當(dāng)蘋(píng)果CEO庫(kù)克介紹iPhoneX時(shí)，他聲稱(chēng)這將“為未來(lái)十年的科技發(fā)展開(kāi)辟道路”。雖然現(xiàn)在下結(jié)論還為時(shí)過(guò)早，但用于面部識(shí)別的神經(jīng)引擎是同類(lèi)產(chǎn)品中的首創(chuàng)。如今，深度神經(jīng)網(wǎng)絡(luò)已成為現(xiàn)實(shí)，而神經(jīng)形態(tài)似乎是人工智能持續(xù)發(fā)展的唯一可行途徑。

來(lái)自法國(guó)的YoleDeveloppement最近發(fā)表的一份報(bào)告稱(chēng)，面對(duì)數(shù)據(jù)帶寬的限制和不斷增長(zhǎng)的計(jì)算需求，傳感和計(jì)算必須通過(guò)模仿神經(jīng)生物學(xué)架構(gòu)來(lái)重塑自身。Yole的成像首席分析師皮埃爾坎布（PierreCambou）解釋說(shuō)，神經(jīng)形態(tài)感知和計(jì)算可以解決人工智能當(dāng)前的大部分問(wèn)題，同時(shí)在未來(lái)幾十年開(kāi)辟新的應(yīng)用前景。“神經(jīng)形態(tài)工程是仿生的下一步，并推動(dòng)人工智能的發(fā)展。”

為什么是現(xiàn)在

數(shù)學(xué)家艾倫·圖靈提出“機(jī)器會(huì)思考嗎？”三十年前，加州理工學(xué)院的電氣工程師卡弗·米德引入了神經(jīng)形態(tài)工程的概念。然而，在接下來(lái)的十年里，研究人員在制造具有類(lèi)似大腦的學(xué)習(xí)和適應(yīng)能力的機(jī)器方面幾乎沒(méi)有取得實(shí)際的成功。2006年，佐治亞理工學(xué)院（GeorgiaTech）展示了其現(xiàn)場(chǎng)可編程神經(jīng)陣列，2011年，麻省理工學(xué)院（MIT）的研究人員展示了一種模擬大腦神經(jīng)元如何適應(yīng)新信息的計(jì)算機(jī)芯片。

轉(zhuǎn)折點(diǎn)出現(xiàn)在多倫多大學(xué)的一組科學(xué)家發(fā)表的論文《深度卷積神經(jīng)網(wǎng)絡(luò)的ImageNet分類(lèi)》。AlexNet架構(gòu)由一個(gè)8層的卷積神經(jīng)網(wǎng)絡(luò)組成，使得將ImageNet競(jìng)賽中的120萬(wàn)張高分辨率圖像分類(lèi)為1000個(gè)類(lèi)別（如貓、狗）成為可能?！爸挥须S著AlexNet的發(fā)展，深度學(xué)習(xí)方法才被證明更強(qiáng)大，并開(kāi)始在人工智能領(lǐng)域獲得發(fā)展勢(shì)頭?！?/p>

目前大多數(shù)深度學(xué)習(xí)實(shí)現(xiàn)技術(shù)都依賴于摩爾定律，而且“它工作得很好”?！暗?，隨著深度學(xué)習(xí)的發(fā)展，對(duì)能夠執(zhí)行高計(jì)算任務(wù)的芯片的需求將會(huì)越來(lái)越大。”摩爾定律最近有所放緩，導(dǎo)致包括Yoledevelopment在內(nèi)的許多業(yè)內(nèi)人士認(rèn)為，它將無(wú)法維持深度學(xué)習(xí)的進(jìn)步。Cambou是那些相信深度學(xué)習(xí)“將會(huì)失敗”的人之一，如果它繼續(xù)以現(xiàn)在的方式實(shí)施的話。

為了解釋他的觀點(diǎn)，坎布列舉了三個(gè)主要障礙。首先是摩爾定律的經(jīng)濟(jì)學(xué)?！昂苌儆星騿T能夠上場(chǎng)比賽，我們最終會(huì)有一兩個(gè)晶圓廠在世界上超越7納米。我們認(rèn)為，只有谷歌才能做一些事情，這對(duì)創(chuàng)新是有害的?！?/p>

