【導讀】最近半年以來(lái)，人工智能的發(fā)展重心逐漸從云端向終端轉移，相伴而生的是全新一代的計算芯片產(chǎn)業(yè)全面崛起。
日前，斯坦福大學(xué)研究院電子與微系統技術(shù)實(shí)驗室的Jeehwan Kim教授在《自然》雜志上發(fā)表了一篇論文，一時(shí)間引來(lái)了產(chǎn)學(xué)研三界的關(guān)注。原因是Jeehwan Kim教授與研究員們使用一種稱(chēng)為硅鍺的材料研發(fā)了一款人工突觸芯片，可支持識別手寫(xiě)字體的機器學(xué)習算法。無(wú)獨有偶，近日中國科學(xué)院自動(dòng)化研究所類(lèi)腦智能研究中心類(lèi)腦信息處理（BRAVE）研究組也在借鑒生物神經(jīng)結構的神經(jīng)網(wǎng)絡(luò )建模與類(lèi)人學(xué)習研究中取得了突破性的研究。
從計算機誕生起，人們就不斷要求它的計算能力提升，隨著(zhù)芯片集成性越來(lái)越高，CPU與內存之間的性能差距越來(lái)越大?；隈T諾依曼結構的計算機結構呈現的缺點(diǎn)也愈加明顯，也有人稱(chēng)這為內存墻，意思是說(shuō)CPU再快，也要等內存。相比之下，人腦卻沒(méi)有此類(lèi)問(wèn)題出現，據研究表明，人類(lèi)大腦平均每秒可執行 1 億億次操作，所需能量只有 10～25 瓦特。因而研究員們正轉向模擬人類(lèi)大腦研究，試圖通過(guò)模擬人腦運轉機制，使計算機能低能耗高功效地進(jìn)行計算，甚至使計算機優(yōu)于類(lèi)人的智能。
國內外有許多公司和機構正在類(lèi)腦芯片研發(fā)上投入大量精力，美國在此項研究上開(kāi)始較早，2014年IBM就推出了業(yè)內首款類(lèi)腦芯片TrueNorth。國內最近幾年在芯片研發(fā)上也不甘示弱，也有西井科技這樣的初創(chuàng )公司投身到類(lèi)腦芯片的研發(fā)中來(lái)，清華等知名高校也紛紛建立類(lèi)腦研究中心。
相比于傳統芯片，類(lèi)腦芯片的確在功耗上具有絕對優(yōu)勢，拿英特爾在本次CES上展出的自我學(xué)習芯片Loihi來(lái)說(shuō)，不僅其學(xué)習效率比其他智能芯片高100萬(wàn)倍，而且在完成同一個(gè)任務(wù)所消耗的能源比傳統芯片節省近1000倍。類(lèi)腦芯片的集成度也非常高，拿浙大推出的“達爾文”芯片來(lái)說(shuō)，其面積為25平方毫米，也就是說(shuō)邊長(cháng)只有0.5厘米，但內部卻能包含500萬(wàn)個(gè)晶體管。隨著(zhù)行業(yè)對計算力要求越來(lái)越高，馮氏瓶頸將越來(lái)越明顯，顛覆傳統架構的類(lèi)腦芯片已為芯片行業(yè)開(kāi)啟了一扇新的大門(mén)。
傳統芯片遇馮·諾依曼瓶頸 模擬神經(jīng)元成新思路
現代計算機基本都基于馮·諾依曼結構，它將程序和處理該程序的數據用同樣的方式分別存儲在兩個(gè)區域，一個(gè)稱(chēng)為指令集，一個(gè)稱(chēng)為數據集。計算機每次進(jìn)行運算時(shí)需要在CPU和內存這兩個(gè)區域往復調用，因而在雙方之間產(chǎn)生數據流量。而隨著(zhù)深度學(xué)習算法的出現，對芯片計算力的要求不斷提高，馮·諾伊曼瓶頸遇見(jiàn)明顯：當CPU需要在巨大的資料上執行一些簡(jiǎn)單指令時(shí)，資料流量將嚴重降低整體效率，CPU將會(huì )在資料輸入或輸出時(shí)閑置。
