AI、量子計(jì)算、神經(jīng)形態(tài)計(jì)算都是當(dāng)下的熱詞，但他們并非全新的技術(shù)。這些幾十年前就被提出的技術(shù)，因?yàn)楦鞣N因素的限制，至今仍未達(dá)到相對(duì)理想的狀態(tài)。在這三者中，AI目前最為火熱，其中很重要的原因是深度神經(jīng)網(wǎng)絡(luò)的突破。那么，神經(jīng)形態(tài)計(jì)算到底是不是可實(shí)現(xiàn)？什么時(shí)候才會(huì)爆發(fā)？業(yè)內(nèi)專家北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授，北京智源人工智能研究院院長(zhǎng)黃鐵軍給出了非常明確的答案。

神經(jīng)形態(tài)芯片是一個(gè)必然的發(fā)展方向

在AI技術(shù)發(fā)展的潮起潮落中，既有堅(jiān)定的支持者，也有眾多的質(zhì)疑，質(zhì)疑者認(rèn)為AI只是技術(shù)狂人無(wú)法實(shí)現(xiàn)的理想。對(duì)于還未看到商業(yè)應(yīng)用的神經(jīng)形態(tài)計(jì)算來(lái)說(shuō)，自20世紀(jì)80年代，當(dāng)時(shí)傳奇的加州理工學(xué)院教授Carver Mead提出采用晶體管亞閾值態(tài)模擬生物神經(jīng)元細(xì)胞的功能以來(lái)，也一直面對(duì)眾多質(zhì)疑。

這其中有很多種因素。主要研究方向?yàn)橹悄芤曈X(jué)信息處理與類腦智能的黃鐵軍教授接受雷鋒網(wǎng)專訪時(shí)表示，神經(jīng)形態(tài)芯片有別于現(xiàn)在常見(jiàn)芯片，涉及到信息處理方式的根本轉(zhuǎn)換，愿意在新方向嘗試、創(chuàng)新以及冒險(xiǎn)的人比較少。特別是在國(guó)內(nèi)，神經(jīng)形態(tài)的研究10年前才開始，比國(guó)外晚了20年，愿意探索新方案的人更少。

北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授，北京智源人工智能研究院院長(zhǎng)黃鐵軍博士 

參與神經(jīng)形態(tài)研究的人比較少，再加上許多研究人員開展相關(guān)研究是覺(jué)得神經(jīng)形態(tài)很有意義，主要是享受研究過(guò)程，而很少考慮如何去應(yīng)用或?qū)崿F(xiàn)商業(yè)化。外界既看不到應(yīng)用，出現(xiàn)質(zhì)疑的聲音難以避免。

黃鐵軍指出：“全球范圍內(nèi)神經(jīng)形態(tài)研究的現(xiàn)狀如此。不過(guò)，我們可以從兩個(gè)角度去看這個(gè)問(wèn)題，從學(xué)術(shù)角度看，一項(xiàng)技術(shù)研究幾十年，然后一夜之間突然爆發(fā)的例子非常多，比如深度學(xué)習(xí)。從商業(yè)角度看，應(yīng)用落地需要很多條件，需要一個(gè)能夠展現(xiàn)新技術(shù)優(yōu)勢(shì)的契機(jī)，僅僅因?yàn)檫€沒(méi)有看到應(yīng)用就開始質(zhì)疑是不符合科技發(fā)展規(guī)律。可以肯定地說(shuō)，神經(jīng)形態(tài)計(jì)算是一個(gè)必然的發(fā)展方向。”

說(shuō)神經(jīng)形態(tài)計(jì)算是必然的發(fā)展方向不無(wú)道理，因?yàn)樯窠?jīng)形態(tài)計(jì)算在某種意義上超越了經(jīng)典計(jì)算的概念。例如，機(jī)器視覺(jué)是先獲得的圖像或圖像序列（視頻），然后再用算法去做目標(biāo)分割和檢測(cè)。這與生物感知世界的過(guò)程恰恰相反，生物視覺(jué)是先檢測(cè)到一個(gè)物體，先感知到一個(gè)運(yùn)動(dòng)物體在靠近，再去識(shí)別它是什么，而且這個(gè)過(guò)程不必非要?dú)w結(jié)為計(jì)算過(guò)程。

