神經形態芯片：仿生學的驅動力

        1 神經形態芯片與傳統芯片的區別

　　1946年美籍匈牙利科學家馮·諾依曼提出存儲程序原理，把程序本身當作數據來對待。此后的半個多世紀以來，計算機的發展取得了巨大的進步，但“馮·諾依曼架構”中信息存儲器和處理器的設計一直沿用至今，連接存儲器和處理器的信息傳遞通道仍然通過總線來實現。隨著處理的數據量海量地增長，總線有限的數據傳輸速率被稱為“馮·諾依曼瓶頸”——尤其是移動互聯網、社交網絡、物聯網、云計算、高通量測序等的興起，使得“馮·諾依曼瓶頸”日益突出，而計算機的自我糾錯能力缺失的局限性也已成為發展障礙。

　　結構上的缺陷也導致功能上的局限。例如，從效率上看，計算機運算的功耗較高——盡管人腦處理的信息量不比計算機少，但顯然而功耗低得多。為此，學習更多層的神經網絡，讓計算機能夠更好地模擬人腦功能，成為上世紀后期以來研究的熱點[如微軟研究院的“深度學習（或深度神經網絡，DNN）”。

　　在這些研究中，核心的研究是“馮·諾依曼架構”與“人腦架構”的本質結構區別——與計算機相比，人腦的信息存儲和處理，通過突觸這一基本單元來實現，因而沒有明顯的界限。正是人腦中的千萬億個突觸的可塑性——各種因素和各種條件經過一定的時間作用后引起的神經變化（可變性、可修飾性等），使得人腦的記憶和學習功能得以實現。

　　2 神經形態芯片的發展簡史

　　因此，模仿人類大腦的理解、行動和認知能力，就成為重要的仿生研究目標。1990 年，加州理工學院名譽教授Carver Mead給出了神經形態芯片的定義——“模擬芯片不同于只有二進制結果（開/關）的數字芯片，可以像現實世界一樣得出各種不同的結果，可以模擬人腦神經元和突觸的電子活動。”然而，Carver Mead本人并沒有完成模擬芯片的設計。

　　此后，Audience公司出于對神經系統的學習性和可塑性、容錯、免編程、低能耗等特征進行了研究，研發出基于人的耳蝸而設計的神經形態芯片，可以模擬人耳抑制噪音，應用于智能手機。Audience公司也由此成為行業內領先的語音處理芯片公司。

　　IBM公司在1956 年創建第一臺人腦模擬器（512 個神經元）以來，就一直在從事對類人腦計算機的研究，模仿了突觸的線路組成、基于龐大的類神經系統群開發神經形態芯片也就自然而然地進入了其視野。其中，IBM第一代神經突觸（neurosynaptic）芯片用于“認知計算機”的開發——盡管“認知計算機”無法像傳統計算機一樣進行編程，但可以通過積累經驗進行學習，發現事物之間的相互聯系，模擬大腦結構和突觸可塑性。

　　在美國國防高級研究計劃局（DARPA）的資助下，IBM的“自適應可變神經可塑可擴展電子設備系統”項目（SyNAPSE） 第二階段項目則致力于創造既能同時處理多源信息又能根據環境不斷自我更新的系統，實現神經系統的學習性和可塑性、容錯、免編程、低能耗等特征。項目負責人Dharmendra Modha認為，神經芯片將是計算機進化史上的又一座里程碑。

　　IBM的新芯片架構沒有固定的編程，把內存與處理器集成在一起，模仿大腦的事件驅動、分布式和并行處理方式。從目前來看，盡管神經形態芯片的能力還遠不及人腦（IBM 2012年開發的模擬人腦的超級計算機已可模擬出相當于5千億神經元以及137億神經突觸的計算架構系統，但系統的運行速度相比于人腦要慢1 542倍），但與傳統的計算機相比，其在處理感官數據、學習數據變化的能力方面優勢明顯。根據計劃，2019年IBM將會利用88萬CPU，研制出與人腦速度相當的模擬人腦系統。

　　在IBM以前，瑞士的蘇黎世大學和蘇黎世聯邦理工學院等已經做了較長時間的神經形態芯片研究，但采用的主要是模擬電路或數字/模擬混合電路。但是，模擬電路易受漏電流的影響，從而帶來噪聲過大等問題，因而性能上并未最優化。IBM的做法，則是采用了數字電路，解決這一問題。除了IBM外，HRL實驗室、高通公司等也做了較多的神經形態芯片開發，其中高通公司的芯片預計會在2015年上市。

　　3 仿生模擬的應用

　　模擬人腦系統的開發，就必須要以神經形態芯片作為基礎支撐。人腦啟發軟件公司 Numenta創始人Jeff Hawkins曾評論，“人工智能絕對不能靠軟件來實現，需要用芯片來完成。”“零項目”工程師 M. Anthony Lewis則認為，“即便還是以數字的形式來完成，我們已經可以復制大腦的很多行為。”

　　有了神經突觸運算芯片外，部分程度地再現生物系統中神經元和神經突觸的運作模式，尋找對象之間的關聯性，提出假設，進行記憶和學習等都成為了可能，使得芯片在很大程度上實現過去幾十年來的人工智能領域開發的功能。例如，基于神經形態芯片的智能傳感器和設備，可用于病情的智能監測，從而使得健康監測系統可以監測生命體征，及早發現潛在的風險，為病人提供個性化的治療手段。

　　在面部識別等涉及圖像、聲音和其他感官數據的處理領域，通過智能終端來關注用戶的行為和環境，學習用戶的習慣，也成為可能。對此，高通公司的技術總監Matthew Grob曾評論，“我們正在模糊芯片和生物系統之間的隔閡。”事實上，HRL實驗室已經計劃測試將神經形態芯片植入到鳥類中，由芯片處理來自攝像機和其他傳感器的數據，能記住飛過的房間，學會導航。