摘要： 藉由以特殊用途硅電路復(fù)製人腦神經(jīng)元(neuron)、突觸(synapse)、樹狀突(dendrite)與軸突(axon)功能， IBM 宣稱已經(jīng)開發(fā)出首款客製化感知運算核心(custom cognitive computing cores)，將數(shù)位棘波神經(jīng)元與超高密度晶片上縱橫栓(crossbar)突觸、事件導(dǎo)向通訊(event-driven communication)等功能結(jié)合在一起。
關(guān)鍵字： 硅電路， IBM ， 電腦
藉由以特殊用途硅電路復(fù)製人腦神經(jīng)元(neuron)、突觸(synapse)、樹狀突(dendrite)與軸突(axon)功能， IBM 宣稱已經(jīng)開發(fā)出首款客製化感知運算核心(custom cognitive computing cores)，將數(shù)位棘波神經(jīng)元與超高密度晶片上縱橫栓(crossbar)突觸、事件導(dǎo)向通訊(event-driven communication)等功能結(jié)合在一起。
上述的IBM研究成果是與美國國防部高等研究計畫署(DARPA)合作之「 SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics，神經(jīng)性自適應(yīng)塑膠可微縮電子系統(tǒng))」計畫的“零階段(phase zero)”與“第一階段(phase one)”最大進展。
IBM現(xiàn)在將與合作伙伴美國哥倫比亞大學(xué)、康乃爾大學(xué)、加州大學(xué)梅西分校(University of California-Merced)與威斯康辛大學(xué)麥迪遜分校進入該研究計畫的第二階段，在未來的18個月并將有一筆2，100萬美元的資金注入。加計這筆新資金，DARPA截至目前為止已經(jīng)在該計畫投入4，100萬美元
SyNAPSE 計畫的最終目標(biāo)，是建立一套內(nèi)含10億神經(jīng)元、100兆突觸的「類人腦」$電腦，而且其尺寸與功耗也要與人腦相當(dāng)。
「我們希望能擴展并補充進行即時性不確定環(huán)境(realtime uncertain environments)資訊處理的傳統(tǒng)von Neumann電腦架構(gòu)之功能;」IBM研究中心(IBM Research)計畫領(lǐng)導(dǎo)人Dharmendra Modha表示：「感知電腦必須能整合來自情境依賴形式(context dependent fashion)下不同感測器的輸入資訊，才能接近人腦的即時性感覺運動回饋迴路(sensory-motor feedback loop)。」
而雖然IBM聲稱其客製化感知運算核心是業(yè)界首創(chuàng)，但歐洲上個月也發(fā)表了一項打算利用ARM核心處理器模擬人腦的研究計畫 SpiNNaker (參考連結(jié))。
傳統(tǒng)von Neumann電腦架構(gòu)無法處理來自今日感測器元件的多重同步資料流，但人腦能藉由分散式處理以及分布在神經(jīng)網(wǎng)路的記憶體，輕鬆處理這類任務(wù);值得一提的是，感測器資訊是透過叫做樹狀突的輸入線，將資訊饋入神經(jīng)元。
神經(jīng)元會將輸入的資訊整合，直到一個極限值;屆時它會激發(fā)一個脈衝至其輸出軸突，該時機是由連接其他神經(jīng)元的突觸權(quán)值(weight)來決定。
IBM開發(fā)的感知運算晶片尺寸約3mm寬，據(jù)說已經(jīng)證實具備與人類對打電子游戲「Pong」(而且會贏)，以及辨識不同形式的手寫數(shù)字7的能力
至于人腦的模式識別(pattern recognition)功能，是由突觸去“學(xué)習(xí)(learning)”那些連結(jié)是最常用的，這使它們變得更強壯，而較少用的連結(jié)就會逐漸消失;透過這種模式，神經(jīng)網(wǎng)路會閉合感覺運動回饋迴路，一旦某個模式藉由感測器的輸入資訊被辨別出來，輸出運動神經(jīng)元就會產(chǎn)生反應(yīng)。