不僅如此，傳統芯片還存在一個(gè)大問(wèn)題就是效率低。芯片在工作時(shí)，大部分的電能將轉化為熱能，一個(gè)不帶散熱器的計算機，其CPU產(chǎn)生的熱量就可在短時(shí)間內將其自身融化。其他的智能化設備，也因芯片復雜耗能太高，導致續航能力差，不管如何改善工藝，高溫和漏電都是難以避免的問(wèn)題。
為了解決CPU在大量數據運算效率低能耗高的問(wèn)題，目前有兩種發(fā)展路線(xiàn)：一是延用傳統馮諾依曼架構，主要以3中類(lèi)型芯片為代表：GPU、FPGA、ASIC；二是采用人腦神經(jīng)元結構設計芯片來(lái)提升計算能力，已完全擬人化為目標，追求在芯片架構上不斷逼近人腦，這類(lèi)芯片被稱(chēng)為類(lèi)腦芯片。
人腦神經(jīng)元在接受到刺激后，其細胞膜內外帶電離子分布將發(fā)生變化，因而形成電位差，電位差將沿著(zhù)神經(jīng)細胞軸突、樹(shù)突雙向傳導，形成脈沖電流。而當該電信號傳遞到突觸時(shí)，突觸前神經(jīng)元將釋放神經(jīng)遞質(zhì)（如多巴胺、腎上腺素）由突觸后神經(jīng)元接受神經(jīng)遞質(zhì)產(chǎn)生興奮（該過(guò)程單向傳遞），并向下傳遞作用與人體反應器并發(fā)生反應。
類(lèi)腦芯片架構就是模擬人腦的神經(jīng)突觸傳遞結構。眾多的處理器類(lèi)似于神經(jīng)元，通訊系統類(lèi)似于神經(jīng)纖維，每個(gè)神經(jīng)元的計算都是在本地進(jìn)行的，從整體上看神經(jīng)元們分布式進(jìn)行工作的，也就是說(shuō)整體任務(wù)進(jìn)行了分工，每個(gè)神經(jīng)元只負責一部分計算。在處理海量數據上這種方式優(yōu)勢明顯，并且功耗比傳統芯片更低。比如IBM的TrueNorth芯片每平方厘米功耗消耗僅為20毫瓦。
類(lèi)腦芯片雖面世 但大規模商用進(jìn)展緩慢
相比于依靠馮諾依曼結構的GPU、FPGA、ASIC來(lái)說(shuō)，類(lèi)腦芯片是一種相對處于概念階段的集成電路。目前面世的類(lèi)腦芯片并不多，更不要說(shuō)大規模的商業(yè)化了。
美國為保持技術(shù)優(yōu)勢，率先發(fā)起類(lèi)腦計算芯片的相關(guān)研究工作，通過(guò)模仿人腦工作原理，使用神經(jīng)元和突觸的方式替代傳統馮諾依曼架構體系，使芯片能夠進(jìn)行異步、并行、低速和分布式處理信息數據，并具備自主感知、識別和學(xué)習的能力。因此市面上第一款類(lèi)腦芯片就來(lái)自于美國的IBM公司。
1、IBM TrueNorth（SyNAPSE芯片）
2011年8月，IBM率先在類(lèi)腦芯片上取得進(jìn)展，他們在模擬人腦大腦結構基礎上，研發(fā)出兩個(gè)具有感知、認知功能的硅芯片原型。但因技術(shù)上的限制，IBM戲稱(chēng)第一代TrueNorth為“蟲(chóng)腦”。2014年TrueNorth第二代誕生，它使用了三星的28nm的工藝，共用了54億個(gè)晶體管，其性能相比于第一代有了不少提升。功耗每平方厘米消耗僅為 20 毫瓦，是第一代的百分之一，直徑僅有幾厘米，是第一代的十五分之一。
