編者按：《麻省理工科技評論》（MIT Technology Review）近期刊出了“2014十大突破性科學技術(shù)”的文章，神經(jīng)形態(tài)芯片（Neuromorphic Chips）名列其中。本文就這一技術(shù)進行簡要分析。

    1 神經(jīng)形態(tài)芯片與傳統(tǒng)芯片的區(qū)別

    1946年美籍匈牙利科學家馮·諾依曼提出存儲程序原理，把程序本身當作數(shù)據(jù)來對待。此后的半個多世紀以來，計算機的發(fā)展取得了巨大的進步，但“馮·諾依曼架構(gòu)”中信息存儲器和處理器的設計一直沿用至今，連接存儲器和處理器的信息傳遞通道仍然通過總線來實現(xiàn)。隨著處理的數(shù)據(jù)量海量地增長，總線有限的數(shù)據(jù)傳輸速率被稱為“馮·諾依曼瓶頸”——尤其是移動互聯(lián)網(wǎng)、社交網(wǎng)絡、物聯(lián)網(wǎng)、云計算、高通量測序等的興起，使得“馮·諾依曼瓶頸”日益突出，而計算機的自我糾錯能力缺失的局限性也已成為發(fā)展障礙。

    結(jié)構(gòu)上的缺陷也導致功能上的局限。例如，從效率上看，計算機運算的功耗較高——盡管人腦處理的信息量不比計算機少，但顯然而功耗低得多。為此，學習更多層的神經(jīng)網(wǎng)絡，讓計算機能夠更好地模擬人腦功能，成為上世紀后期以來研究的熱點[如微軟研究院的“深度學習（或深度神經(jīng)網(wǎng)絡，DNN）”]。

    在這些研究中，核心的研究是“馮·諾依曼架構(gòu)”與“人腦架構(gòu)”的本質(zhì)結(jié)構(gòu)區(qū)別——與計算機相比，人腦的信息存儲和處理，通過突觸這一基本單元來實現(xiàn)，因而沒有明顯的界限。正是人腦中的千萬億個突觸的可塑性——各種因素和各種條件經(jīng)過一定的時間作用后引起的神經(jīng)變化（可變性、可修飾性等），使得人腦的記憶和學習功能得以實現(xiàn)。

    2 神經(jīng)形態(tài)芯片的發(fā)展簡史

    因此，模仿人類大腦的理解、行動和認知能力，就成為重要的仿生研究目標。1990 年，加州理工學院名譽教授Carver Mead給出了神經(jīng)形態(tài)芯片的定義——“模擬芯片不同于只有二進制結(jié)果（開/關(guān)）的數(shù)字芯片，可以像現(xiàn)實世界一樣得出各種不同的結(jié)果，可以模擬人腦神經(jīng)元和突觸的電子活動。”然而，Carver Mead本人并沒有完成模擬芯片的設計。

    此后，Audience公司出于對神經(jīng)系統(tǒng)的學習性和可塑性、容錯、免編程、低能耗等特征進行了研究，研發(fā)出基于人的耳蝸而設計的神經(jīng)形態(tài)芯片，可以模擬人耳抑制噪音，應用于智能手機。Audience公司也由此成為行業(yè)內(nèi)領(lǐng)先的語音處理芯片公司。

    IBM公司在1956 年創(chuàng)建第一臺人腦模擬器（512 個神經(jīng)元）以來，就一直在從事對類人腦計算機的研究，模仿了突觸的線路組成、基于龐大的類神經(jīng)系統(tǒng)群開發(fā)神經(jīng)形態(tài)芯片也就自然而然地進入了其視野。其中，IBM第一代神經(jīng)突觸（neurosynaptic）芯片用于“認知計算機”的開發(fā)——盡管“認知計算機”無法像傳統(tǒng)計算機一樣進行編程，但可以通過積累經(jīng)驗進行學習，發(fā)現(xiàn)事物之間的相互聯(lián)系，模擬大腦結(jié)構(gòu)和突觸可塑性。在美國國防高級研究計劃局（DARPA）的資助下，IBM的“自適應可變神經(jīng)可塑可擴展電子設備系統(tǒng)”項目（SyNAPSE） 第二階段項目則致力于創(chuàng)造既能同時處理多源信息又能根據(jù)環(huán)境不斷自我更新的系統(tǒng)，實現(xiàn)神經(jīng)系統(tǒng)的學習性和可塑性、容錯、免編程、低能耗等特征。項目負責人Dharmendra Modha認為，神經(jīng)芯片將是計算機進化史上的又一座里程碑。

