自動駕駛汽車的發(fā)展需要AI已人盡皆知，但你應(yīng)該沒有想到自行車也可以實現(xiàn)自動駕駛。

其實，這是清華大學(xué)施路平教授團隊為驗證全球首款異構(gòu)融合AI芯片設(shè)計的系統(tǒng)。該研究登上了頂級學(xué)術(shù)期刊《自然》（Nature）8月刊的封面，封面標(biāo)題為《雙重控制》（Dual control）。

這篇名為《面向人工通用智能的異構(gòu)天機芯片架構(gòu)》（Towards artificial general intelligence with hybrid Tianjic chip architecture）的論文介紹了一款新型人工智能芯片，它結(jié)合了類腦計算和基于計算機科學(xué)的人工智能。

天機芯片是多學(xué)科融合的結(jié)晶，團隊成員來自清華大學(xué)、北京靈汐科技、北京師范大學(xué)、新加坡理工大學(xué)和加州大學(xué)圣塔芭芭拉分校，論文的第一作者有7位，清華大學(xué)的成員是核心。清華大學(xué)精密儀器系教授、類腦計算中心主任施路平為論文通訊作者。

自行車也能自動駕駛

為了驗證這款全球首款異構(gòu)融合的AI芯片，研究團隊設(shè)計了無人智能自行車系統(tǒng)。論文的第一作者，加州大學(xué)圣塔芭芭拉分校博士后鄧?yán)谡J(rèn)為，比起自動駕駛飛機，智能自行車看起來很小，但實際上是一個五臟俱全的小型類腦技術(shù)平臺，“這實際上是對我們的考量”。

據(jù)悉，施路平團隊設(shè)計的無人智能自行車系統(tǒng)包括了激光測速、陀螺儀、攝像頭等傳感器，剎車電機、轉(zhuǎn)向電機、驅(qū)動電機等致動器，以及控制平臺、計算平臺、天機板級系統(tǒng)等處理平臺等。

來源：nature

根據(jù)公布的視頻，這一無人智能自行車系統(tǒng)可以實時感知周圍環(huán)境，跟隨前方的試驗人員并自動進行避障的操作，并根據(jù)語音指令、視覺感知的反饋產(chǎn)生實時信號對電機進行控制，以達到保持平衡，改變行進狀態(tài)（包括橫向和縱向）。

鄧?yán)诮榻B，無人自行車系統(tǒng)的語音識別、自主決策、視覺追蹤功能運用了模擬大腦的模型，而目標(biāo)探測、運動控制和躲避障礙功能運用了機器學(xué)習(xí)算法模型。

研究團隊還指出：“通過隨機將新變量實時引入環(huán)境中可以產(chǎn)生高時空復(fù)雜性，例如不同的道路條件、噪聲、天氣因素、多種語言、更多人等等。通過探索允許適應(yīng)這些環(huán)境變化的解決方案，可以檢查對AGI至關(guān)重要的問題，比如概括、穩(wěn)健性和自主學(xué)習(xí)。”

什么是AGI？

這款芯片可以同時融合兩種方案正是其受到關(guān)注的關(guān)鍵所在。通用人工智能（Artificial General Intelligence，AGI），是一個尚未實現(xiàn)的研究課題，有時也被稱作強人工智能，它所描述的機器智能可以理解或?qū)W習(xí)人類所能完成的任何智力任務(wù)。

對于AGI，部分人工智能學(xué)者認(rèn)為，AGI的概念并不嚴(yán)肅，在實踐中基本不可能實現(xiàn)。另一些人則十分看好人工通用智能的發(fā)展，認(rèn)為它有可能塑造人類的發(fā)展軌跡。在Nature論文的新聞發(fā)布會中，施路平表示，“AGI是一個非常難的研究課題，但我們相信它是一定會實現(xiàn)的”。

施路平認(rèn)為，發(fā)展通用人工智能的最佳方案之一是把人腦和電腦的優(yōu)勢結(jié)合起來。

這種研究思路也就意味著要將計算機科學(xué)導(dǎo)向和神經(jīng)科學(xué)導(dǎo)向這兩種發(fā)展AGI的方法結(jié)合在一起。但是這兩種方式在公式和編碼方案上存在根本差異，想要結(jié)合困難重重。

也就是說，這種結(jié)合的核心挑戰(zhàn)在于脈沖神經(jīng)網(wǎng)絡(luò)（SNN）和人工神經(jīng)網(wǎng)絡(luò)（ANN）的融合。