按照黃鐵軍的解釋，神經(jīng)形態(tài)計(jì)算的“計(jì)算”并非經(jīng)典的計(jì)算，把這個(gè)方向稱為神經(jīng)形態(tài)信息處理更合適，它是將外界的時(shí)空信號(hào)轉(zhuǎn)換成神經(jīng)脈沖，然后經(jīng)神經(jīng)網(wǎng)絡(luò)加工產(chǎn)生結(jié)果。這種方式比傳統(tǒng)計(jì)算方式在處理時(shí)空信息的時(shí)候更直接，可以節(jié)省掉很多不必要的算力。另外，拋棄傳統(tǒng)計(jì)算，用光電器件直接進(jìn)行信息處理，可以比生物神經(jīng)網(wǎng)絡(luò)速度更快，實(shí)現(xiàn)千倍乃至更多數(shù)量級(jí)的提升。

神經(jīng)形態(tài)芯片研究難在哪？

既然神經(jīng)形態(tài)計(jì)算是一個(gè)必然的發(fā)展方向，相比傳統(tǒng)計(jì)算方式處理時(shí)空信息也有著顯著的優(yōu)勢(shì)，但為何外界沒(méi)有看到巨大的突破？黃鐵軍指出，時(shí)空信息處理的復(fù)雜度比傳統(tǒng)的馮諾依曼計(jì)算架構(gòu)的串流形式更復(fù)雜，比并行計(jì)算也更為復(fù)雜。這是因?yàn)?，串行方式可控性相?duì)比較好，但是時(shí)空信息中，脈沖之間的時(shí)間和空間關(guān)系不僅要維持，還要變換，不像經(jīng)典計(jì)算那樣是個(gè)嚴(yán)格可控的過(guò)程，一旦前面出錯(cuò)，后面結(jié)果很可能完全不對(duì)。

另外，就像計(jì)算機(jī)視覺(jué)需要攝像頭作為外設(shè)搭配CPU、GPU或其它處理器進(jìn)行處理。神經(jīng)形態(tài)計(jì)算也需要感知芯片和處理芯片，感知芯片負(fù)責(zé)采集各種物理和化學(xué)信號(hào)，處理芯片把獲得的脈沖序列進(jìn)行加工。

但無(wú)論哪種芯片都面臨著挑戰(zhàn)。黃鐵軍指出，神經(jīng)形態(tài)感知芯片需要采集和感知不同類型的信號(hào)。目前光的感知和采集不是大問(wèn)題，但對(duì)于其他信號(hào)的采集，比如觸覺(jué)和味覺(jué)，雖然可以探測(cè)，但是要以一種陣列方式精細(xì)地感知還有一定挑戰(zhàn)。簡(jiǎn)而言之，神經(jīng)形態(tài)感知芯片的重要挑戰(zhàn)在于物理化學(xué)信號(hào)的高精度高效采集。

 

神經(jīng)形態(tài)裝置（包含傳感和處理等）的工程涉及開發(fā)其功能類似于大腦部分的組件

至于神經(jīng)形態(tài)處理器，要處理神經(jīng)脈沖序列就需要根據(jù)不同的任務(wù)，構(gòu)建類似于生物的神經(jīng)網(wǎng)絡(luò)，這本身就比傳統(tǒng)的網(wǎng)絡(luò)構(gòu)建難度更大，要知道深度學(xué)習(xí)也探索了幾十年，最后才找到一個(gè)模型能解決問(wèn)題。另外，生物的神經(jīng)系統(tǒng)包含大量神經(jīng)元和突觸，神經(jīng)形態(tài)就是要用光電器件模擬生物的神經(jīng)單元和結(jié)構(gòu)。目前是采用比較復(fù)雜的電路來(lái)實(shí)現(xiàn)，業(yè)界還在尋找各種功能材料，直接實(shí)現(xiàn)類似生物神經(jīng)元或神經(jīng)突觸的功能，它不再是一個(gè)電路，而是一個(gè)物理器件，這樣才能以與生物相當(dāng)或更小的尺度實(shí)現(xiàn)大規(guī)模神經(jīng)形態(tài)網(wǎng)絡(luò)。

