神經(jīng)形態(tài)對于人工智能的發(fā)展有沒有影響

當蘋果CEO庫克介紹iPhoneX時，他聲稱這將“為未來十年的科技發(fā)展開辟道路”。雖然現(xiàn)在下結(jié)論還為時過早，但用于面部識別的神經(jīng)引擎是同類產(chǎn)品中的首創(chuàng)。如今，深度神經(jīng)網(wǎng)絡(luò)已成為現(xiàn)實，而神經(jīng)形態(tài)似乎是人工智能持續(xù)發(fā)展的唯一可行途徑。

來自法國的YoleDeveloppement最近發(fā)表的一份報告稱，面對數(shù)據(jù)帶寬的限制和不斷增長的計算需求，傳感和計算必須通過模仿神經(jīng)生物學(xué)架構(gòu)來重塑自身。Yole的成像首席分析師皮埃爾坎布（PierreCambou）解釋說，神經(jīng)形態(tài)感知和計算可以解決人工智能當前的大部分問題，同時在未來幾十年開辟新的應(yīng)用前景。“神經(jīng)形態(tài)工程是仿生的下一步，并推動人工智能的發(fā)展。”

為什么是現(xiàn)在

數(shù)學(xué)家艾倫·圖靈提出“機器會思考嗎？”三十年前，加州理工學(xué)院的電氣工程師卡弗·米德引入了神經(jīng)形態(tài)工程的概念。然而，在接下來的十年里，研究人員在制造具有類似大腦的學(xué)習和適應(yīng)能力的機器方面幾乎沒有取得實際的成功。2006年，佐治亞理工學(xué)院（GeorgiaTech）展示了其現(xiàn)場可編程神經(jīng)陣列，2011年，麻省理工學(xué)院（MIT）的研究人員展示了一種模擬大腦神經(jīng)元如何適應(yīng)新信息的計算機芯片。

轉(zhuǎn)折點出現(xiàn)在多倫多大學(xué)的一組科學(xué)家發(fā)表的論文《深度卷積神經(jīng)網(wǎng)絡(luò)的ImageNet分類》。AlexNet架構(gòu)由一個8層的卷積神經(jīng)網(wǎng)絡(luò)組成，使得將ImageNet競賽中的120萬張高分辨率圖像分類為1000個類別（如貓、狗）成為可能?！爸挥须S著AlexNet的發(fā)展，深度學(xué)習方法才被證明更強大，并開始在人工智能領(lǐng)域獲得發(fā)展勢頭?！?/p>

目前大多數(shù)深度學(xué)習實現(xiàn)技術(shù)都依賴于摩爾定律，而且“它工作得很好”?！暗?，隨著深度學(xué)習的發(fā)展，對能夠執(zhí)行高計算任務(wù)的芯片的需求將會越來越大?！蹦柖勺罱兴啪?，導(dǎo)致包括Yoledevelopment在內(nèi)的許多業(yè)內(nèi)人士認為，它將無法維持深度學(xué)習的進步。Cambou是那些相信深度學(xué)習“將會失敗”的人之一，如果它繼續(xù)以現(xiàn)在的方式實施的話。

為了解釋他的觀點，坎布列舉了三個主要障礙。首先是摩爾定律的經(jīng)濟學(xué)?！昂苌儆星騿T能夠上場比賽，我們最終會有一兩個晶圓廠在世界上超越7納米。我們認為，只有谷歌才能做一些事情，這對創(chuàng)新是有害的?！?/p>

其次，數(shù)據(jù)負載的增長速度快于摩爾定律，數(shù)據(jù)溢出使得當前的內(nèi)存技術(shù)成為一個限制因素。第三，計算能力需求的指數(shù)增長為每個應(yīng)用程序創(chuàng)建了一道熱障?！皩τ?納米芯片，我們的效率大約是每瓦特1萬億次浮點運算。要驅(qū)動一個Waymo，我們可能需要1千瓦，這意味著我們需要1000萬億次浮點運算，”坎布說。目前的技術(shù)范式無法實現(xiàn)這一承諾，解決方案可能是在神經(jīng)形態(tài)硬件上應(yīng)用深度學(xué)習，并利用更好的能源效率。

Cambou表示，從更廣泛的角度來看當前的情況，是時候采用一種顛覆性的方法了，利用新興內(nèi)存技術(shù)帶來的好處，提高數(shù)據(jù)帶寬和電力效率。這就是神經(jīng)形態(tài)方法?！叭斯ぶ悄艿墓适聦⒗^續(xù)向前發(fā)展，我們相信，下一步將朝著神經(jīng)形態(tài)的方向發(fā)展?！?/p>

近年來，有許多努力在建立神經(jīng)形態(tài)硬件，傳達認知能力，實現(xiàn)神經(jīng)元在硅。對于Cambou來說，這是“神經(jīng)形態(tài)的方法是滴答所有正確的方框”，并允許更大的效率?！坝布股窠?jīng)網(wǎng)絡(luò)和深度學(xué)習成為可能，我們相信它將使神經(jīng)形態(tài)人工智能的下一步成為可能。然后我們可以再次夢想人工智能，夢想基于人工智能的應(yīng)用程序。”

