江苏龙网

  1. 首页 > 资讯 > 资讯 > >

【新浪科技综合】以假乱真的硅神经元，能复制人脑吗？新浪科技综合2020-07-17 09:57:310阅( 三 )


除了神经形态芯片的高度互联和发放脉冲这两大特性外 ， 它们还复制了生物神经系统的另一个特征：与传统计算机芯片不同 ， 传统计算机芯片将处理器和存储器放在不同的地方 ， 而神经形态芯片往往有很多微小的处理器 ， 每个处理器都有少量的本地内存 。 这种配置类似于人脑的组织 ， 神经元同时负责数据存储和处理 。 研究人员认为 ， 神经形态架构的这一要素可以让用这些芯片构建的模型更好地复制人类的学习和记忆 。
学习能力是英特尔洛以希（Loihi）芯片*关注的一个重点 ， 该芯片于2017年9月首次发布 ， 并在2018年1月与研究人员分享据<4> 。 洛以希芯片旨在仿真约13万个神经元和1.3亿个突触 ， 这种芯片结合了锋电位时间依赖性可塑性（STDP）的模型 ， STDP是脑中由突触前和突触后锋电位的相对定时介导突触强度的一种机制 。 一个神经元如果在第二个神经元发放之前发放 ， 就会加强它与第二个神经元之间的连接 ， 而如果发放顺序相反 ， 连接强度就会减弱 。 这些突触强度的变化被认为在人脑的学习和记忆中起着重要作用 。
*译者注：以夏威夷海底山Loihi命名 。
领导开发洛以希芯片的戴维斯表示 ， 其目的是为了学会我们脑擅长的快速、终身学习能力 ， 而目前的人工智能模型却还不具备 。 和真北一样 ， 也向许多不同的研究人员分发了洛以希芯片 。 随着越来越多的团体使用这些芯片来仿真脑 ， 戴维斯说：“希望可以逐渐搞清楚某些较为普遍的原理 ， 由此得以解释可在脑中看到的一些惊人能力 。 ”
神经形态工程学
对于其所有潜在的科学应用来说 ， 真北和洛以希芯片并不是专门为神经科学家打造的 。 它们主要是研究芯片 ， 旨在测试和优化神经形态架构 ， 以提高其能力和易用性 ， 并探索各种潜在的商业应用 。 其范围从语音和手势识别到高能效机器人和设备上的机器学习模型 ， 这些模型可以支持开发更聪明的智能手机和自动驾驶汽车 。 欧盟的人脑计划（Human Brain Project）则开发了两种神经形态硬件系统 ， 它们都有明确的目标：认识脑 。
2016年推出的“神经形态混合系统脑启发多尺度计算”（BrainScaleS）项目* ， <5>把许多芯片都集成在一个大硅片上 ， 其形状更像是一只超薄的飞盘而不是指甲 。 每个晶圆包含384个模拟芯片 ， 它们的工作方式颇像因迪维里的模拟芯片的升级版 ， 这种芯片针对速度而不是低功耗进行了优化 。 每个晶圆都仿真了约20万个神经元和4900万个突触 。
*译者注：BrainScaleS是Brain-Inspired Multiscale Computation in Neuromorphic Hybrid Systems的缩写 。
BrainScaleS与欧盟的另一个神经形态系统“脉冲发放神经网络构筑”系统（SpiNNaker）*一起 ， 都得益于作为人脑计划的理论、实验和计算神经科学家大家庭的一分子 。 与这一社群的互动将导致发现可能帮助科学家的新特性 ， 并让这两个系统的新发现迅速回馈到该领域 。
【【新浪科技综合】以假乱真的硅神经元，能复制人脑吗？新浪科技综合2020-07-17 09:57:310阅】*译者注：SpiNNaker是Spiking Neural Network Architecture的缩写 。
【新浪科技综合】以假乱真的硅神经元，能复制人脑吗？新浪科技综合2020-07-17 09:57:310阅
文章图片
图5/6曼彻斯特大学的计算机工程师史蒂夫·弗伯（Steve Furber）在20年前就构思了SpiNNaker ， 为此他已经设计了十多年 。 弗伯表示 ， 在对作为SpiNNaker基础的小型数字芯片进行了大约6年的努力之后 ， 他和他的同事们在2011年实现了全部功能 。 从那时起 ， 他们的研究团队一直在将芯片组装成规模不断扩大的机器 ， 最终在2018年底建成了有百万处理器的机器<6> 。 弗伯预计 ， SpiNNaker应该能够对小鼠脑中的1亿个神经元进行实时建模 ， 而传统的超级计算机做起来要慢一千倍左右 。
目前 ， 学术实验室可以免费使用欧盟人脑计划系统 。 神经科学家们开始在SpiNNaker硬件上运行自己的程序 ， 以仿真脑特定子系统（如小脑、皮层或基底神经节）中所进行的高级处理 。 例如 ， 研究人员正试图仿真一个小的重复结构单元——皮层微柱 ， 微柱是位于脑外层的负责大多数高级功能的结构单元 。 弗伯说道：“虽然微柱很小 ， 但它仍然有8万个神经元和25亿个突触 ， 所以要想对此建模并非轻而易举 。 ”
他补充说 ， “接下来 ， 我们开始考虑系统层面的问题 ， 而不仅仅是单个的脑区 。 ”我们正逐步接近作为人智能之源的、有850亿个神经元的器官的全脑模型 。
模仿脑
达特茅斯学院的计算神经科学家理查德·格兰杰（Richard Granger）表示 ， 利用神经形态硬件对脑进行建模 ， 可以揭示神经计算的基本原理 。 神经科学家可以非常详细地测量神经元的生物物理和化学特性 ， 但很难知道这些特性中究竟是哪些性质才真正对脑的计算能力重要 。 虽然神经形态芯片中使用的材料与人脑中的细胞物质完全不同 ， 但使用这种新硬件的模型可以揭示脑如何往返传送和评估信息的计算原理 。
用硅复制简单的神经回路 ， 帮助因迪维里发现脑在设计上的隐性好处 。 他曾经给过一位博士生一块神经形态芯片 ， 这块芯片具有锋电位的频率适应性 ， 这是一种让人习惯于持续性刺激的机制 。 由于芯片空间紧张 ， 这位学生决定不要这一特性 。 然而 ， 当他努力降低对芯片的带宽和功率要求时 ， 他最终得到了实际上与他所删除的锋电位频率适应相同的东西 。 因迪维里和他的同事们还发现 ， 长距离发送模拟信号的最佳方式并不是 ， 例如说 ， 将其表示为连续可变的流 ， 而是将其表示为脉冲串或脉冲序列 ， 正像神经元所做的一样 。 因迪维里说道：“如果你想把功率和带宽降到最低 ， 神经元所使用的原来就是传输信号的最佳技术 。 ”


推荐阅读


上一篇：洪水中 “逆行”的身影守护平安

下一篇：由负转正，中国经济将持续复苏（人民论坛）