這也是目前神經(jīng)形態(tài)芯片研究的一個(gè)熱點(diǎn)，現(xiàn)在已經(jīng)找到了一些材料，但還不夠成熟。一旦材料上有了突破，神經(jīng)形態(tài)的大規(guī)模應(yīng)用才能迎來(lái)大規(guī)模的商業(yè)化。

從公開資料看，神經(jīng)形態(tài)計(jì)算方面英特爾取得了不錯(cuò)的進(jìn)展，英特爾7月宣布代號(hào)為“Pohoiki Beach”的800萬(wàn)神經(jīng)元神經(jīng)形態(tài)系統(tǒng)已經(jīng)可以供廣大研究人員使用，它包含64塊Loihi研究芯片。

雖然相比鼠腦數(shù)千萬(wàn)神經(jīng)元和人腦數(shù)百億神經(jīng)元還相差甚遠(yuǎn)，但黃鐵軍教授認(rèn)為能夠做到800萬(wàn)神經(jīng)元已經(jīng)不錯(cuò)了，Pohoiki Beach是一個(gè)非常重要的階段性成果。不過(guò)要用到小型智能系統(tǒng)里還是太大。

圖中是一塊連接到Arria 10 FPGA開發(fā)工具包的英特爾Nahuku基板，每塊基板包含8到32塊英特爾Loihi神經(jīng)擬態(tài)芯片。英特爾最新的神經(jīng)擬態(tài)系統(tǒng)Pohoiki Beach由多塊Nahuku基板組成，含64塊Loihi芯片

從英特爾公布的照片看，由多塊Nahuku基板組成的Pohoiki Beach因?yàn)轶w積的問(wèn)題確實(shí)還不太適合應(yīng)用于小型智能系統(tǒng)，但確實(shí)是神經(jīng)形態(tài)研究的重要里程碑，我們可以期待英特爾研究院將這個(gè)架構(gòu)擴(kuò)展到1億個(gè)神經(jīng)元。

神經(jīng)形態(tài)芯片未來(lái)幾年將影響AI

隨著神經(jīng)形態(tài)研究的推進(jìn)，應(yīng)用也將會(huì)落地。黃鐵軍在采訪中多次指出，一個(gè)新技術(shù)要落地，需要有比傳統(tǒng)方法解決問(wèn)題明顯的優(yōu)勢(shì)，這種優(yōu)勢(shì)要不可替代性才能夠快速導(dǎo)入應(yīng)用。深度學(xué)習(xí)就是一個(gè)例子，2006年深度學(xué)習(xí)論文發(fā)表在頂級(jí)學(xué)術(shù)期刊《Science》上，但沒(méi)有商業(yè)化和應(yīng)用。2011年，有學(xué)者用深度學(xué)習(xí)的方法處理語(yǔ)言和圖像，比傳統(tǒng)方法好一些，但也只是在學(xué)術(shù)圈覺(jué)得有意義，直到2012年，深度學(xué)習(xí)算法在ImageNet LSVRC比賽中把性能陡然提高了11%，深度學(xué)習(xí)才廣受關(guān)注并被應(yīng)用。

那神經(jīng)形態(tài)芯片會(huì)在哪些領(lǐng)域有這樣的契機(jī)？視覺(jué)是一個(gè)很好的機(jī)會(huì)，神經(jīng)形態(tài)視覺(jué)芯片采集速度可以達(dá)到常規(guī)方法的1000倍，如果用傳統(tǒng)方法加上傳統(tǒng)視頻攝像頭和傳統(tǒng)處理器，每秒要處理3萬(wàn)幅圖像，計(jì)算性能比常規(guī)視頻需要提高1000倍，成本和芯片體積都是很大的問(wèn)題。但神經(jīng)形態(tài)芯片一個(gè)芯片就可以解決。