IBM利用縱橫栓陣列復(fù)製人腦架構(gòu)來掌管突觸，然后這些突觸會去學(xué)習(xí)哪些感官模式是與所渴望的運動控制輸出相對應(yīng);縱橫栓陣列會藉由整合大規(guī)模的樹狀突扇入(fan-in)，而將神經(jīng)元與感測器輸入連結(jié)，接著送出脈衝到軸突，將個別突觸連結(jié)饋入網(wǎng)路中其他神經(jīng)元。
「突觸是由縱橫栓陣列所實現(xiàn)，其中垂直線是輸入樹狀突，水平線則是輸出軸突;」Modha解釋：「每個神經(jīng)元會為了與其他神經(jīng)元通訊而激發(fā)，其記憶體是與處理器完全整合，不同于von Neumann架構(gòu)的兩者分離。」
感知電腦將具備低功耗、與較慢時脈速度特性
據(jù)了解，最終的感知電腦雖然內(nèi)含數(shù)十億神經(jīng)元，卻只有當(dāng)其神經(jīng)元激發(fā)時才會消耗功率，而且激發(fā)時的時脈速度是非常慢的10Hz;因此，整套人腦尺寸的感知電腦，可能只有鞋盒那么大，所消耗電力低于一千瓦。
IBM展示了兩款工作塬型晶片，兩者都是完全數(shù)位化的，將在未來的感知電腦中以核心形式出現(xiàn);屆時是在單晶片上整合數(shù)千個該種核心?！肝覀兊木袀€智慧財產(chǎn)方面的關(guān)鍵進展，也就是它們都是數(shù)位化的，讓我們能先在超級電腦上進行模擬，再將結(jié)果佈置到硅晶片上，使其具備可預(yù)測、決定性(deterministic)特點?！筂odha表示。
這兩款塬型各採用幾百萬的電晶體，來實現(xiàn)以單核心控制256個神經(jīng)元;晶片面積小于4mm2，以IBM的 45奈米絕緣上覆硅(SOI) CMOS製程生產(chǎn)。兩顆測試用處理器核心唯一的不同處，在于它們所採用的互聯(lián)縱橫栓陣列，一個是配置256k可預(yù)先程式化(pre-programmable)突觸，一個是配置64k學(xué)習(xí)式(learning)突觸。
以上兩種晶片是在IBM的紐約州Fishkill晶圓廠製造，目前在該公司分別位于紐約州與加州圣荷西的T.J. Watson研究中心與IBM研究中心進行測試。
在實際運作時，IBM的晶片會從經(jīng)驗(有數(shù)種預(yù)設(shè)的學(xué)習(xí)參數(shù))中學(xué)習(xí);舉例來說，其中一種參數(shù)是神經(jīng)元在整合多個輸入資訊后激發(fā)的極限值水準(zhǔn)(threshold level)。設(shè)定在低水準(zhǔn)時，其速度可以加快但運作效能較粗糙;設(shè)定高水準(zhǔn)時，速度較慢但運作效能較精細。
接著當(dāng)神經(jīng)元激發(fā)時，學(xué)習(xí)突觸會藉由在被使用時改變其權(quán)值做適應(yīng);IBM在其中實現(xiàn)了Donald Hebb 規(guī)則，也就是神經(jīng)元與神經(jīng)元之間的某個突觸連結(jié)越常被使用，其導(dǎo)電性就會因為突觸權(quán)值被降低而增加。反之，越少被用到的連結(jié)就會因為越高的權(quán)值，使其在神經(jīng)網(wǎng)路中幾乎消失。
IBM預(yù)期該公司所開發(fā)的感知電腦可應(yīng)用在多樣化的領(lǐng)域，包括導(dǎo)航、機器視覺(machine vision)、模式識別、聯(lián)想記憶(associative memory)與分類(classification)等等;到目前為止，它們已經(jīng)教會了其中一顆晶片認(rèn)識各種不同筆跡的草寫數(shù)字「7」，另一顆晶片則是學(xué)會如何在與人類對打游戲機「Pong」時取得勝利。[!--empirenews.page--]
下載文檔