神經(jīng)元和突觸

神經(jīng)形態(tài)硬件正在走出研究實驗室，其興趣和目標都集中在傳感、計算和記憶領(lǐng)域。合資企業(yè)正在形成，戰(zhàn)略聯(lián)盟正在簽署，長達10年的研究計劃，如歐盟的人類大腦項目正在啟動。

雖然在2024年之前不會有大的業(yè)務(wù)，但在那之后的幾十年里，機會的規(guī)?？赡苁蔷薮蟮摹?jù)Yole說，如果所有的技術(shù)問題在未來幾年內(nèi)得到解決，神經(jīng)形態(tài)計算市場將從2024年的6900萬美元上升到2029年的50億美元和2034年的213億美元。這個生態(tài)系統(tǒng)是龐大而多樣的，有像三星、英特爾和SK海力士這樣的知名公司，也有像Brainchip、Nepes、Vicarious和GeneralVision這樣的初創(chuàng)公司。

神經(jīng)形態(tài)芯片不再是一個理論，而是一個事實。2017年，英特爾（Intel）推出了Loihi，這是該公司首款由13萬個神經(jīng)元組成的神經(jīng)形態(tài)研究芯片。今年7月，圣克拉拉集團（SantaClaragroup）的800萬個神經(jīng)元神經(jīng)形態(tài)系統(tǒng)（代號為PohoikiBeach）達到了一個新的里程碑，該系統(tǒng)由64塊Loihi研究芯片組成。類似地，IBM的TrueNorthbrain-inspiredcomputerchip有100萬個神經(jīng)元和2.56億個突觸，而Brainchip的Akidaneuromorformationsystem-on-chip有120萬個神經(jīng)元和100億個突觸。

“在提供硬件方面存在競爭，這將提高神經(jīng)元和突觸的標準。突觸可能比神經(jīng)元更重要?！霸赮ole，我們看到前面有兩步。首先，將建立在當前方法上的應(yīng)用程序，一部分是異步的，一部分來自馮·諾伊曼。Brainchip的Akida和英特爾的Loihi就是很好的例子?！叭缓螅芸赡茉谖磥?0到15年內(nèi)，我們會在它上面加上RRAM（電阻式隨機存取存儲器）。這將創(chuàng)造出更多的突觸?！?/p>

神經(jīng)形態(tài)計算的努力來自像美光、西部數(shù)據(jù)和SK海力士這樣的記憶體公司，但許多公司都在尋求更多的短期收益，最終可能不會成為神經(jīng)形態(tài)研究的強大參與者?！拔覀儜?yīng)該關(guān)注那些選擇神經(jīng)形態(tài)作為核心技術(shù)的小公司，”坎布說。

一些初創(chuàng)公司正在把非易失性內(nèi)存技術(shù)與神經(jīng)形態(tài)計算芯片設(shè)計結(jié)合起來。它們與Crossbar和Adesto等純存儲初創(chuàng)企業(yè)一起出現(xiàn)，但人們通常認為，它們的記憶電阻（memristor，即內(nèi)存電阻）方法比pu回放計算公司的努力更為長期。Cambou說：“許多內(nèi)存播放器正在研究RRAM和相變存儲器，以模擬突觸?！贝送?，“MRAM［磁阻隨機存取存儲器］是新興記憶的一部分，將有助于神經(jīng)形態(tài)方法的成功?！?/p>

除了計算，一個神經(jīng)形態(tài)感知生態(tài)系統(tǒng)已經(jīng)出現(xiàn)，它源于1991年蘇黎世聯(lián)邦理工學(xué)院神經(jīng)信息研究所的硅神經(jīng)元。目前的競爭很弱，全球只有不到10家。其中，Prophesee、三星、Insightness、InivaTIon和Celepixel都在提供即時可用的產(chǎn)品，如基于事件的圖像傳感器和相機。在電影攝影中使用的基于框架的方法無法捕捉動作。

“電影在欺騙我們的大腦，但我們無法欺騙電腦，”坎布說?！拔ㄒ徽_的方法就是給出眼睛正在給出的信息?；谑录臄z像機對于任何類型的實時運動理解和模式理解都非常強大。更廣泛地說，聽覺、圖像和行為傳感器“對我們所說的一般智力的各個層面都有影響”。

Yole表示，在封裝半導(dǎo)體領(lǐng)域，其預(yù)計神經(jīng)形態(tài)傳感領(lǐng)域的投資將從2024年的4300萬美元增至2029年的20億美元和2034年的47億美元。

不僅僅是汽車

坎布說，汽車可能是最明顯的市場。然而，最初的市場是工業(yè)和移動的，主要用于機器人和實時感知。

短期內(nèi)，神經(jīng)形態(tài)傳感和計算將被用于工業(yè)機器的實時監(jiān)控。它還將在物流、食品自動化和農(nóng)業(yè)方面發(fā)揮重要作用。Cambou說：“雖然深度學(xué)習需要大量的數(shù)據(jù)集，但神經(jīng)形態(tài)學(xué)僅通過幾張圖片或幾個單詞就能快速學(xué)習并理解時間。”

在未來十年內(nèi)，混合內(nèi)存計算芯片的出現(xiàn)將打開汽車市場，迫切地等待大眾市場的自動駕駛技術(shù)?！拔覀兩钤谝粋€交互的世界里，神經(jīng)形態(tài)將在讓計算機理解非結(jié)構(gòu)化環(huán)境方面發(fā)揮強大的作用?！?/p>

來源：搜狐