比如，黃鐵軍教授和他的團(tuán)隊(duì)研制的超速全時(shí)視覺(jué)芯片SpikeOne，空間分辨率為400×250（10 萬(wàn)像素），最大脈沖發(fā)放頻率為4萬(wàn)Hz，即最小時(shí)間分辨率為25 μs ，時(shí)間靈敏度相當(dāng)于傳統(tǒng)4萬(wàn)幀的專用攝像設(shè)備，功耗只有350mW。

超速全時(shí)視覺(jué)芯片（SpikeOne）與成像系統(tǒng)

超速全時(shí)視覺(jué)芯片SpikeOne是一種典型的神經(jīng)形態(tài)感知芯片，能夠像靈長(zhǎng)類生物眼睛一樣感知光線變化并編碼為高速脈沖序列。 “全時(shí)”（full time）是指從芯片采集的脈沖序列中重構(gòu)出任意時(shí)刻的畫面，從而實(shí)現(xiàn)連續(xù)視覺(jué)感知。“超速”是相對(duì)于生物視覺(jué)而言的，生物視覺(jué)系統(tǒng)受限于生理限制，每秒發(fā)放的神經(jīng)脈沖數(shù)只有幾十個(gè)，“電眼”采用光電器件，脈沖發(fā)放頻率達(dá)到萬(wàn)赫茲乃至更高。

采用SpikeOne 芯片的成像系統(tǒng)對(duì)實(shí)時(shí)采集的脈沖陣列數(shù)據(jù)，一方面可以接入神經(jīng)網(wǎng)絡(luò)進(jìn)行視覺(jué)分析任務(wù)，如字符識(shí)別和對(duì)象檢測(cè)等；另一方面，利用圖像重構(gòu)軟件可以實(shí)時(shí)地顯示當(dāng)前場(chǎng)景的脈沖和紋理圖像。對(duì)高速運(yùn)動(dòng)敏感，并能精細(xì)恢復(fù)場(chǎng)景圖像，能夠用于高速運(yùn)動(dòng)物體的檢測(cè)、跟蹤和識(shí)別，在自動(dòng)駕駛、無(wú)人機(jī)控制、機(jī)器人視覺(jué)等領(lǐng)域的應(yīng)用潛力巨大。

優(yōu)勢(shì)和潛力巨大，是否意味著脈沖神經(jīng)網(wǎng)絡(luò)是目前深度神經(jīng)網(wǎng)絡(luò)的必然繼承者？黃鐵軍認(rèn)為這種觀點(diǎn)太絕對(duì)，但他對(duì)這種觀點(diǎn)持樂(lè)觀態(tài)度，因?yàn)槿斯ぶ悄芟到y(tǒng)如果要對(duì)時(shí)空信息的變化作出感知并采取相應(yīng)的行動(dòng)，神經(jīng)形態(tài)方法有天然的優(yōu)勢(shì)。在這個(gè)意義上，神經(jīng)形態(tài)芯片將會(huì)對(duì)人工智能產(chǎn)生非常大的影響。

雷鋒網(wǎng)此前報(bào)道，8月刊《自然》（Nature）封面文章是清華大學(xué)施路平教授團(tuán)隊(duì)的新型AI芯片，它結(jié)合了類腦計(jì)算和基于計(jì)算機(jī)科學(xué)的人工智能。也就是將脈沖神經(jīng)網(wǎng)絡(luò)（SNN）和人工神經(jīng)網(wǎng)絡(luò)（ANN）進(jìn)行了融合。因?yàn)樵谝恍?yīng)用中，比如識(shí)別，目前ANN可以做的更好，所以現(xiàn)在用ANN和SNN融合是一個(gè)合理的方案。

