清華大學的研究團隊發(fā)布了一項最新研究成果——類腦計算芯片“天機芯”。該芯片是面向人工通用智能的世界首款異構(gòu)融合類腦計算芯片?；诖搜芯砍晒恼撐?ldquo;面向人工通用智能的異構(gòu)天機芯片架構(gòu)”(Towards artificial general intelligence with hybrid Tianjic chip architecture)作為封面文章登上了8月1日《自然》(Nature)雜志。
正當福特、通用汽車和Waymo等企業(yè)巨頭竭力讓各自的自動駕駛汽車上路行駛，中國的一個研究團隊卻打造出了一輛加強了馬力的自行車，對自動駕駛交通工具進行重新思考。
在沒有人在上面騎行的情況下，這輛自行車可以自行越過凸起的地方，完全沒有失去平衡。當跟在它后面走的人說“向左”時，它就會向左轉(zhuǎn)彎，然后調(diào)整好前進方向。
它也有“眼睛”：它可以跟著跑在前面幾碼遠的人走，每次這個人轉(zhuǎn)向的時候，它也會跟著轉(zhuǎn)向。如果遇到障礙物，它也能夠自動繞過轉(zhuǎn)向一邊，保持著平衡，繼續(xù)跟隨前面的人。
這不是世界上第一輛自動駕駛自行車(康奈爾大學正在進行一個相關(guān)的項目)，也許也稱不上是未來的交通工具。不過，它或許可以在未來擠滿了運送包裹的車輛、無人機和機器人的世界里占得一席之地。而制造這輛自行車的中國研究人員認為，它展示了計算機硬件的未來。它借助一種模仿人類大腦的神經(jīng)形態(tài)計算芯片穿梭于這個世界。
在周三發(fā)表在《自然》上的一篇論文中，清華大學的研究人員描述了這種芯片可如何幫助機器對語音指令做出反應(yīng)，識別周圍的世界，避開障礙物，維持平衡。研究人員還提供了一段視頻，展示了這些技能在電動自行車上的應(yīng)用。
該簡短的視頻并沒有顯示出這輛自行車的局限性(估計偶爾會翻倒)，就連制造這輛自行車的研究人員也在給《紐約時報》的一封電子郵件中承認，視頻上展示的技能或許可以用現(xiàn)有的電腦硬件復制過來。但在用神經(jīng)形態(tài)處理器處理所有這些技能的過程中，該項目強調(diào)了業(yè)界用新型芯片推動人工智能技術(shù)更上一層樓的廣泛努力。
這一努力貫穿不計其數(shù)的初創(chuàng)公司和學術(shù)實驗室，以及諸如谷歌、英特爾和IBM的知名科技公司。正如《自然》雜志的那篇論文所顯示的，這一運動在中國可謂如火如荼，雖然這個國家?guī)缀鯖]有自己設(shè)計計算機處理器的經(jīng)驗，但它已經(jīng)在“人工智能芯片”概念上傾注了巨大的資源。
人們希望，這種芯片最終能讓機器以一種前所未見的自動化方式穿梭于這個世界?，F(xiàn)有的機器人能夠?qū)W習開門或?qū)⑵古仪蛉舆M塑料垃圾桶，但這種訓練需要數(shù)小時甚至數(shù)天的反復試驗。即便如此，這些技能也只有在非常特殊的場景中才可行。在神經(jīng)形態(tài)計算芯片和其他的新型處理器的幫助下，機器或許能夠更有效地學習更復雜的任務(wù)，能夠更加從容地執(zhí)行這些任務(wù)。
“那是讓我們看到巨大發(fā)展前景的領(lǐng)域。”英特爾負責神經(jīng)形態(tài)芯片研發(fā)工作的邁克·戴維斯(Mike Davies)表示。
神經(jīng)網(wǎng)絡(luò)的局限性
在過去的十年里，人工智能已經(jīng)加速發(fā)展，這要歸功于神經(jīng)網(wǎng)絡(luò)：能夠通過分析大量數(shù)據(jù)來學習任務(wù)的復雜數(shù)學系統(tǒng)。例如，通過分析數(shù)千張貓的照片，神經(jīng)網(wǎng)絡(luò)能夠?qū)W會識別貓。
