近年來,需求已增長,以提高效率更高,更智能的人工智能系統(tǒng)。與我們習(xí)慣的傳統(tǒng)系統(tǒng)不同,遵循馮·諾伊曼(Von Neumann)體系結(jié)構(gòu)模型,神經(jīng)形態(tài)計(jì)算模仿神經(jīng)元結(jié)構(gòu)和過程,提出了一種旨在解決計(jì)算的基本限制的方法,例如高能消耗和慢速任務(wù)處理。從本質(zhì)上講,它是一種受人腦生物學(xué)功能啟發(fā)的計(jì)算體系結(jié)構(gòu),神經(jīng)元和突觸有效地協(xié)同工作以處理信息和數(shù)據(jù)。因此,神經(jīng)形態(tài)計(jì)算試圖效仿大腦的效率,我們知道,這可以同時(shí)處理數(shù)十億個(gè)認(rèn)知操作,而能量密度最小。通過遵循神經(jīng)形態(tài)方法,可以開發(fā)能夠以有效且可擴(kuò)展的方式模擬這些神經(jīng)網(wǎng)絡(luò)的專業(yè)硬件,從而在AI應(yīng)用程序和先進(jìn)的機(jī)器人技術(shù)中引起革命。
神經(jīng)形態(tài)芯片(neuromorphics)被設(shè)計(jì)專門用于模仿人類大腦,他們可能很快取代CPU。