其次，數(shù)據(jù)負(fù)載的增長(zhǎng)速度快于摩爾定律，數(shù)據(jù)溢出使得當(dāng)前的內(nèi)存技術(shù)成為一個(gè)限制因素。第三，計(jì)算能力需求的指數(shù)增長(zhǎng)為每個(gè)應(yīng)用程序創(chuàng)建了一道熱障?！皩?duì)于7納米芯片，我們的效率大約是每瓦特1萬(wàn)億次浮點(diǎn)運(yùn)算。要驅(qū)動(dòng)一個(gè)Waymo，我們可能需要1千瓦，這意味著我們需要1000萬(wàn)億次浮點(diǎn)運(yùn)算，”坎布說(shuō)。目前的技術(shù)范式無(wú)法實(shí)現(xiàn)這一承諾，解決方案可能是在神經(jīng)形態(tài)硬件上應(yīng)用深度學(xué)習(xí)，并利用更好的能源效率。

Cambou表示，從更廣泛的角度來(lái)看當(dāng)前的情況，是時(shí)候采用一種顛覆性的方法了，利用新興內(nèi)存技術(shù)帶來(lái)的好處，提高數(shù)據(jù)帶寬和電力效率。這就是神經(jīng)形態(tài)方法?！叭斯ぶ悄艿墓适聦⒗^續(xù)向前發(fā)展，我們相信，下一步將朝著神經(jīng)形態(tài)的方向發(fā)展?！?/p>

近年來(lái)，有許多努力在建立神經(jīng)形態(tài)硬件，傳達(dá)認(rèn)知能力，實(shí)現(xiàn)神經(jīng)元在硅。對(duì)于Cambou來(lái)說(shuō)，這是“神經(jīng)形態(tài)的方法是滴答所有正確的方框”，并允許更大的效率。“硬件使神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)成為可能，我們相信它將使神經(jīng)形態(tài)人工智能的下一步成為可能。然后我們可以再次夢(mèng)想人工智能，夢(mèng)想基于人工智能的應(yīng)用程序?！?/p>

神經(jīng)元和突觸

神經(jīng)形態(tài)硬件正在走出研究實(shí)驗(yàn)室，其興趣和目標(biāo)都集中在傳感、計(jì)算和記憶領(lǐng)域。合資企業(yè)正在形成，戰(zhàn)略聯(lián)盟正在簽署，長(zhǎng)達(dá)10年的研究計(jì)劃，如歐盟的人類(lèi)大腦項(xiàng)目正在啟動(dòng)。

雖然在2024年之前不會(huì)有大的業(yè)務(wù)，但在那之后的幾十年里，機(jī)會(huì)的規(guī)模可能是巨大的。據(jù)Yole說(shuō)，如果所有的技術(shù)問(wèn)題在未來(lái)幾年內(nèi)得到解決，神經(jīng)形態(tài)計(jì)算市場(chǎng)將從2024年的6900萬(wàn)美元上升到2029年的50億美元和2034年的213億美元。這個(gè)生態(tài)系統(tǒng)是龐大而多樣的，有像三星、英特爾和SK海力士這樣的知名公司，也有像Brainchip、Nepes、Vicarious和GeneralVision這樣的初創(chuàng)公司。

神經(jīng)形態(tài)芯片不再是一個(gè)理論，而是一個(gè)事實(shí)。2017年，英特爾（Intel）推出了Loihi，這是該公司首款由13萬(wàn)個(gè)神經(jīng)元組成的神經(jīng)形態(tài)研究芯片。今年7月，圣克拉拉集團(tuán)（SantaClaragroup）的800萬(wàn)個(gè)神經(jīng)元神經(jīng)形態(tài)系統(tǒng)（代號(hào)為PohoikiBeach）達(dá)到了一個(gè)新的里程碑，該系統(tǒng)由64塊Loihi研究芯片組成。類(lèi)似地，IBM的TrueNorthbrain-inspiredcomputerchip有100萬(wàn)個(gè)神經(jīng)元和2.56億個(gè)突觸，而B(niǎo)rainchip的Akidaneuromorformationsystem-on-chip有120萬(wàn)個(gè)神經(jīng)元和100億個(gè)突觸。

“在提供硬件方面存在競(jìng)爭(zhēng)，這將提高神經(jīng)元和突觸的標(biāo)準(zhǔn)。突觸可能比神經(jīng)元更重要。“在Yole，我們看到前面有兩步。首先，將建立在當(dāng)前方法上的應(yīng)用程序，一部分是異步的，一部分來(lái)自馮·諾伊曼。Brainchip的Akida和英特爾的Loihi就是很好的例子?！叭缓?，很可能在未來(lái)10到15年內(nèi)，我們會(huì)在它上面加上RRAM（電阻式隨機(jī)存取存儲(chǔ)器）。這將創(chuàng)造出更多的突觸?！?/p>