這種技術(shù)如今被用于日常生活的多個方面，比如識別你在Facebook上發(fā)布的照片中的人臉，識別你對著智能手機發(fā)出的語音指令，在微軟Skype等互聯(lián)網(wǎng)服務(wù)上翻譯多國的語言。它也在加速包括自動駕駛汽車在內(nèi)的自動化機器人的發(fā)展。但它也面臨著不小的局限性。
神經(jīng)網(wǎng)絡(luò)并不是真正的動態(tài)學習。在讓神經(jīng)網(wǎng)絡(luò)系統(tǒng)到現(xiàn)實世界執(zhí)行特定的任務(wù)之前，工程師們要事先對它進行訓練，沒有經(jīng)過大量的案例學習，它就無法學會執(zhí)行它被委派的任務(wù)。舊金山人工智能實驗室OpenAI最近開發(fā)的一個系統(tǒng)，可以在名為Dota 2的復雜視頻游戲中打敗世界上最好的人類玩家。但該系統(tǒng)最初足足花了幾個月時間來跟自己對練，算力上的消耗達到數(shù)百萬美元。
神經(jīng)形態(tài)處理器
研究人員的目標是，建立能夠像人們那樣學習技能的系統(tǒng)。這就需要新型的計算機硬件。數(shù)十家公司和學術(shù)實驗室目前正在開發(fā)專門用于訓練和操作人工智能系統(tǒng)的芯片。最雄心勃勃的項目是神經(jīng)形態(tài)處理器，其中包括清華大學正在開發(fā)的天機芯片。
這種芯片被設(shè)計來模擬大腦中的神經(jīng)元網(wǎng)絡(luò)，它與神經(jīng)網(wǎng)絡(luò)相似，但至少在理論上有著更高的保真度。
神經(jīng)形態(tài)芯片通常包括數(shù)十萬個人造神經(jīng)元，這些神經(jīng)元不只是處理“1”和“0”，而是通過交換微小的電信號脈沖來運作，只有當輸入信號達到臨界閾值時才會“放電”或“尖峰放電”，就像生物神經(jīng)元那樣。
Rain Neuromorphics是一家初創(chuàng)公司，正致力于開發(fā)一種神經(jīng)形態(tài)芯片。它的首席執(zhí)行官戈登·威爾遜(Gordon Wilson)說，“這是在試圖把計算機科學和神經(jīng)科學連接起來，并把它們統(tǒng)一起來。”
神經(jīng)形態(tài)芯片絕不是大腦的再創(chuàng)造。在很多方面，大腦的運作仍然是未解之謎。但這種芯片的希望在于，通過更像大腦那樣運作，它們可以幫助人工智能系統(tǒng)學習技能，以及更有效地執(zhí)行任務(wù)。
由于每個人造神經(jīng)元只會按需放電，而不是連續(xù)放電，神經(jīng)形態(tài)芯片比傳統(tǒng)處理器消耗的能量更少。而且，考慮到它們的設(shè)計初衷是在短時間內(nèi)處理信息，一些研究人員認為，它們有望讓系統(tǒng)能夠從更少的數(shù)據(jù)中實時學習。
視頻中的自動駕駛自行車并沒有在學習;它只是在執(zhí)行經(jīng)過訓練的軟件來處理特定的任務(wù)，包括識別語音和避免障礙物。但它正在以一種高效的方式執(zhí)行軟件，這對依靠電池供能的汽車非常重要。研究人員認為，他們最終將能夠把訓練過程和瞬間執(zhí)行結(jié)合起來，這樣自行車只需要積累幾分鐘的經(jīng)驗就可以邊走邊學。
問題在于，制造合適的硬件可能至少需要幾年的研究。“我們?nèi)蕴幱谠囼灪湾e誤階段。”曾參與英特爾神經(jīng)形態(tài)芯片項目的喬治奧斯·迪莫(Georgios Dimou)說道。
下載文檔
