歐洲微電子研究中心(IMEC)的研究人員最近成功研發(fā)了一款可以作曲的芯片，這款仿神經(jīng)芯片雖然還處于原型產(chǎn)品階段，但已經(jīng)可以通過分析歌曲中的模式學會了譜曲的規(guī)則。聽過某個曲子后，它就能作出類似風格的曲子。
當然，研發(fā)人員做這款芯片可不是為了讓音樂家們下崗，這款芯片是未來低功耗通用學習加速器的基礎，有了這項技術我們就能給醫(yī)生打造定制的醫(yī)療傳感器并讓電子產(chǎn)品了解它們各自“主人”的行為模式。
IMEC 負責神經(jīng)形態(tài)計算的 Praveen Raghavan 認為，如今的聯(lián)網(wǎng)設備雖然都貼了智能的標簽，但事實上它們自身的處理能力一般，這些設備需要將數(shù)據(jù)發(fā)回云端做分析，以此來節(jié)省能耗和散熱上的成本，而 IMEC 的團隊想改變這種模式。
“我們的整體目標是讓人工智能變得更加緊湊，讓它們更加貼近用戶。”Raghavan 說道。這也就意味著 IMEC 必須開發(fā)出緊湊且低功耗的專用學習芯片。他表示：“降低成本也是我們的核心目標之一。”
這樣看來，作曲反倒成了該芯片的“買一送一”的功能。不過，人們發(fā)現(xiàn)這位“作曲家”選擇音符時有些奇怪，但其曲調風格卻并不前衛(wèi)，整體風格依然跳不出西方古典音樂的框架。舉例來說，在該芯片寫出的 30 秒樂曲中你能聽到許多音樂家練習曲中元素的重復，有兩個小節(jié)還非常像半音音階的即興重復。在最后一個小節(jié)中，樂曲則集中使用了令人愉悅和期待的音符。
想要讓芯片譜出曲子，必須循環(huán)播放擁有同樣拍子記號(即每小節(jié)有多少節(jié)拍)和風格的歌曲。一旦曲子的節(jié)奏和風格變的特別寬泛，芯片就識別不了其中的模式了。Raghavan 表示，他們在訓練這款芯片時用了比利時和法國的長笛樂曲，芯片成功掌握了其中規(guī)則。如果換用其他拍子記號，芯片則會開始學習新的模式。
雷鋒網(wǎng)了解到，這款仿神經(jīng)芯片搭載了電阻式 RAM，存儲單元是氧化物材料制作的細絲，它會根據(jù)不同的電壓條件進行連續(xù)調整。當芯片在多個訓練曲目中“聽到”兩個特殊的音符相繼出現(xiàn)時，就能識別出其中的模式。這兩個特殊音符連續(xù)出現(xiàn)的次數(shù)越多，就說明它們之間的聯(lián)系越緊密，在作曲時，芯片就會用到這兩個音符。這樣的表現(xiàn)類似于大腦中不同神經(jīng)元的學習方式。同時，這套系統(tǒng)也是分層級的，它能識別并學習更寬泛的模式。
雖然該芯片主打低功耗，但 Raghavan 卻不愿透露原型產(chǎn)品在功耗方面的表現(xiàn)。他只是表示團隊對這塊芯片進行了超額設計，因此它能勝任多種任務并構建大型存儲單元。在這里，作曲的工作并不會完全釋放存儲器的能力，但未來更復雜的任務會激發(fā)其所有潛能。
未來，Raghavan 的團隊還會優(yōu)化芯片的設計。眼下，他們還在用文本訓練該系統(tǒng)，教這塊芯片學習遣詞造句。
Raghavan 表示，這套系統(tǒng)未來可以成為個人電子設備中的學習加速器，同時它還能助力其他運行神經(jīng)網(wǎng)絡的硬件。對于芯片的未來應用，Raghavan 已經(jīng)有了自己的設想，他想將芯片植入智能手表，幫此類設備學習用戶的習慣，以便讀出更加精確的心率數(shù)值。“佩帶智能手表時，有人戴的緊，有人戴的松，另外佩戴位置也會有所不同，而這些因素都會影響心率數(shù)值的準確性。”Raghavan 說道。
下載文檔
