人工神經(jīng)元芯片獲新突破 誰將主導類腦計算的未來趨勢？

　　日前，IBM蘇黎世研究中心宣布，制造出世界首個人造納米級隨機相變神經(jīng)元芯片，可實現(xiàn)人工智能的高速無監(jiān)督學習。外媒對此高度重視并評論道：“這一突破標志著人類在認知計算應用中超密度集成神經(jīng)形態(tài)技術，以及高效節(jié)能技術上的發(fā)展又向前邁進重要的一步?！?/p>本文引用地址：http://butianyuan.cn/article/201608/295584.htm

　　神經(jīng)元芯片不屬于生物神經(jīng)網(wǎng)絡范疇

　　英特爾中國研究院前院長吳甘沙告訴記者，關于類腦計算，現(xiàn)在也沒有一個廣為接受的定義，但現(xiàn)在基本可以看到兩個方向，人工神經(jīng)網(wǎng)絡從功能層面模仿大腦的能力，而神經(jīng)擬態(tài)計算(neuromorphic computing)則是從結構層面去逼近大腦，其結構也有兩個層次，一是神經(jīng)網(wǎng)絡層面，與之相應的是神經(jīng)擬態(tài)架構和處理器，二是神經(jīng)元層面，與之相應的是元器件。

　　大家還可以看到其他的一些名詞，比如腦啟發(fā)計算(brain inspired computing)，基本都是在上述層次里游移。IBM剛剛宣布的人工神經(jīng)元即是在神經(jīng)擬態(tài)計算方向，在神經(jīng)元結構層面做出的努力。

　　“我們稱IBM關注的這類模型為‘脈沖神經(jīng)網(wǎng)絡’?！北本┲锌坪浼o科技有限公司創(chuàng)始人兼CEO陳天石在接受記者采訪時指出，“IBM在人造神經(jīng)元方面的工作，是以新器件的方式直接模仿脈沖神經(jīng)元的行為，與其前期推出的TrueNorth是一脈相承的。我們不認為它是生物神經(jīng)網(wǎng)絡，而只是理論神經(jīng)科學家的一種數(shù)學模型。但生物的神經(jīng)網(wǎng)絡究竟是什么樣，神經(jīng)科學家都還是一知半解，IBM現(xiàn)在就開始模仿，可能為時過早。”

　　寒武紀科技的兩個創(chuàng)始人均是中國科學院腦科學與智能技術卓越創(chuàng)新中心的成員，該中心是由世界頂尖神經(jīng)科學家，美國科學院院士、中國科學院外籍院士蒲慕明教授組建的，挑選了中國科學院最優(yōu)秀的腦科學和智能技術專家組建，一直密切關注著神經(jīng)科學的前沿動態(tài)。

　　“從新聞報道的內(nèi)容來看，IBM推出的人造神經(jīng)元是屬于脈沖型神經(jīng)網(wǎng)絡的一款芯片。”作為成功量產(chǎn)中國首款嵌入式神經(jīng)網(wǎng)絡處理器芯片的企業(yè)，中星微電子集團首席技術官張韻東的看法與陳天石相同。

　　作為人工神經(jīng)網(wǎng)絡的一種，卷積神經(jīng)網(wǎng)絡CNN 是當前人工智能機器視覺領域的研究熱點。

　　張韻東進一步指出，IBM人工神經(jīng)元與卷積神經(jīng)網(wǎng)絡處理器芯片(如中星微的“星光智能一號”)相比，共同之處是，都是屬于受到生物人腦機理的啟發(fā)而通過半導體電路與器件去實現(xiàn)的，都是采用CMOS半導體工藝來生產(chǎn)的。而不同之處在于，所采用的架構和實現(xiàn)方式不同，前者采用脈沖型架構，用數(shù)模混合電路來實現(xiàn);后者采用卷積型架構，用數(shù)據(jù)驅動的并行數(shù)字電路來實現(xiàn)。

　　人工神經(jīng)網(wǎng)絡技術更被看好?

　　由此看來，不管是叫神經(jīng)擬態(tài)計算，還是叫脈沖神經(jīng)網(wǎng)絡，IBM的這種技術路線是和人工神經(jīng)網(wǎng)絡并行的一種技術路線。那么，兩種路線孰優(yōu)孰劣?