在生物大腦中，每個神經(jīng)元都與各種輸入相連。一些輸入在神經(jīng)元中產(chǎn)生激發(fā)，而另一些輸入則抑制它，對于SNN（脈沖神經(jīng)網(wǎng)絡(luò)），在達到由變量（或者可能具有函數(shù)）描述的特定閾值狀態(tài)時，神經(jīng)元發(fā)出脈沖信號。

ANN則是是從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進行抽象，目前熱門的AI神經(jīng)網(wǎng)絡(luò)CNN、RNN都屬于ANN。

就可以理解SNN和ANN最大的差異，ANN以精確的多位值處理信息，而SNN以脈沖處理信息。為了在一個平臺上實現(xiàn)兩種模型，脈沖需要表示為數(shù)字序列（1或0），以便與數(shù)字編碼格式的ANN兼容。

當(dāng)然，兩者之間還存在其它差異，比如SNN在時空域中運行，而ANN依靠時鐘在每個周期刷新信息。另外，SNN的計算包括膜電位積分，閾值交叉和電位復(fù)位，ANN主要與乘法累加（MAC）操作和激活變換相關(guān)。還有，SNN的處理需要比特可編程存儲器和額外的高精度存儲器來存儲膜電位，發(fā)射閾值和不應(yīng)期，ANN僅需要用字節(jié)存儲器來進行激活存儲和變換。

全球首款異構(gòu)融合AI芯片

鄧?yán)诒硎?，兩類模型所使用的語言、計算原理、編碼方式和應(yīng)用場景都不相同，實現(xiàn)這兩種模型深度高效的融合，是天機芯片設(shè)計中最大的挑戰(zhàn)。

天機芯片異構(gòu)融合計算架構(gòu)

清華研究團隊的解決方案是，建了一個跨范式的神經(jīng)元方案，又設(shè)計了一個統(tǒng)一的功能核（FCore），這也是一項重要的創(chuàng)新，F(xiàn)Core的每個功能核包括軸突、突觸、樹突、胞體和神經(jīng)路由器構(gòu)建單元。通過可重構(gòu)功能核靈活的建模配置和拓?fù)溥B接，編碼方式可以在ANN和SNN模式之間轉(zhuǎn)換，從而實現(xiàn)異構(gòu)神經(jīng)網(wǎng)絡(luò)。

當(dāng)然，為了實現(xiàn)深度融合，幾乎整個FCore都可以重新配置，以便在不同模式下實現(xiàn)高利用率。FCore能夠涵蓋大多數(shù)ANN和SNN使用的線性積分和非線性變換操作。該芯片上的FCores以二維2D網(wǎng)格方式排列。

天機芯片設(shè)計圖示，來源：Nature

最終看到，天機（Tianjic）芯片由156個FCore組成，包含大約40000個神經(jīng)元和1000萬個突觸，采用28納米半導(dǎo)體工藝制造，面積為3.8×3.8平方毫米?？梢酝瑫r支持機器學(xué)習(xí)算法和類腦電路。

性能方面，天機芯片提供超過每秒610千兆字節(jié)（GB）的內(nèi)部存儲器帶寬，以及運行人工神經(jīng)網(wǎng)絡(luò)的1.28 TOPS的峰值性能。

在生物啟發(fā)的尖峰神經(jīng)網(wǎng)絡(luò)模式中，天機芯片實現(xiàn)了每瓦約650千兆每秒突觸操作（GSOPS）的峰值性能。該研究團隊還展示了與GPU相比的卓越性能，其中新芯片的吞吐量提高了1.6-100倍，電源效率提高了12-10000倍。

論文作者、清華大學(xué)精密儀器系副研究員裴京透露，團隊的下一步計劃是面向問題商業(yè)化，把現(xiàn)有的、已經(jīng)成熟的成果商業(yè)化推廣。另據(jù)施路平透露，目前，天機芯已經(jīng)在北京靈汐科技有限公司開始進行下一步開發(fā)。雷鋒網(wǎng)雷鋒網(wǎng)

雷鋒網(wǎng)參考：nature、澎湃

相關(guān)文章：

類腦計算：從神經(jīng)網(wǎng)絡(luò)到真正的人工智能丨 CCF-GAIR 2019

機器學(xué)習(xí)能否改變類腦計算備受質(zhì)疑的現(xiàn)狀？

跨出類腦芯片的關(guān)鍵一步，成立僅兩年aiCTX有望先于IBM和Intel產(chǎn)業(yè)落地

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。