灵感源自人脑的电脑新型芯片

1982 年，Kwabena Boahen 得到了他的第一台电脑，那时他还是住在加纳阿克拉的一个十几岁的少年。“那真是一台很酷的机器。”他回忆道。在观察电脑如何工作时，他本能地感觉到，电脑需要在设计中多一些“非洲”的感觉：更加分散、流动性更强和更少的刚性。
如今，作为美国加利福尼亚斯坦福大学的一名生物工程师，Boahen 和其他一些研究人员正在试图通过大脑的逆向工程来创造这种计算模式。
大脑的运行十分高效节能，可以进行足以挑战世界最大的超级计算机的运算，尽管它所依赖的组件并不完美：神经元是缓慢、多变且混乱的。理解语言、进行抽象推理、控制运动——这些大脑都能做到，而且都发生在一个比鞋盒还小的区域内，比家用灯泡的功耗还小。
为了使硅也能实现如此的功能，研究人员正在构建非数字芯片系统，并尽可能地使其功能与真正的神经元网络相似。几年前，Boahen 完成了一个叫作神经网格的装置，可模拟一百万个神经元——相当于一只蜜蜂的大脑。如今，经过 25 年的发展，“神经形态技术”的应用终于胜利在望。该技术有望支持低功率和小体积的设备，从智能手机、机器人到人工眼睛和耳朵。过去 5 年里，不错的前景已经吸引了很多研究人员投身该领域，美国和欧洲的机构也已为此投入数亿美元。
瑞士苏黎世神经信息学（INI）研究所的 Giacomo Indiveri 认为，神经形态设备也为神经科学家提供了一个强大的研究工具。通过观察神经功能的哪些模型可以在实际物理系统中使用，“人们就能了解大脑为何会按照这种方式建立”。
“我的目标是一种新的计算模式，” Boahen 说，“即使在组件过于小的情况下也可以运算。”

硅网络
神经形态的观点可以追溯到 20 世纪 80 年代 Carver Mead 的想法，Mead 是加州理工学院微芯片设计方面的先驱。他发明了“神经形态”这一术语，并且是首位强调大脑巨大节能优势的学者。“我感受到了其中的魅力。”他说，“究竟大脑是如何做到的呢？”
Mead 探究这一问题的策略是使用“亚阈值”硅来模拟大脑的低功耗处理过程。在特别小的电压下，仍然有微小的、不规则的电子细流通过晶体管，其与神经元通道中流动的离子所携带的电子流的大小和可变性相似。Mead 认为，通过微观电容器、电阻器和其他组件可以控制这些电流，因此该装置也许能做到与真正的神经元一样形成微小的电路，并有相同的电学性能。它们可以在与大脑中真实的神经电路十分相似的分散网络中被连接起来，进而在各组件间产生通信线路，而不用再通过中央处理器。
20 世纪 90 年代，Mead 和同事已经发现建立一个硅神经元网络是可能的，其电流和电压不限于传统芯片中的几个离散的数值。它模拟了大脑低功耗运行的关键点：与大脑一样，硅神经元使用了非常小的能量来简单地集成输入。而一个传统计算机需要持续的能源来运行内部的时钟，无论芯片是否正在运算。
研发挑战
Boahen 于 1990 年加入了 Mead 的实验室。他说，在最初的时期，研究人员都忙于研究单芯片设备。不过到 20 世纪 90 年代末，“我们希望建立一个‘大脑’，因此需要大规模的芯片间通信。”这是一个巨大的挑战：芯片间通信的标准编码算法都是专门为精确协调数字信号而设计的，不会在有更多随机尖峰脉冲的神经形态系统下工作。
21 世纪初，Boahen 和其他研究人员发明了在这种混乱系统下运行的电路和算法，为大规模神经形态系统的一系列发展开辟了道路。
“就效率而言，Boahen 的神经网格与大脑的神经网络十分相似，遥遥领先于其他大规模的神经形态系统。”INI 联合创办人、硅神经元的协作开发者 Rodney Douglas 评价道。
不过正如 Boahen 自己所说的那样，没有什么系统是完美的。神经网格最大的缺点之一是其突触连接简单，不能单独修改。这意味着该系统不能用于模拟学习，而在大脑中，通过经验修改突触后就能实现这一切。
另一个问题来自制造过程中不可避免的变化，这意味着每个神经形态芯片的运行都略有不同。“其变化性还是远远低于在大脑中所观察到的情况。” Boahen 说。
这一问题导致一些研究人员抛弃了 Mead 使用“亚阈值”硅芯片的最初想法。他们使用严格意义上仍有神经形态性的传统数据系统——可以模拟单个神经元的电学性能，但其可预测性更强，更易编程，而代价是耗能更多。
实际应用
这些研究性项目的成功引发了人们对将神经形态硬件应用于实用的、超低功耗设备（从手机到机器人）的兴趣。
而 Boahen 则正在追求他自己的实际应用方法，这从他在 4 月开始的一个尚未命名的计划中就可以明显看出。该项目基于人工大脑 Spaun ：一个大脑的计算机模型，包括负责视觉、运动和决策的部分。Spaun 依赖于 10 年前由加拿大滑铁卢大学理论神经科学家 Chris Eliasmith 开发的神经回路编程语言。用户只需指定所需的神经功能，Eliasmith 的系统就会自动射击神经元网络来实现该功能。
Boahen 与 Eliasmith 联系后，向他介绍了自己的提议：使用实时神经形态硬件构建一个物理版的 Spaun。“我非常兴奋。” Eliasmith 说。在他看来，这样的匹配是完美的，“你们有花生酱，而我们有巧克力”！
美国海军研究办公室为他们提供了资金，Boahen 和 Eliasmith 已经召集了一个团队，计划在 3 年内建立一个小规模的原型，并在5年内建立一个全面的系统。
该系统是专门为现实世界的应用而设计的。Boahen 称，在 5 年的时间内，“我们设想构建完全自主的机器人，它们可以用一种有意义的方式与环境互动，并在仅消耗像手机电池一样多的电量的前提下，完成实时操作。这种设备会比今天的自动机器人更加灵活，并有更强的适应性，同时消耗非常少的能量。
Boahen 补充称，更长期来看，该技术将用于任何计算机系统中更为紧凑和低功耗的处理器，而不仅仅是机器人。如果研究人员真的已经成功捕捉到了令大脑如此高效和紧凑的关键因素，那么这将是需要更微小芯片的产业的福音。
“但我们并不能确定。” Boahen 说，“除非去尝试。”