　　張韻東更看好人工神經(jīng)網(wǎng)絡。他認為，卷積神經(jīng)網(wǎng)絡與軟件開發(fā)環(huán)境的結合更加緊密，更加易于編程，易于商用化。

　　陳天石也認為，目前為止，脈沖神經(jīng)網(wǎng)絡與人工神經(jīng)網(wǎng)絡相比，尚有很大差距。

　　他舉例道，脈沖神經(jīng)網(wǎng)絡無法做大尺度的圖像識別，即使是做簡單的手寫數(shù)字識別，其識別精度也還沒有上世紀80年代流行的多層感知機(經(jīng)典的人工神經(jīng)網(wǎng)絡)做得好。

　　我們知道，寒武紀科技和中星微電子都是國內(nèi)致力于人工神經(jīng)網(wǎng)絡技術路線的企業(yè)，他們對IBM人造神經(jīng)元的看法是否會偏頗?

　　IEEE“神經(jīng)網(wǎng)絡先鋒獎”獲得者、Facebook人工智能實驗室負責人、人工智能深度學習權威Yann LeCun此前的評論我們可以參考。

　　對TrueNorth以及IBM一直關注的脈沖神經(jīng)網(wǎng)絡，Yann LeCun說：“這類網(wǎng)絡沒有在任何有意思的問題上表現(xiàn)出與當前最好技術(指人工神經(jīng)網(wǎng)絡深度學習技術)接近的結果”。

　　回答得有點迂回，但表達的意思基本清楚。

　　脈沖神經(jīng)網(wǎng)絡芯片商業(yè)化還需要好幾年

　　條條大路通羅馬。不同技術路線的存在，也自有其生存的土壤。

　　人工神經(jīng)網(wǎng)絡是從算法向硬件發(fā)展的。吳甘沙告訴記者，傳統(tǒng)的算法在通用芯片(CPU和GPU)上效率不高，于是出現(xiàn)了特定的算法加速器，來加速包括卷積神經(jīng)網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡在內(nèi)的各種神經(jīng)網(wǎng)絡算法。比如Teradeep，它來源于Yann LeCun(上文提到的深度學習大神)的工作NeuFlow，已經(jīng)實現(xiàn)了商業(yè)化。

　　中國科學院計算技術研究所寒武紀系列芯片在知識產(chǎn)權布局上非常獨到，也開始了商業(yè)化的探索。谷歌的TPU(Tensor Processing Unit)也是一種專用的加速器芯片，跟其深度學習軟件Tensor Flow匹配。就中短期而言，這類芯片有很好的商業(yè)化前景。

　　對于神經(jīng)擬態(tài)芯片，常常見諸媒體的是架構和處理器層面的進展。吳甘沙提出，IBM的TrueNorth芯片和高通的Zeroth芯片，兩者都基于脈沖神經(jīng)網(wǎng)絡。TrueNorth發(fā)源于DARPA的SyNAPSE，展示了在100mW功耗下模擬復雜的遞歸神經(jīng)網(wǎng)絡的能力，體現(xiàn)了這一架構的獨特之處(但也有人指出功耗優(yōu)勢來自較低的主頻)。Zeroth的商業(yè)試用并不成功，目前已轉向人工神經(jīng)網(wǎng)絡加速器。

　　英特爾也在做脈沖神經(jīng)網(wǎng)絡的芯片，估計商業(yè)化還需要好幾年。即便如此，各家公司還是投入重兵，因為它所代表的新型處理范式——計算與記憶的一體化、復雜互聯(lián)、遞歸、時空編碼、異步、低精度、隨機性、高容錯等特征，有很高的研究價值。例如，生物神經(jīng)元有很多突觸連接，這在硅芯片上很難實現(xiàn)。另外，傳統(tǒng)的CPU和GPU都是同步的，實現(xiàn)神經(jīng)擬態(tài)需要異步電路。

　　“所以說，另一種思路是在器件方面得到突破，比如DARPA UPSIDE基于模擬芯片，有些類腦芯片基于憶阻器(memristor)，以及IBM剛剛宣布的人工神經(jīng)元，所有這些都比傳統(tǒng)的晶體管更容易實現(xiàn)類腦計算。”吳甘沙強調。

　　“IBM的神經(jīng)元新器件對脈沖神經(jīng)網(wǎng)絡的硬件實現(xiàn)有很大幫助，但這類模型在算法方面尚有很長的路要走。”陳天石表示，“未來也許會有突破，但近年不樂觀。”

　　實際上，對于人工神經(jīng)元芯片的問世，IBM自身也是非常清醒的。他們在指出“這些相變神經(jīng)元是我們到目前為止所創(chuàng)造出的行為最接近生物神經(jīng)元的人工器件”的同時，也強調將面臨“更難的部分——編寫一些能夠真正利用該芯片的神經(jīng)形態(tài)的軟件”。

　　但正如IBM所說：“我們沒有任何理由止步于此?！?/p>