現(xiàn)如今，談起人工智能我們都會想到的是“深度學習”（deep learning），無論是戰(zhàn)勝李世石的AlphaGo，還是能夠隨意寫出人類水平文章的GPT-3，它們的背后都依托的是這套算法。
它具有很好的數(shù)學解釋性，與現(xiàn)有的計算機架構(gòu)完美匹配，但也存在需要大量數(shù)據(jù)訓練、耗能巨大以及隨之而來的產(chǎn)熱驚人等問題，為此最前沿的研究者提出了“類腦計算”的概念，想要通過進一步模仿人類大腦的運行方式，重構(gòu)計算機的底層架構(gòu)，好讓人工智能擺脫這種越好用成本越高的窘境。
目前，新興的“類腦計算”還沒有大規(guī)模應(yīng)用，但各項研究已經(jīng)取得了一定的突破，今天首席未來官特意為你梳理了“類腦計算”的底層原理，并通過與“深度學習”算法的對比，讓你提前了解這個可能會顛覆未來計算機產(chǎn)業(yè)的新技術(shù)。
1.“深度學習”的原理
“深度學習”算法本質(zhì)是對人類大腦視覺系統(tǒng)的模仿，因為人的視覺系統(tǒng)由很多層神經(jīng)網(wǎng)絡(luò)組成，層與層之間通過學習訓練生成連接的通路，所以被稱為“深度學習”。
深度學習算法雖然在層級上模擬了視覺系統(tǒng)，但受限于電腦結(jié)構(gòu)中存儲與運算分開的模式，做不到像人類的神經(jīng)元一樣將計算（神經(jīng)元）和存儲（突觸）一體化，于是把神經(jīng)元的運作方式抽象成了一個輸入與輸出結(jié)合的計算過程。
這就導致了原本一個神經(jīng)元能夠完成的任務(wù)，在計算機上需要大量的計算單位才能完成。2021年8月10日，在Neuron上發(fā)布的一項研究顯示，人腦一個神經(jīng)元的功能在深度算法中需要1000個以上的計算單元通過5到8層的深度網(wǎng)絡(luò)實現(xiàn)。
2.先天缺陷帶來的短板
由于需要大量計算單元才能實現(xiàn)單個人類神經(jīng)元的功能，這就直接導致了深度學習要實現(xiàn)與人腦相似的功能復雜程度就會更高。
如今在語言模型上最強的GPT-3擁有1750億個參數(shù)，做個簡單推導也就相當于1.7億個人類的腦神經(jīng)元，而人腦的神經(jīng)元個數(shù)在100億左右，如果把人腦神經(jīng)網(wǎng)絡(luò)的復雜連接再算上，要完全模擬一個人腦出來的耗能將難以想象。
更多的計算單元也就意味著更大的能量消耗，同樣拿GPT-3為例，它訓練一次消耗的能量可以讓一輛車在在地球與月球之間跑完一個來回，而只用來下圍棋的Alpha Go僅計算單元的功率也有2000W的水平，與之相對的是坐它對面的李世石的大腦耗能只需要20W左右，是它的百分之一。
3.模仿神經(jīng)元的“類腦計算”
為了解決深度學習的問題，科學家提出了進一步模擬人腦“神經(jīng)元—突觸”體系的“類腦計算”思路，分別從算法和硬件兩方面探索打造“人工大腦”的方法。
算法層面上，目前的研究重點是“脈沖神經(jīng)網(wǎng)絡(luò)”（Spiking Neural Network，簡稱SNN），顧名思義就是模仿神經(jīng)脈沖信號傳遞、運算的人工智能算法，SNN的最大優(yōu)點在于，相較傳統(tǒng)算法中每個計算單元始終處于活躍狀態(tài)不同，其每個計算單元只有在接受或者發(fā)出信號時才被激活，同時它進行的只有加減運算，節(jié)省了運算資源也減小了求和量。
但脈沖本身的不連續(xù)性使得傳統(tǒng)的人工智能訓練模式并不能適用于它，所以其性能盡管理論上可以與深度學習算法相匹配，相應(yīng)的訓練模式還處于研究階段。
硬件層面，類腦芯片也開始興起，不再像傳統(tǒng)計算機中的“馮·諾依曼架構(gòu)”，把存儲與計算功能分離，使得每次計算都要在內(nèi)存和CPU上頻繁調(diào)用數(shù)據(jù)，導致信息效率差、發(fā)熱高，而是基于微電子技術(shù)和新型神經(jīng)形態(tài)器件的結(jié)合，實現(xiàn)存儲與計算的深度融合，使芯片能夠進行異步、并行、低速和分布式處理信息數(shù)據(jù)，并具備自主感知、識別和學習的能力。
4.4款類腦芯片
2014年8月，IBM公司推出了第二代類腦芯片“True North”，工藝進化到了28納米，擁有了100萬個可編程神經(jīng)元和2.56億個可編程數(shù)據(jù)傳輸通道。
這次最大的進步在于“神經(jīng)突觸內(nèi)核架構(gòu)”，讓其中每個計算核心（神經(jīng)元）都擁有了本地內(nèi)存，工作方式已經(jīng)非常類似人腦中的神經(jīng)元，總功耗降低到了第一代的1%，體積是第一代的十五分之一。
Zeroth不需要預編程，通過正向強化的方式，提供了類似人類大腦多巴胺刺激的方式，讓芯片具備了從周圍環(huán)境獲取反饋的能力，高通用裝載該芯片的機器小車進行演示，使小車在自行啟發(fā)算法下完成尋路、躲避障礙等任務(wù)。
·西井科技DeepSouth芯片
西井科技是一家中國公司，已推出了兩款類腦芯片，其中DeepSouth擁有5000 萬類腦神經(jīng)元，總計有 50 億的“神經(jīng)突觸”，可以直接在芯片上完成計算，不需要通過網(wǎng)絡(luò)連接后臺服務(wù)器，可在“無網(wǎng)絡(luò)”情況下使用。
