类脑计算机十问亿级神经元类脑计算机:AI领域有望突破,哪些还需火候( 二 )


Darwin Mouse是在神经元尺度上模仿大脑 。 这种设计在功耗层面有巨大的潜力 。 例如 , 人脑的典型功耗大概是20瓦左右 , 相当于1-2个节能灯的功耗 。 自然界中 , 很多神经元远低于100万的昆虫就能做到实时目标跟踪、路径规划、导航和障碍物躲避 。
2.澎湃:无论是单个的神经元模型或是通过脉冲传递信号 , 这些仿脑设计原则上都可以通过传统计算机模拟实现 。 为什么需要专门研制一台类脑计算机?
潘纲:传统CPU的核心是数值运算和逻辑 , 用传统计算机模拟亿级脉冲式神经网络时 , 会出现运行速度慢、计算能量高等效率问题 , 其效率与类脑计算机相比是多个量级上的差别 。
3.澎湃:除了底层芯片之外 , 类脑计算机与传统计算机有什么差异?
潘纲:类脑计算机与传统计算机差别非常大 , 传统计算机的算法和软件在类脑计算机上不能运行 。 另外 , 普通计算机能做的事情 , 类脑计算机不是都能做的 。 比如简单的质数分解 , 其实现在的类脑计算机上是没有现成的算法可以实现 。
类脑计算机能做的是一个神经网络可以做的事情 。 这个神经网络不是人工智能经常讨论的已经非常简化的神经网络 , 而是有更加生物逼真度的神经网络 。
类脑计算机主要将用于处理其擅长的人工智能任务 , 并不会完全替代冯·诺依曼架构的传统计算机 。 两者互补与融合会是未来的可能趋势 。
4.澎湃:类脑计算机在哪些任务上已经做到了超越普通计算机?
潘纲:我们在发布会中展现的任务并非表明都比传统计算机完成得更好 , 只是从仿脑的技术路线去做 , 发现传统的一些任务 , 类脑计算机也可以实现 。
一定要说超过谁呢?我觉得可能现在火候还欠缺一点 , 在整体上很多地方都要欠缺一点 , 例如算法或者软件 。 【类脑计算机十问亿级神经元类脑计算机:AI领域有望突破,哪些还需火候】
但这样一套新的技术体系是有非常大的潜力 , 可以突破目前人工智能再往前发展的“下一个坎” 。 有望通过类脑计算的方式为人工智能乃至其他计算任务做出突破 。
目前来看 , 类脑计算机的内在机制可以让计算机的功耗降低 , 这对计算机而言非常重要 。 目前一些国际研究结论表明 , 类脑计算机的功耗至少比传统计算机低1~2个量级 。
此外 , 凡是与神经系统模拟相关的领域 , 我们都可以考虑用类脑计算机为其制作新的工具 , 帮助加速研究或是技术开发 。
5.澎湃:类脑计算机的运算速度如何?
潘纲:类脑计算机的运算速度很难与现有的计算机比较 。 例如用于检测CPU或超算的指标 , 很多都不是类脑计算机所擅长的 。 我们内部会参考突触操作速度和时延等指标 。
目前超算的评测研究相对比较成熟 , 有公认的指标可以比较 , 让计算机运行多种不同类型的计算任务 , 比如线性方程组求解 , 看谁的速度快 。 但类脑计算机目前还没有现成的评测标准 。
过几年 , 更多类脑计算机出现后 , 应该会有一些相对来说比较公平的评测标准 。
6.澎湃:“全球神经元规模最大”意味着什么?有哪些同类计算机?
潘纲:我给类脑计算机做一个简单的界限:我们把它看做是一定要在硬件或者芯片上模拟复杂神经神经网络的 。 如果是在传统计算机上的纯软件模拟 , 就不叫类脑计算机 。
这样的界限下面 , 目前国际上有三个典型的类脑计算系统:一是德国海德堡大学牵头的 , 规模达到400万神经元;第二个是IBM , 规模是6400万神经元;第三是英特尔 , 1亿神经元 。
媒体以“全球最大”作为宣传亮点 , 但我的理解是——我们现在这套类脑计算机与目前国际上最好的类脑计算机的规模是相当的 。 就规模而言 , 从研究或者技术的角度看 , (3台计算机)其实没有本质差别 。
总体上现在国内类脑计算的发展还是慢的 , 特别与美国和欧洲相比 。 但是这几年大家比较重视 , 国家的投入也多了 。 我觉得接下去几年应该会慢慢改善 , 后面还是有比较多的机会 , 未来可以超过他们 。


推荐阅读