模擬人腦的神經形態計算方式漸成學界熱點

Kwabena Boahen手握著其神經網格設備中的神經形態回路板。

　　1982年，Kwabena Boahen得到了他的第一臺電腦，那時他還是住在加納阿克拉的一個十幾歲的少年。“那真是一臺很酷的機器。”他回憶道。在觀察電腦如何工作時，他本能地感覺到，電腦需要在設計中多一些“非洲”的感覺：更加分散、流動性更強和更少的剛性。

　　如今，作為美國加利福尼亞斯坦福大學的一名生物工程師，Boahen和其他一些研究人員正在試圖通過大腦的逆向工程來創造這種計算模式。

　　大腦的運行十分高效節能，可以進行足以挑戰世界最大的超級計算機的運算，盡管它所依賴的組件并不完美：神經元是緩慢、多變且混亂的。理解語言、進行抽象推理、控制運動——這些大腦都能做到，而且都發生在一個比鞋盒還小的區域內，比家用燈泡的功耗還小。

　　為了使硅也能實現如此的功能，研究人員正在構建非數字芯片系統，并盡可能地使其功能與真正的神經元網絡相似。幾年前，Boahen完成了一個叫作神經網格的裝置，可模擬一百萬個神經元——相當于一只蜜蜂的大腦。如今，經過25年的發展，“神經形態技術”的應用終于勝利在望。該技術有望支持低功率和小體積的設備，從智能手機、機器人到人工眼睛和耳朵。過去5年里，不錯的前景已經吸引了很多研究人員投身該領域，美國和歐洲的機構也已為此投入數億美元。

　　瑞士蘇黎世神經信息學(INI)研究所的Giacomo Indiveri認為，神經形態設備也為神經科學家提供了一個強大的研究工具。通過觀察神經功能的哪些模型可以在實際物理系統中使用，“人們就能了解大腦為何會按照這種方式建立”。

　　“我的目標是一種新的計算模式，”Boahen說，“即使在組件過于小的情況下也可以運算。”

　　硅網絡

　　神經形態的觀點可以追溯到20世紀80年代Carver Mead的想法，Mead是加州理工學院微芯片設計方面的先驅。他發明了“神經形態”這一術語，并且是首位強調大腦巨大節能優勢的學者。“我感受到了其中的魅力。”他說，“究竟大腦是如何做到的呢?”

　　Mead探究這一問題的策略是使用“亞閾值”硅來模擬大腦的低功耗處理過程。在特別小的電壓下，仍然有微小的、不規則的電子細流通過晶體管，其與神經元通道中流動的離子所攜帶的電子流的大小和可變性相似。Mead認為，通過微觀電容器、電阻器和其他組件可以控制這些電流，因此該裝置也許能做到與真正的神經元一樣形成微小的電路，并有相同的電學性能。它們可以在與大腦中真實的神經電路十分相似的分散網絡中被連接起來，進而在各組件間產生通信線路，而不用再通過中央處理器。

　　20世紀90年代，Mead和同事已經發現建立一個硅神經元網絡是可能的，其電流和電壓不限于傳統芯片中的幾個離散的數值。它模擬了大腦低功耗運行的關鍵點：與大腦一樣，硅神經元使用了非常小的能量來簡單地集成輸入。而一個傳統計算機需要持續的能源來運行內部的時鐘，無論芯片是否正在運算。

　　研發挑戰

　　Boahen于1990年加入了Mead的實驗室。他說，在最初的時期，研究人員都忙于研究單芯片設備。不過到20世紀90年代末，“我們希望建立一個‘大腦’，因此需要大規模的芯片間通信。”這是一個巨大的挑戰：芯片間通信的標準編碼算法都是專門為精確協調數字信號而設計的，不會在有更多隨機尖峰脈沖的神經形態系統下工作。

　　21世紀初，Boahen和其他研究人員發明了在這種混亂系統下運行的電路和算法，為大規模神經形態系統的一系列發展開辟了道路。

　　“就效率而言，Boahen的神經網格與大腦的神經網絡十分相似，遙遙領先于其他大規模的神經形態系統。”INI聯合創辦人、硅神經元的協作開發者Rodney Douglas評價道。

　　不過正如Boahen自己所說的那樣，沒有什么系統是完美的。神經網格最大的缺點之一是其突觸連接簡單，不能單獨修改。這意味著該系統不能用于模擬學習，而在大腦中，通過經驗修改突觸后就能實現這一切。

　　另一個問題來自制造過程中不可避免的變化，這意味著每個神經形態芯片的運行都略有不同。“其變化性還是遠遠低于在大腦中所觀察到的情況。”Boahen說。

　　這一問題導致一些研究人員拋棄了Mead使用“亞閾值”硅芯片的最初想法。他們使用嚴格意義上仍有神經形態性的傳統數據系統——可以模擬單個神經元的電學性能，但其可預測性更強，更易編程，而代價是耗能更多。

　　實際應用

　　這些研究性項目的成功引發了人們對將神經形態硬件應用于實用的、超低功耗設備(從手機到機器人)的興趣。

　　而Boahen則正在追求他自己的實際應用方法，這從他在4月開始的一個尚未命名的計劃中就可以明顯看出。該項目基于人工大腦Spaun：一個大腦的計算機模型，包括負責視覺、運動和決策的部分。Spaun依賴于10年前由加拿大滑鐵盧大學理論神經科學家Chris Eliasmith開發的神經回路編程語言。用戶只需指定所需的神經功能，Eliasmith的系統就會自動射擊神經元網絡來實現該功能。

　　Boahen與Eliasmith聯系后，向他介紹了自己的提議：使用實時神經形態硬件構建一個物理版的Spaun。“我非常興奮。”Eliasmith說。在他看來，這樣的匹配是完美的，“你們有花生醬，而我們有巧克力”!

　　美國海軍研究辦公室為他們提供了資金，Boahen和Eliasmith已經召集了一個團隊，計劃在3年內建立一個小規模的原型，并在5年內建立一個全面的系統。

　　該系統是專門為現實世界的應用而設計的。Boahen稱，在5年的時間內，“我們設想構建完全自主的機器人，它們可以用一種有意義的方式與環境互動，并在僅消耗像手機電池一樣多的電量的前提下，完成實時操作。這種設備會比今天的自動機器人更加靈活，并有更強的適應性，同時消耗非常少的能量。

　　Boahen補充稱，更長期來看，該技術將用于任何計算機系統中更為緊湊和低功耗的處理器，而不僅僅是機器人。如果研究人員真的已經成功捕捉到了令大腦如此高效和緊湊的關鍵因素，那么這將是需要更微小芯片的產業的福音。

　　“但我們并不能確定。”Boahen說，“除非去嘗試。”