神经形态芯片赋予计算机认知能力

      这是从一种计算模式发展到另一种模式的质变。
      每个TrueNorth芯片都包含54亿个晶体管，集成了2560万个神经突触。
      在美国国际商用机器公司（IBM）大脑实验室的一个计算机监控器上，一段从斯坦福大学塔楼上录制的视频短片展示了汽车、自行车、公交车、卡车和行人构成的穿梭画面。每一种交通方式进入画面后，都会呈现出不同的颜色：紫色代表骑行者，绿色代表行人，深蓝色代表汽车，天蓝色代表卡车，黄色代表公交车。
      这些颜色显示着一枚邮票大小的计算机芯片作出的判断，这枚芯片可以对不断变化的场景进行监测，并对进入系统的每种交通方式进行区分。该项目负责人、IBM硅谷艾玛顿研究中心电子计算机工程师Dharmendra Modha说：“它的判断几乎都是正确的。”例如一个骑自行车的人进入画面后会迅速被标注为紫色，但是当骑行者下车推车步行后，颜色会随即转为绿色。
      “ 神经形态”的电脑芯片
      这种认知模式对人来说轻而易举，但是对于一台计算机来说无异于一项杰作。Modha和他在IBM5个研究中心以及康奈尔大学的同事这样描述这个小芯片：它是首个具有“神经形态”的电脑芯片，不同于传统意义上的平板电脑或手机中的处理器，它可以像一个哺乳动物的大脑一样运行。
这枚芯片的名字叫作TrueNorth，它标志着芯片设计上的一次巨大跨越，有望使电脑更好地处理诸如图片、语音识别等复杂任务，而普通的芯片很难完成。过去若干年来，科学家一直在尝试建立一种受人脑启发的计算方式。美国与欧洲的几个实验室也在尝试过不同的技术版本。但外界人士表示，       TrueNorth具备把神经形态的计算从实验室推向现实世界的潜质。
      TrueNorth集成了54亿个连接在一起的晶体管，形成了一系列由百万个“数字神经元”构成的阵列，它们就像生物体的大脑一样，彼此之间可以通过2560万个“神经突触”进行对话。这个神经网络系统架构可以高效地完成普通芯片难以完成的模式识别等复杂任务。加州劳伦斯—伯克利国家实验室计算机学家Horst Simon表示：“这是从一种计算模式发展到另一种模式的质变。”
对人类来说，感知能力似乎再简单不过，人们能很容易区分出骑自行车与滑滑板的区别。相较而言，尽管现代计算机拥有强大的运算能力，在这些任务面前却一筹莫展。最先进的运算方式或许可以解决这些挑战，但是它们却需要庞大的计算能力。例如，谷歌最近展示了一套可以用来区别猫与人脸的计算模式，但这项任务需要16000个集成电路与100千瓦的能耗，而人类的大脑仅需约10瓦能耗。
今天普遍使用的计算机芯片是基于70年前匈牙利人John von Neumann提出的系统架构。1945年，Neumann引入了处理、记忆和控制单元相分离的现代计算机基础设计模型，该模型擅长执行序列逻辑运算，且有助于进行数据解读、电子表格运行以及文字处理。但当它涉及到大数据处理，如处理一些视觉或语言的时候，就会陷入困境。
      现代芯片必须把资料从记忆库中抽取出来，然后把抽取的结果送回到记忆库中，才能进行下一步操作。因此，来回提取与反馈这些数据不仅需要能耗，还会造成交通堵塞。
      在过去数十年中，工程师一直设法通过缩小晶体管、缩短交流线路以及减少芯片上的其他器件进行补偿。该办法确实缩短了数据经过的距离，减少了单个电子器件的能耗，并且提高了运行速度。
      尽管如此，这种方法还是没有奏效。由于新型芯片中的单个器件的尺寸仅有14纳米左右，甚至比100个原子加起来的宽度还小，已接近物理学设定的极限。于是，制作者想到把多个处理器芯片并排铺陈，用这种方法运输数据，从生物学的角度解决了相关的技术问题。
技术优势
      2012年，Modha与其同事使用IBM劳伦斯利物莫国家实验室的一台名为Sequoia的超级计算机模拟了人类大脑的交流方式，这项实验使用常规电路在5000亿个神经元和1000亿个神经突触之间进行了仿真交流。尽管如此，这项模拟仅仅是真正人类大脑传输速度的1/1500，Modha表示，如果要和人脑的交流速度相同，就需要120亿瓦特的能耗，相当于洛杉矶和纽约市加起来的能耗量。
      《自然》杂志认为，并行处理和复杂性的研究是神经形态计算研究的核心。这个概念在上世纪80年代由加州理工学院电子工程师Carver Mead提出，他同时描述了模仿神经系统架构模拟计算机电路。美国加州大学欧文分校休斯研究实验室（HRL）Narayan Srinivasa等人在Mead的启发下，发明了一种硅制芯片，其计算电路包括576个神经元和73000个神经突触，该研究团队证明这个芯片对视觉信号的解释异常清晰。
而另一项由英国曼彻斯特大学Stephen Fuber开展的SpiNNaker项目则由2万个芯片组成，每个芯片代表1000个神经元。尽管该项目与Sequoia模拟实验的概念很相近，但SpiNNaker的设计更侧重在生物学速度方面模拟大脑交流活动。
相关应用
      “下一步的限制是资金，而不是想象力。”Modha说。他表示，IBM希望这款芯片尽早进入商业化阶段，并已经开始寻求与其他公司的合作。他表示，IBM计划让计算机领域的科学家尽快获得这款芯片，并尽可能地开发相关功能应用的“聚宝盆”。
为了鼓励相关应用，IBM已经建立了一个名为Synapse大学的虚拟大学，计算机科学家和研究人员可以在这里学习如何对这些新型芯片进行编程。“如果IBM这么做，一定会有很多人对它感兴趣，并做一些实在的科学研究。”Furber说。或许，计算机终于开始走出“婴儿期”，可以执行一些人类认为“理所当然”的日常任务了。