人工神經(jīng)元芯片獲新突破 誰將主導(dǎo)“類腦計(jì)算”的未來趨勢(shì)？

　　脈沖神經(jīng)網(wǎng)絡(luò)芯片商業(yè)化還需要好幾年

　　條條大路通羅馬。不同技術(shù)路線的存在，也自有其生存的土壤。

　　人工神經(jīng)網(wǎng)絡(luò)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(luò)、遞歸神經(jīng)網(wǎng)絡(luò)在內(nèi)的各種神經(jīng)網(wǎng)絡(luò)算法。比如Teradeep，它來源于Yann LeCun(上文提到的深度學(xué)習(xí)大神)的工作NeuFlow，已經(jīng)實(shí)現(xiàn)了商業(yè)化。

　　中國(guó)科學(xué)院計(jì)算技術(shù)研究所寒武紀(jì)系列芯片在知識(shí)產(chǎn)權(quán)布局上非常獨(dú)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(xué)習(xí)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(duì)于神經(jīng)擬態(tài)芯片，常常見諸媒體的是架構(gòu)和處理器層面的進(jìn)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(luò)。TrueNorth發(fā)源于DARPA的SyNAPSE，展示了在100mW功耗下模擬復(fù)雜的遞歸神經(jīng)網(wǎng)絡(luò)的能力，體現(xiàn)了這一架構(gòu)的獨(dú)特之處(但也有人指出功耗優(yōu)勢(shì)來自較低的主頻)。Zeroth的商業(yè)試用并不成功，目前已轉(zhuǎn)向人工神經(jīng)網(wǎng)絡(luò)加速器。

　　英特爾也在做脈沖神經(jīng)網(wǎng)絡(luò)的芯片，估計(jì)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?yàn)樗淼男滦吞幚矸妒?mdash;—計(jì)算與記憶的一體化、復(fù)雜互聯(lián)、遞歸、時(shí)空編碼、異步、低精度、隨機(jī)性、高容錯(cuò)等特征，有很高的研究?jī)r(jià)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(shí)現(xiàn)。另外，傳統(tǒng)的CPU和GPU都是同步的，實(shí)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(shí)現(xiàn)類腦計(jì)算。”吳甘沙強(qiáng)調(diào)。

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

　　實(shí)際上，對(duì)于人工神經(jīng)元芯片的問世，IBM自身也是非常清醒的。他們?cè)谥赋?ldquo;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(shí)，也強(qiáng)調(diào)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。”