▲IBM Truenorth芯片
每個(gè)核都簡(jiǎn)化模仿了人類(lèi)大腦神經(jīng)結構，包含256個(gè)“神經(jīng)元”（處理器）、256個(gè)“軸突”（存儲器）和64000個(gè)突觸（神經(jīng)元和軸突之間的通信）?？傮w來(lái)看，TrueNorth芯片由4096 個(gè)內核，100 萬(wàn)個(gè) “神經(jīng)元”、2.56 億個(gè) “突觸” 集成。此外，不同芯片還可以通過(guò)陣列的方式互聯(lián)。
IBM稱(chēng)如果 48 顆TrueNorth芯片組建起具有 4800 萬(wàn)個(gè)神經(jīng)元的網(wǎng)絡(luò )，那這48顆芯片帶來(lái)的智力水平將相似于普通老鼠。
從2014年亮相后，這款芯片一直沒(méi)有大的動(dòng)作。不久前，TrueNorth終于傳出了新進(jìn)展，有報道稱(chēng)IBM公司即將開(kāi)發(fā)由64個(gè)“TrueNorth”類(lèi)腦芯片驅動(dòng)的新型超級計算機。這一計算機能進(jìn)行大型深度神經(jīng)網(wǎng)絡(luò )的實(shí)時(shí)分析，可用于高速空中真假目標的區分，并且功耗比傳統的計算機芯片降低4個(gè)數量級。如果該系統功耗可以達到人腦級別，那么理論上就可以在64顆芯片原型基礎上進(jìn)一步擴展，從而能夠同時(shí)處理任何數量的實(shí)時(shí)識別任務(wù)。
2、英特爾Loihi芯片
▲英特爾神經(jīng)擬態(tài)芯片Loihi
幾日前的CES上芯片巨頭英特爾展示了其首款自學(xué)習神經(jīng)元芯片Loihi，去年9月英特爾就曾宣稱(chēng)歷時(shí)十年研究設計出了這款芯片的原型。Loihi芯片可以像人類(lèi)大腦一樣，通過(guò)脈沖或尖峰傳遞信息，并自動(dòng)調節突觸強度，通過(guò)環(huán)境中的各種反饋信息，進(jìn)行自主學(xué)習、下達指令。據英特爾方面稱(chēng)Loihi內部包含了128個(gè)計算核心，每個(gè)核心集成1024個(gè)人工神經(jīng)元，總計13.1萬(wàn)個(gè)神經(jīng)元，彼此之間通過(guò)1.3億個(gè)突觸相互連接。
相比于人腦內的800多億個(gè)神經(jīng)元，Intel這款芯片的運算規模僅僅比蝦腦大一點(diǎn)。但根據英特爾給出的數據Loihi的學(xué)習效率比其他智能芯片高100萬(wàn)倍，而在完成同一個(gè)任務(wù)所消耗的能源可節省近1000倍。
3、高通Zeroth芯片
芯片巨頭高通也在進(jìn)行類(lèi)腦芯片的研發(fā)，早在2013年高通就曾公布一款名為Zeroth的芯片，Zeroth不需要通過(guò)大量代碼對行為和結果進(jìn)行預編程，而是通過(guò)類(lèi)似于神經(jīng)傳導物質(zhì)多巴胺的學(xué)習（又名“正強化”）完成的。高通為了讓搭載該芯片的設備能隨時(shí)自我學(xué)習，并從周?chē)h(huán)境中獲得反饋，還為此開(kāi)發(fā)了一套軟件工具。在公布的資料中高通還用裝載該芯片的機器小車(chē)進(jìn)行了演示，使小車(chē)在受人腦啟發(fā)的算法下完成尋路、躲避障礙等任務(wù)。