對(duì)于神經(jīng)形態(tài)計(jì)算最終將如何影響AI的問(wèn)題，黃鐵軍教授認(rèn)為，類似無(wú)人駕駛視覺(jué)系統(tǒng)的應(yīng)用對(duì)神經(jīng)形態(tài)的需求在增加。神經(jīng)形態(tài)芯片與AI結(jié)合展現(xiàn)出的巨大優(yōu)勢(shì)在最近幾年就能體現(xiàn)出來(lái)。例如，神經(jīng)形態(tài)傳感器和神經(jīng)形態(tài)處理器有效配合，實(shí)現(xiàn)高速狀態(tài)下遠(yuǎn)超生物的視覺(jué)感知，采用現(xiàn)有人工智能方法幾乎不可能實(shí)現(xiàn)，即使實(shí)現(xiàn)代價(jià)也難以承受，但對(duì)神經(jīng)形態(tài)芯片來(lái)說(shuō)卻并非難事。

2019 年10月17-19日，2019 中國(guó)計(jì)算機(jī)大會(huì)(CNCC 2019)將在蘇州金雞湖國(guó)際會(huì)議中心舉辦，由中國(guó)計(jì)算機(jī)學(xué)會(huì) (CCF) 主辦，蘇州工業(yè)園區(qū)管委會(huì)承辦。今年的大會(huì)主題為「智能+引領(lǐng)社會(huì)發(fā)展 (AI+ Leading the Development of Society)」，大會(huì)包含了：十五位國(guó)內(nèi)外計(jì)算機(jī)領(lǐng)域知名專家、企業(yè)家的大會(huì)報(bào)告、三場(chǎng)大會(huì)主題論壇，七十余場(chǎng)前沿技術(shù)論壇，二十場(chǎng)特色活動(dòng)，以及一百個(gè)科技成果展。

其中三個(gè)大會(huì)論壇主要圍繞互聯(lián)網(wǎng) 50 年、工業(yè)互聯(lián)網(wǎng)、深度學(xué)習(xí)三個(gè)主題展開討論。七十余場(chǎng)技術(shù)論壇由內(nèi)容豐富、形式多樣的多個(gè)計(jì)算領(lǐng)域的熱點(diǎn)主題組成，如人工智能、大數(shù)據(jù)、區(qū)塊鏈、量子計(jì)算、神經(jīng)形態(tài)計(jì)算、工業(yè)互聯(lián)網(wǎng)、信息安全、健康醫(yī)療、教育教學(xué)等。

黃鐵軍教授將擔(dān)任CNCC 2019 第二屆神經(jīng)形態(tài)芯片與計(jì)算機(jī)論壇的主席，與中科院計(jì)算所副研究員趙地，“青年”特聘教授、四川大學(xué)計(jì)算機(jī)學(xué)院類腦計(jì)算研究中心主任、國(guó)際會(huì)議程序委員會(huì)主席、IEEE計(jì)算智能學(xué)會(huì)教育分委會(huì)主席唐華錦，中科院計(jì)算所研究員、博導(dǎo)、智能處理器研究中心主任陳云霽，清華大學(xué)電子工程系長(zhǎng)聘教授汪玉，中國(guó)科學(xué)院半導(dǎo)體所研究員、中國(guó)科學(xué)院大學(xué)教授、中國(guó)科技大學(xué)兼職教授吳南健，中國(guó)科學(xué)院自動(dòng)化研究所研究員、類腦智能研究中心副主任、中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心青年骨干、中國(guó)科學(xué)院大學(xué)崗位教授曾毅，清華大學(xué)腦與智能實(shí)驗(yàn)室及醫(yī)學(xué)院生物醫(yī)學(xué)工程系、清華類腦研究中心、麥戈文腦研究中心，研究員、博士生導(dǎo)師宋森共同探討國(guó)內(nèi)神經(jīng)形態(tài)的發(fā)展，精彩不容錯(cuò)過(guò)。雷鋒網(wǎng)

更多詳情請(qǐng)參見(jiàn) CNCC 官網(wǎng)：cncc.ccf.org.cn

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