AI可以像人腦一樣運作嗎？幾十年來，研究人員一直在問這個問題，這個大家長期求索的問題引起了質疑、嘲笑、輕蔑等不同態度。

但是現在，神經形態計算讓世界變得更美好的夢想更近了一些。當我們越深入了解神經形態計算的好處后，越發會發現機器學習和AI探索的成功似乎在很大程度上就取決于這個領域的進展。

神經形態計算對當代AI的助益

未來的技術，例如自動駕駛汽車和機器人，將需要實時訪問和利用大量數據和信息。如今，在一定程度上，這是通過依賴于超級計算機功能的機器學習和AI完成的。但是，這些需求正在急劇增長，速度、功率和規模正在成為阻礙進步的主要障礙。

神經形態計算芯片可以處理高速處理多個任務、學習任務和模式。這些芯片的功耗更低（最多可降低1000倍），效率可與超級計算機媲美。

神經形態計算芯片是傳統系統中的重要升級，它緊湊，便攜且節能，是機器學習和AI模型的完美助手。

正是因為了解這一點，科研人員不遺余力地投入神經形態計算的研究。有些人嘗試通過復制人腦的物理形態來進行研究，也有人嘗試復制其功能。相比于前者，我們對后者的設想更加樂觀，因為這個想法有望取代戈登摩爾（Gordon Moore）的設想將晶體管封裝到基板上。

神經形態計算涉及神經網絡的創造和使用，其功能類似于人的大腦，可以進行決策，還可以存儲信息并分析事實。它“展示了史無前例的低功耗計算基板，可在許多應用中應用。”

IBM神經形態專利申請

神經形態計算近期發展

盡管有許多人闖進這條跑道，但只有少數人跑在前方。我們來看一下神經形態計算的重要進展：

英特爾LoihiGPU的未來

這是一個14nm芯片，具有超過20億個晶體管和三個管理Lakemont內核。“它包含一個可編程微代碼引擎，用于異步尖峰神經網絡（SNN）的片上訓練。該內核共有128個核心包，每個核都有一個內置的學習模塊，總共有約131,000個計算“神經元”相互通信，從而使芯片能夠理解外界的刺激。”

Loihi可以比嗅探犬更快地嗅出十種有害物質，還可以檢測周圍的有毒煙霧和疾病，并可以自動調節，以促進不同形式的學習。

將來，這個芯片將有望從經驗中進行學習并實現自主決策。錦上添花的是，它的功耗大大降低，有望取代GPU。

IBM TrueNorth晶體管數量的大力神

TrueNorth擁有4,096個內核，使用三星的28納米制程，帶有54億個晶體管。它是IBM晶體管數量最多的芯片，在模擬復雜的遞歸神經網絡時功率不到100Mw，功率密度為20mW / cm2。

TrueNorth的體系結構可以解決“視覺、聽覺和多傳感器融合的問題，并且有可能通過將類似大腦的功能集成到受功率和速度限制的設備中，從而徹底改變計算機行業。”

IBM表示，它可以有效地“實時處理高維、嘈雜的感官數據”，且能耗比普通計算機低。

麻省理工學院芯片上的大腦

這是一種由硅天竺葵制成的芯片，具有“超過100萬億個突觸來介導大腦中的神經元信號”。在模擬實驗中，它可以95％的準確度精準模仿人類的筆跡。此外，它還可以用于制作類人生物與自動駕駛技術。

高通Zeroth處理器

這款芯片致力于“生物啟發性學習”的三個主要目標；使設備能夠像人類一樣觀察和感知世界；創建和定義神經處理單元（NPU），高通正在開發打破傳統模式的新型計算機體系結構。

神經形態計算的未來

神經形態計算將極大地影響機器學習和AI的未來。“這些新型芯片應極大地增加機器學習的使用，降低應用程序的耗能，同時加速響應速度。”德勤市場分析表示。

借助神經形態計算，必將促進人工智能的發展。

小常識

神經形態計算是第五代AI。

第一代AI定義了規則并遵循經典邏輯，在特定的、狹義的問題域內得出結論。

第二代AI使用深度學習網絡來分析輸入，并專注于感官與感知能力。

第三代AI像人類一樣進行思維，進而解釋和適應調整。

第四代AI結合了不同的機器學習算法和其他形式的人工智能算法來實現目標或任務。

點在看