國內也開(kāi)始了類(lèi)腦芯片的研究，除清華等知名高校開(kāi)設研究院外，也出現了專(zhuān)注類(lèi)腦芯片研發(fā)的創(chuàng )企，代表企業(yè)如上海的西井科技。
4、西井科技DeepSouth芯片
西井科技是國內研究類(lèi)腦強人工智能的公司，目前西井已推出了自主研發(fā)的擁有100億規模的神經(jīng)元人腦仿真模擬器（Westwell Brain）和可商用化的5000 萬(wàn)類(lèi)腦神經(jīng)元芯片（DeepSouth）兩款產(chǎn)品。 DeepSouth 是一款可商用化的芯片，它能模擬出高達 5000 萬(wàn)級別的“神經(jīng)元”，總計有 50 多億“神經(jīng)突觸”。據西井CEO譚黎敏稱(chēng)，該芯片除了具備“自我學(xué)習、自我實(shí)時(shí)提高”的能力外，還可以直接在芯片上完成計算，不需要通過(guò)網(wǎng)絡(luò )連接后臺服務(wù)器，可在“無(wú)網(wǎng)絡(luò )”情況下使用。
能耗方面，DeepSouth 在同一任務(wù)下的功耗僅為傳統芯片的幾十分之一到幾百分之一。
5、浙大“達爾文”類(lèi)腦芯片
▲浙大和杭州電子科技共同研發(fā)的“達爾文”芯片
2015年一群來(lái)自浙江大學(xué)與杭州電子科技大學(xué)的年輕的研究者們研發(fā)出一款成為達爾文的類(lèi)腦芯片。這款芯片是國內首款基于硅材料的脈沖神經(jīng)網(wǎng)絡(luò )類(lèi)腦芯片。“達爾文”芯片面積為25平方毫米，比1元硬幣還要小，內含500萬(wàn)個(gè)晶體管。芯片上集成了2048個(gè)硅材質(zhì)的仿生神經(jīng)元，可支持超過(guò)400萬(wàn)個(gè)神經(jīng)突觸和15個(gè)不同的突觸延遲。
據研發(fā)團隊介紹說(shuō)，這款芯片可從外界接受并累計刺激，產(chǎn)生脈沖（電信號）進(jìn)行信息的處理和傳遞，這如我們前面提到的人類(lèi)神經(jīng)元間的信息傳遞一樣。研發(fā)人員還為“達爾文”開(kāi)發(fā)了兩款簡(jiǎn)單的智能應用。一是這款芯片可識別不同人手寫(xiě)的1-10這10個(gè)數字，二是“達爾文”在接受了人類(lèi)腦電腦后，可控制電腦屏幕上籃球的移動(dòng)方向。在熟悉并學(xué)習了操作者的腦電波后，“達爾文”會(huì )在后續接受相同刺激時(shí)做出同樣反映。
6、AI-CTX芯片
此外，國內也出現了一些小型的類(lèi)腦芯片研究團隊，如AI-CTX團隊。據稱(chēng)他們目前設計出了一款類(lèi)腦芯片模型，不僅每個(gè)神經(jīng)元都具有跟人腦神經(jīng)元類(lèi)似的電學(xué)特征與動(dòng)態(tài)參數，具有簡(jiǎn)單的運算與存儲功能。他們還采用了一種特殊的布線(xiàn)方式，使各芯片之間的交流突破物理限制，進(jìn)而增加芯片群組的原有網(wǎng)絡(luò )。這一芯片不適合處理靜態(tài)硬盤(pán)數據，但擅長(cháng)處理如溫度、氣壓、人體信號、loT等包含時(shí)間參數的數據。
雖然目前市面上出現了幾款類(lèi)腦芯片，但其在計算力上還不及傳統架構芯片快。為了提升計算機對大規模數據的運算效率，芯片企業(yè)現在最常見(jiàn)的做法就是基于傳統芯片架構，搭載人工神經(jīng)網(wǎng)絡(luò )，從功能上模擬人腦計算的GPU、FPGA·、ASIC三種芯片，加上類(lèi)腦芯片，并稱(chēng)為AI芯片。
