人們曾經(jīng)認(rèn)為眼睛是一個“啞的”傳感器，通過視覺神經(jīng)將數(shù)據(jù)發(fā)送到大腦，大腦包含了所有的視覺“處理”能力。近年來，科學(xué)家們一直在探究眼睛內(nèi)視網(wǎng)膜神經(jīng)元的復(fù)雜結(jié)構(gòu)和線路。正如對大腦的研究已經(jīng)為現(xiàn)代人工智能（AI）做出了巨大的貢獻(xiàn)一樣，關(guān)于視覺系統(tǒng)的這些發(fā)現(xiàn)也提出了一個有趣的框架，可以指導(dǎo)當(dāng)今高度專業(yè)化、分布式和互連的數(shù)據(jù)中心中類似的復(fù)雜處理任務(wù)的未來發(fā)展。

大腦的神經(jīng)網(wǎng)絡(luò)為激發(fā)人工智能（AI）和機(jī)器學(xué)習(xí)（ML）革命的新算法提供了靈感。

在過去的十年中，可編程的GPU取得了令人難以置信的進(jìn)步，現(xiàn)在它能夠以類似人類的性能來解決極具挑戰(zhàn)的語音和圖像識別問題。眼睛的擴(kuò)展神經(jīng)網(wǎng)絡(luò)為這些AI和ML算法的擴(kuò)展提供了新的模型，朝向一個更分布式的計算范式發(fā)展，這個范式包括了在邊緣的智能網(wǎng)絡(luò)設(shè)備。就像GPU能夠?qū)崿F(xiàn)大腦的深層神經(jīng)網(wǎng)絡(luò)一樣，眼睛也激發(fā)了一種新型的處理器 C I/O處理單元（IPU），它結(jié)合了兩種功能：執(zhí)行類似于眼睛的遠(yuǎn)程處理能力，和整合將被有效傳輸?shù)郊惺綌?shù)據(jù)中心進(jìn)行其他計算的信息。

生命有機(jī)體的視覺系統(tǒng)眼視網(wǎng)膜中有50多種不同類型的神經(jīng)元，它們都以一種精確的方式連接在一起，以形成特定的子結(jié)構(gòu)，來對關(guān)鍵數(shù)據(jù)流進(jìn)行預(yù)處理。例如：檢測運動的能力對生存有著至關(guān)重要的意義，尤其是有投射物直接向你的臉扔射過來的時候。一個物體變大意味著運動，如果它變大而沒有明顯的橫向運動，那么它很可能會撞擊到你。這些信息需要非?？焖俚捻憫?yīng)，甚至繞過大腦中正常的視覺處理來觸發(fā)躲避反應(yīng)。即使事后證明是錯誤的數(shù)據(jù)，至少也避免了一場可能的災(zāi)難。

視網(wǎng)膜內(nèi)所有這些美麗的復(fù)雜性如何對視覺功能作出貢獻(xiàn)呢？

視網(wǎng)膜有許多不同的子結(jié)構(gòu)，在信息經(jīng)由神經(jīng)節(jié)通過視神經(jīng)傳遞到大腦之前，每一個子結(jié)構(gòu)都會對視覺場景進(jìn)行特定且重要的處理。視網(wǎng)膜實際上執(zhí)行了許多不同類型的處理，能夠探測到可視場景的不同方面，并將各種形式的合并信息傳遞給大腦：

1. 短暫時間的 C 即使是強(qiáng)烈背景下微弱的閃光

2. 空間的 C 模式檢測，尤其是對左右對稱的檢測

3. 運動的 C 檢測物體的運動

此處的短暫時間的靈敏度令人震驚，周期性但在既不快也不慢的適當(dāng)速度下甚至能夠檢測到單一光子也是可能的。

數(shù)據(jù)中心、邊緣處理和連接的新模型如今更先進(jìn)的數(shù)據(jù)中心正沿著與人類視覺系統(tǒng)（HVS）的分布式智能類似的路線發(fā)展，使用帶有內(nèi)置處理器的智能網(wǎng)卡（SmartNIC）和I/O處理單元（IPU），可以在邊緣實時地做出重要決策。

因此，正如眼睛具有短暫時間、空間和運動的檢測模式一樣，基于IPU的智能網(wǎng)卡（SmartNIC）或控制器可以提供關(guān)于信息的時間、位置和流動的詳細(xì)資訊。類似地，IPU可以自動標(biāo)記信息的來源，映射到正確的虛擬網(wǎng)絡(luò)，將信息傳輸?shù)剿枰サ牡胤?。然后在接收時，將其路由到特定虛擬機(jī)內(nèi)存中的正確位置。

IPU甚至可以做更多的事情，它們可以處理對時間敏感的數(shù)據(jù)，對其進(jìn)行壓縮，從而只需較少的帶寬即可移動到集中位置，并加快存儲和安全等功能的處理速度考慮網(wǎng)絡(luò)安全。在擁有自帶設(shè)備（BYOD）和無線連接的云連接世界中，我們再也無法定義一個清晰的網(wǎng)絡(luò)邊界并使用防火墻來保護(hù)它。我們還需要能夠檢測網(wǎng)絡(luò)中任何地方可能的惡意軟件、或只是異常的行為。

基于智能I/O處理單元的智能網(wǎng)卡可以當(dāng)場檢測到這種異常，并立即采取緩解措施，例如阻止或轉(zhuǎn)移數(shù)據(jù)流，而不通過網(wǎng)絡(luò)將其發(fā)送到集中的計算資源進(jìn)行分析。

今天的“超大規(guī)?！睌?shù)據(jù)中心（為亞馬遜網(wǎng)絡(luò)服務(wù)、Facebook、微軟和阿里巴巴等互聯(lián)網(wǎng)巨頭提供動力的那種系統(tǒng)）包含數(shù)十萬臺強(qiáng)大的服務(wù)器，通過數(shù)千英里的網(wǎng)絡(luò)電纜將它們連接在一起。據(jù)估計，谷歌在其全球13個數(shù)據(jù)中心擁有90萬臺服務(wù)器，使用的電力足夠20萬戶家庭使用。

問題是：如何最好地將龐大而復(fù)雜的部件集合，集成為一個功能強(qiáng)大且高效的整體？

正如我們在人類大腦上看到的那樣，將關(guān)鍵智能分配到系統(tǒng)中，而不是將每個信號都發(fā)送到大腦進(jìn)行處理，這樣具有進(jìn)化的優(yōu)勢。因此，此舉是通過安裝智能網(wǎng)卡，使網(wǎng)絡(luò)本身更加智能，該智能網(wǎng)卡不僅可以更有效、無縫地響應(yīng)正常的運行狀況，還可以快速響應(yīng)網(wǎng)絡(luò)中的異?；驖撛诘奈ｋU活動，從而無需等待傳統(tǒng)數(shù)據(jù)中心的集中智能指令即可采取行動。

除了向更高效、自我修復(fù)的數(shù)據(jù)中心發(fā)展之外，這又將把我們帶往何處？

自動化和機(jī)器學(xué)習(xí)的新發(fā)展，反映了使我們的視覺感官如此智能的進(jìn)化和發(fā)生的過程。值得注意的是，“基于意圖的”網(wǎng)絡(luò)的興起，能夠?qū)崿F(xiàn)更高層級的業(yè)務(wù)意圖（例如自動識別和消除網(wǎng)絡(luò)攻擊，或者處理故障的系統(tǒng)），而不需要技術(shù)團(tuán)隊費力地重新編寫系統(tǒng)的每一個元素。