想和人腦一樣智能？ IBM 的芯片級模仿才是關(guān)鍵

　　深度學習軟件毫無疑問推動了人工智能的浪潮。現(xiàn)在，許多公司和研究人員都在花大力氣在軟硬件上對人腦進行模擬。

　　在硬件方面主要是通過對大型神經(jīng)網(wǎng)絡(luò)進行仿真。如Google的深度學習系統(tǒng)GoogleBrain，微軟的Adam等。但是這些網(wǎng)絡(luò)需要大量傳統(tǒng)計算機的集群。比方說GoogleBrain就采用了1000臺各帶16核處理器的計算機，這種架構(gòu)盡管展現(xiàn)出了相當?shù)哪芰?，但是能耗依然巨大?/p>

　　而IBM則是從芯片著手進行模仿。：它設(shè)計了一種叫TrueNorth的仿人腦電腦芯片，并把它當做深度學習的硬件平臺。目前，公司正在對該芯片的性能進行研究測試。

　　深度學習之所以能力強大，關(guān)鍵在于其中的一項算法——卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetworks)。它包含了大量的節(jié)點層(layersofnodes)，也稱神經(jīng)元(neurons)。像這樣的神經(jīng)網(wǎng)絡(luò)可以通過深度結(jié)構(gòu)過濾大量的信息，進而實現(xiàn)自動識別人臉或理解不同語言的功能。

　　IBM不久前的一項研究顯示，在能支持多種神經(jīng)網(wǎng)絡(luò)的仿人腦硬件上，卷積神經(jīng)網(wǎng)絡(luò)算法同樣有用。

　　7月9日，IBM把自己的一項研究成果刊登在了ProceedingsoftheNationalAcademyofSciences上。該項研究由U.S.DefenseAdvancedResearchProjectsAgency(DARPA)資助，數(shù)額近100萬美元。這項支持是該機構(gòu)皮質(zhì)處理器項目(CorticalProcessorprogram)的一部分，旨在促進能識別復(fù)雜情況和適應(yīng)環(huán)境變化的仿人腦人工智能的研究。

　　DharmendraModha是IBM研究中心Almaden仿人腦計算項目首席科學家。他表示：

　　這個研究具有里程碑式的意義，而且證實了一個顯而易見的概念：仿人腦計算的運行效率會隨著深度學習效率的提升而提升，而這又為新一代芯片和算法提高工作效率和正確率鋪平了道路。

　　2011年，IBM第一次對外具體公布TrueNorth和其芯片原型，而以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)發(fā)展起來的深度學習革命卻開始于2012年。由此可看出，剛開始并不是專門為了應(yīng)用深度學習而設(shè)計TrueNorth，反而有了TrueNorth才促進了脈沖神經(jīng)網(wǎng)絡(luò)去模仿真實生物大腦中的神經(jīng)元連接構(gòu)造。

　　脈沖神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元并不是在每一次迭代傳播中都被激活(而在典型的多層感知機網(wǎng)絡(luò)中卻是)，而是在它的膜電位達到某一個特定值后才被激活。這有效減少了圖形認知或語言處理的運行速度。

　　但深度學習專家卻覺得，同樣是用在機器學習上，至少和卷積神經(jīng)網(wǎng)絡(luò)相比，脈沖神經(jīng)網(wǎng)絡(luò)的效率并不夠高。

　　YannLeCun是Facebook人工智能研究院理事、深度學習領(lǐng)域的先驅(qū)。他曾批評過IBM的TrueNorth芯片，把它稱之為草包族科學。他說，IBM只是復(fù)制了機器的表象，卻沒有深入理解及其背后的原理。

　　有反對的聲音，但也有支持的聲音。ZacharyChaseLipton是加州大學(位于圣地亞哥)人工智能團隊深度學習研究員。他說，

　　TrueNorth可以促進實現(xiàn)神經(jīng)形態(tài)計算，要知道，深層次模仿和理解生物大腦正是神經(jīng)形態(tài)計算的功勞。

　　通過對比不同學者們的觀點可以發(fā)現(xiàn)，深度學習研究人員通常更關(guān)心的是如何使實踐結(jié)果應(yīng)用到以人工智能為技術(shù)支撐的服務(wù)和產(chǎn)品上。

　　還拿那個老套的鳥和飛機的比喻做例子。你可能覺得卷積神經(jīng)科學研究鳥更多;而脈沖神經(jīng)科學則更多關(guān)注空氣動力學，生物學可有可無。

　　專有計算機硬件對機器學習的好處越來越明顯。因此，神經(jīng)形態(tài)芯片并沒有讓人覺得很興奮的原因主要是，在深度學習中脈沖神經(jīng)網(wǎng)絡(luò)并沒有那么流行。

　　因此，為了使TrueNorth芯片能更好的應(yīng)用機器學習，IBM必須研究出一種新的算法來幫助卷積神經(jīng)網(wǎng)絡(luò)在神經(jīng)形態(tài)計算機硬件上運行的更好。

　　在研究測試中，TrueNorth可以給圖片數(shù)據(jù)分類，每秒速度1200-2600幀，能耗25-275毫瓦。處理器還能夠識別圖片模式，這些圖片是50-100個攝像頭以每秒24幀的速度拍攝的。

　　TrueNorth剛開始進行深度學習測試就獲得這樣的結(jié)果，給人的印象好像還挺深刻。但是，大家還是謹慎為好，Lipton說，畢竟視覺數(shù)據(jù)集在處理32×32素的圖像時，還存在有少量問題。

　　不過這可影響不到Modha。他依舊懷著熱切的心情繼續(xù)著TrueNorth深度學習測試。他和他的同事希望芯片測試能在無限制的深度學習環(huán)境下進行。這需要他們在訓練神經(jīng)網(wǎng)絡(luò)時逐步引進硬件限制，而不是從一開始就對其完全限制。

　　Modha還指出，TrueNorth的其中一個優(yōu)勢是它的普適性，其他很多深度學習硬件都只能在卷積神經(jīng)網(wǎng)絡(luò)上運行，但TrueNorth可以接受多種類型的人工智能網(wǎng)絡(luò)。

　　“TrueNorth不僅可運行卷積神經(jīng)網(wǎng)絡(luò)(雖然設(shè)計者一開始無意于此)，支持多種包括反饋、橫向以及前饋的連接模式，還能應(yīng)用多種其他的算法。”

　　像這樣的類生物芯片只有比其他深度學習硬件應(yīng)用更出眾才能流行起來，Lipton說。同時，他還建議到，IBM可以利用它的硬件公司，和Google、Intel一起為設(shè)計深度學習專用芯片而奮斗。

　　“我想，未來肯定會一些神經(jīng)形態(tài)芯片制造商，他們會通過自己的硬件公司來加速芯片的發(fā)展以使整個行業(yè)更集中于實踐性深度學習的應(yīng)用，而不是純粹的生物模仿。”