    IBM的新芯片架構(gòu)沒有固定的編程，把內(nèi)存與處理器集成在一起，模仿大腦的事件驅(qū)動、分布式和并行處理方式。從目前來看，盡管神經(jīng)形態(tài)芯片的能力還遠不及人腦（IBM 2012年開發(fā)的模擬人腦的超級計算機已可模擬出相當于5千億神經(jīng)元以及137億神經(jīng)突觸的計算架構(gòu)系統(tǒng)，但系統(tǒng)的運行速度相比于人腦要慢1 542倍），但與傳統(tǒng)的計算機相比，其在處理感官數(shù)據(jù)、學習數(shù)據(jù)變化的能力方面優(yōu)勢明顯。根據(jù)計劃，2019年IBM將會利用88萬CPU，研制出與人腦速度相當?shù)哪M人腦系統(tǒng)。

    在IBM以前，瑞士的蘇黎世大學和蘇黎世聯(lián)邦理工學院等已經(jīng)做了較長時間的神經(jīng)形態(tài)芯片研究，但采用的主要是模擬電路或數(shù)字/模擬混合電路。但是，模擬電路易受漏電流的影響，從而帶來噪聲過大等問題，因而性能上并未最優(yōu)化。IBM的做法，則是采用了數(shù)字電路，解決這一問題。除了IBM外，HRL實驗室、高通公司等也做了較多的神經(jīng)形態(tài)芯片開發(fā)，其中高通公司的芯片預計會在2015年上市。

    3 仿生模擬的應用

    模擬人腦系統(tǒng)的開發(fā)，就必須要以神經(jīng)形態(tài)芯片作為基礎(chǔ)支撐。人腦啟發(fā)軟件公司 Numenta創(chuàng)始人Jeff Hawkins曾評論，“人工智能絕對不能靠軟件來實現(xiàn)，需要用芯片來完成。”“零項目”工程師 M. Anthony Lewis則認為，“即便還是以數(shù)字的形式來完成，我們已經(jīng)可以**大腦的很多行為。”

    有了神經(jīng)突觸運算芯片外，部分程度地再現(xiàn)生物系統(tǒng)中神經(jīng)元和神經(jīng)突觸的運作模式，尋找對象之間的關(guān)聯(lián)性，提出假設，進行記憶和學習等都成為了可能，使得芯片在很大程度上實現(xiàn)過去幾十年來的人工智能領(lǐng)域開發(fā)的功能。例如，基于神經(jīng)形態(tài)芯片的智能傳感器和設備，可用于病情的智能監(jiān)測，從而使得健康監(jiān)測系統(tǒng)可以監(jiān)測生命體征，及早發(fā)現(xiàn)潛在的風險，為病人提供個性化的治療手段。在面部識別等涉及圖像、聲音和其他感官數(shù)據(jù)的處理領(lǐng)域，通過智能終端來關(guān)注用戶的行為和環(huán)境，學習用戶的習慣，也成為可能。對此，高通公司的技術(shù)總監(jiān)Matthew Grob曾評論，“我們正在模糊芯片和生物系統(tǒng)之間的隔閡。”事實上，HRL實驗室已經(jīng)計劃測試將神經(jīng)形態(tài)芯片植入到鳥類中，由芯片處理來自攝像機和其他傳感器的數(shù)據(jù)，能記住飛過的房間，學會***。