類(lèi)腦計算成新方向
人腦的這三大特性始終是計算機無(wú)法比擬的：一是低能耗，人腦的功率大約為20瓦，而目前計算機功耗需要幾百萬(wàn)瓦；二是容錯性，人腦時(shí)刻都在失去神經(jīng)元，而計算機失去一個(gè)晶體管就會(huì )破壞整個(gè)處理器；三是無(wú)需編程，大腦在于外界交互過(guò)程中自發(fā)學(xué)習和改變，并非遵循預先設計好的算法。
中國也十分重視類(lèi)腦研究，并將類(lèi)腦計算作為國家戰略發(fā)展的制高點(diǎn)。中國不僅在2015年將腦計劃作為重大科技項目列入國家“十三五”規劃，還發(fā)布了關(guān)于腦計劃“一體兩翼”的總體戰略：一體即認識腦：以闡釋人類(lèi)認知的神經(jīng)基礎為主體和核心；兩翼即保護腦：預防、診斷和治療腦重大疾病和模擬腦：類(lèi)腦計算。
中國的學(xué)術(shù)界也展開(kāi)了對類(lèi)腦的研究，2015 年中科院、清華、北大，相繼成立“腦科學(xué)與類(lèi)腦智能研究中心”，2017年5月在合肥成立了類(lèi)腦智能技術(shù)及應用國家工程實(shí)驗室。這些實(shí)驗室將借鑒人腦機制攻關(guān)人工智能技術(shù)，推進(jìn)類(lèi)腦神經(jīng)芯片、類(lèi)腦智能機器人等新興產(chǎn)業(yè)發(fā)展。
結語(yǔ)：類(lèi)腦芯片或將賦予機器智能
目前，搭載神經(jīng)網(wǎng)絡(luò )引擎的芯片層出不窮，芯片巨頭和初創(chuàng )們都在原有的馮諾依曼架構上爭相利用神經(jīng)網(wǎng)絡(luò )優(yōu)化芯片計算力。從目前這類(lèi)AI芯片的表現上看，FPGA的靈活性較好但開(kāi)發(fā)難度大，ASIC因其功耗低、開(kāi)發(fā)難度適中將在終端AI芯片上具有較大優(yōu)勢。
類(lèi)腦芯片不僅能提高計算機的計算速度、降低功耗，其在國防領(lǐng)域也將發(fā)揮重要作用，對研發(fā)高度自主性的智能機器人以及提高其他設備的智能水平也有重要意義。就讓機器實(shí)現智能這一人工智能終極理想來(lái)說(shuō)，從人類(lèi)自身結構出發(fā)是一可選思路，但并非僅此一種。
從現在各大公司的研究成果來(lái)看，像IBM TrueNorth這樣的類(lèi)腦芯片運行的效率還不及以上提到的在傳統架構上運用神經(jīng)網(wǎng)絡(luò )的芯片。但馮諾依曼瓶頸是客觀(guān)存在的事實(shí)，隨著(zhù)運算數據量的增加，這一短板將越來(lái)越明顯。
而人腦也的確憑借低功耗、高運算力成為計算機芯片研發(fā)學(xué)習的方向，但短期內類(lèi)腦芯片還難以表現出其優(yōu)勢，或許隨著(zhù)對人腦研究的深入，會(huì )有人像牛頓一樣被“上帝的蘋(píng)果”砸中，從而擁有敲開(kāi)具有高速運算力的類(lèi)腦芯片領(lǐng)域的敲門(mén)磚?；蛟S現在的傳統架構加神經(jīng)網(wǎng)絡(luò )芯片就是像牛頓的萬(wàn)有引力定律一樣適用于數據量較大的運算，而類(lèi)腦芯片像愛(ài)因斯坦的相對論一樣在實(shí)現機器智能上更具潛力。