神經(jīng)形態(tài)計(jì)算的努力來(lái)自像美光、西部數(shù)據(jù)和SK海力士這樣的記憶體公司，但許多公司都在尋求更多的短期收益，最終可能不會(huì)成為神經(jīng)形態(tài)研究的強(qiáng)大參與者?！拔覀儜?yīng)該關(guān)注那些選擇神經(jīng)形態(tài)作為核心技術(shù)的小公司，”坎布說(shuō)。

一些初創(chuàng)公司正在把非易失性內(nèi)存技術(shù)與神經(jīng)形態(tài)計(jì)算芯片設(shè)計(jì)結(jié)合起來(lái)。它們與Crossbar和Adesto等純存儲(chǔ)初創(chuàng)企業(yè)一起出現(xiàn)，但人們通常認(rèn)為，它們的記憶電阻（memristor，即內(nèi)存電阻）方法比pu回放計(jì)算公司的努力更為長(zhǎng)期。Cambou說(shuō)：“許多內(nèi)存播放器正在研究RRAM和相變存儲(chǔ)器，以模擬突觸?！贝送猓癕RAM［磁阻隨機(jī)存取存儲(chǔ)器］是新興記憶的一部分，將有助于神經(jīng)形態(tài)方法的成功?！?/p>

除了計(jì)算，一個(gè)神經(jīng)形態(tài)感知生態(tài)系統(tǒng)已經(jīng)出現(xiàn)，它源于1991年蘇黎世聯(lián)邦理工學(xué)院神經(jīng)信息研究所的硅神經(jīng)元。目前的競(jìng)爭(zhēng)很弱，全球只有不到10家。其中，Prophesee、三星、Insightness、InivaTIon和Celepixel都在提供即時(shí)可用的產(chǎn)品，如基于事件的圖像傳感器和相機(jī)。在電影攝影中使用的基于框架的方法無(wú)法捕捉動(dòng)作。

“電影在欺騙我們的大腦，但我們無(wú)法欺騙電腦，”坎布說(shuō)?！拔ㄒ徽_的方法就是給出眼睛正在給出的信息?；谑录臄z像機(jī)對(duì)于任何類(lèi)型的實(shí)時(shí)運(yùn)動(dòng)理解和模式理解都非常強(qiáng)大。更廣泛地說(shuō)，聽(tīng)覺(jué)、圖像和行為傳感器“對(duì)我們所說(shuō)的一般智力的各個(gè)層面都有影響”。

Yole表示，在封裝半導(dǎo)體領(lǐng)域，其預(yù)計(jì)神經(jīng)形態(tài)傳感領(lǐng)域的投資將從2024年的4300萬(wàn)美元增至2029年的20億美元和2034年的47億美元。

不僅僅是汽車(chē)

坎布說(shuō)，汽車(chē)可能是最明顯的市場(chǎng)。然而，最初的市場(chǎng)是工業(yè)和移動(dòng)的，主要用于機(jī)器人和實(shí)時(shí)感知。

短期內(nèi)，神經(jīng)形態(tài)傳感和計(jì)算將被用于工業(yè)機(jī)器的實(shí)時(shí)監(jiān)控。它還將在物流、食品自動(dòng)化和農(nóng)業(yè)方面發(fā)揮重要作用。Cambou說(shuō)：“雖然深度學(xué)習(xí)需要大量的數(shù)據(jù)集，但神經(jīng)形態(tài)學(xué)僅通過(guò)幾張圖片或幾個(gè)單詞就能快速學(xué)習(xí)并理解時(shí)間。”

在未來(lái)十年內(nèi)，混合內(nèi)存計(jì)算芯片的出現(xiàn)將打開(kāi)汽車(chē)市場(chǎng)，迫切地等待大眾市場(chǎng)的自動(dòng)駕駛技術(shù)。“我們生活在一個(gè)交互的世界里，神經(jīng)形態(tài)將在讓計(jì)算機(jī)理解非結(jié)構(gòu)化環(huán)境方面發(fā)揮強(qiáng)大的作用?！?/p>

來(lái)源：搜狐