美主导,欧洲的人类大脑研究计划、美国国防部高级研究计划署(DARPA)自适应可塑可伸缩电子神经拟态系统(SyNAPSE)研制计划是一些代表。尽管有许多创新者致力于实现这一目标,但处于领先地位的仍是少数。下面看一下重要的发展:

英特尔Loihi-GPU的未来

英特尔实验宣布,正在研发出代号“Loihi”的自学习神经元芯片,模仿了大脑的功能,能从环境反馈中直接学习。所谓自学习、模仿大脑,意思是Loihi内部由128个计算核心组成,每个核心有1024个“神经元”,总计超过13万个神经元和1.3亿个突触链接,和大脑的神经元一样,它们可以调整相互之间的联系,以适应新的任务。

IBM神经形态处理器TrueNorth

IBM已经构建了两代神经形态处理器,称为TrueNorth,这个芯片同样基于脉冲神经元模式。TrueNorth芯片包括4096个核心和540万个晶体管,功耗70毫瓦,模拟了一百万个神经元和2.56亿个突触,这个数字在Loihi之上。

麻省理工学院芯片大脑

麻省理工(MIT)的工程师设计了一种人造突触,可以实现精确控制流过这种突触的电流强度,即类似离子在神经元之间的流动。该团队已经制造了一个由硅锗制成的人造突触小芯片。在模拟仿真过程中,研究人员发现该芯片及其突触可以识别手写样本,其识别准确率达到 95%。这一成果也被认为是迈向用于模式识别和其它学习任务的便携式低功耗神经形态芯片的重要一步。

高通的Zeroth

高通希望通过一种模仿人脑的计算结构,缩小普通机器运算与人脑之间的差距,这种通过模拟神经元的运算处理器,就被高通称之为“Zeroth”。目前,Zeroth 的设计工作仍在进行之中,量产也不知是何日。对于颇具前瞻色彩的 Zeroth 处理器,高通方面透露得并不多,但仍可看作是未来计算机的一个发展方向,毕竟我们对于宏观的宇宙和微观的粒子都还知之甚少,同样的,人脑也蕴含的无限的可能,虽然诸如高通这些厂商机构对于人类大脑的研究仍旧停留在播种阶段,但是我们仍可期待开花结果之时。

未来之路

神经生态计算或脉冲神经网络是通向强人工智能的一条路径,神经形态计算是一个特别有前景的研究领域,它有可能令深度学习甚至是新型人工智能更快地运行。

上一篇:

下一篇:


标签