让位,深度学习。神经形态计算——人工智能的下一件大事——正在熊熊燃烧。

就在上周,两项研究分别公布了模仿人类大脑信息处理的计算机芯片。

第一,发表在自然材料他找到了一个完美的解决方案来应对突触的不可预见性——突触是两个传递和存储信息的神经元之间的间隙。第二个,发表在科学的进步,进一步增强了系统的计算能力,用超磁性材料的纳米团簇填充突触,以支持信息编码。

结果呢?类似于大脑的硬件系统,比人脑计算得更快、更高效。

“最终,我们想要一个指甲盖大小的芯片来取代一台大型超级计算机,”Jeehwan Kim博士在麻省理工学院领导了第一项研究。

188体育365专家们希望。

“这个领域充满了炒作,很高兴能看到高质量的工作以客观的方式呈现出来。”卡弗·米德博士是帕萨迪纳加州理工学院的工程师,他没有参与这项工作。

软件,硬件

人类的大脑是终极的计算向导。大脑大约有1000亿个神经元密集地堆积在一个小足球的大小中,它可以用很少的能量以闪电般的速度灵巧地处理复杂的计算。

人工智188体育365能专家已经注意到了这一点。在过去的几年里,由大脑启发的算法可以识别人脸、伪造声音、玩各种游戏,而且往往超过人类的能力。

但软件只是其中的一部分。我们现在的电脑,晶体管和二进制数字系统,还不能运行这些强大的算法。

这就是神经形态计算出现的原因。这个想法很简单:制造一个在硬件层面上模仿大脑的电脑芯片。在这里,数据以模拟方式在芯片中处理和存储。每一个人工突触可以积累和整合来自多个来源的小信息,只有当达到一个阈值时才启动——就像它的生物对等物一样。

188体育365专家认为,速度和效率的提高将是巨大的。

首先,芯片将不再需要在中央处理器(CPU)和存储块之间传输数据,这既浪费时间又浪费能量。另一方面,像生物神经网络一样,神经形态设备可以支持运行数百万并行计算流的神经元。

“Brain-on-a-chip”

撇开乐观不提,以硬件形式复制生物突触并不像预期的那么容易。

神经形态芯片以多种形式存在,但通常看起来像一个纳米级的金属三明治。这些“面包”片通常由围绕着开关介质的导电板构成——一种类似生物突触缝隙的导电材料。

当施加电压时,如数据输入时,离子在开关介质中移动,然后产生导电流来刺激下游板。这种电导率的变化模仿了生物神经元改变其“重量”的方式,即两个相邻神经元之间连接的强度。

但到目前为止,神经形态的突触是相当不可预测的。根据Kim的说法,这是因为转换介质通常由不能引导离子到下游板上精确位置的材料组成。

“一旦你给你的人工神经元施加一些电压来代表一些数据,你就必须抹除数据,并能够以完全相同的方式重新写入数据,”解释了金姆。“但在非晶态固体中,当你再次书写时,离子会向不同的方向移动,因为有很多缺陷。”

在他的新的研究, Kim和他的同事们将果冻状的转换介质换成了硅,硅是一种只有单线缺陷的材料,其作用就像一个引导离子的通道。

该芯片首先是一层薄薄的硅晶片,上面蚀刻着蜂窝状的图案。上面是一层硅锗——通常出现在晶体管中——以同样的模式。这造成了漏斗状的错位,一种大运河,完美地穿梭离子穿过人工突触。

然后,研究人员制作了一个包含这些突触的神经形态芯片,并对它们进行电击。令人难以置信的是,突触的反应只有百分之四-远高于任何由非晶转换介质制成的神经形态装置。

在计算机模拟中,该团队利用从他们的设备测量到的参数建立了一个多层人工神经网络。经过成千上万的训练实例,他们的神经网络正确地识别出了样本95%的时间,就2%比最先进的软件算法还低。

上行吗?与运行深度学习算法的硬件相比,这种神经形态芯片需要的空间要小得多。忘记超级计算机吧——这些芯片有一天可以在我们的手持设备上运行复杂的计算。

一个磁刺激

与此同时,在科罗拉多州博尔德市,美国国家标准与技术研究所的迈克尔·施耐德博士也意识到,标准转换介质必须消失。

“肯定有更好的办法,因为大自然已经找到了更好的办法,”他说

他的解决方案?磁性锰纳米团簇。

施耐德的芯片包含两片由铌制成的超导电极,它们可以在没有电阻的情况下传导电流。当研究人员对突触施加不同的磁场时,他们可以控制锰“填充”的排列。

这个开关给了芯片双重推力。首先,通过调整转换介质,该团队可以预测离子流并提高均匀性。另一方面,磁性锰本身增加了计算能力。该芯片现在可以在不增加突触的情况下,对电子输入水平和磁性方向的数据进行编码。

认真工作。芯片以每秒十亿次的速度发射,比人类神经元快几个数量级。此外,这种芯片只需要生物芯片的万分之一的能量,同时以模拟的方式合成来自9个不同来源的输入。

前方的道路

这些研究表明,我们可能正在接近一个基准,在这个基准上,人工突触与它们的人类灵感相匹配,甚至比它们表现得更好。

但是对于神经形态计算专家Steven Furber博士来说,在芯片成为主流之前,我们还有很长的路要走。

他说,许多用于芯片的特殊材料都需要特定的温度。例如,磁性锰芯片需要绝对零度左右的温度才能运行,这意味着它们需要巨大的液氦冷却罐——显然不适合日常使用。

另一个是可伸缩性。在神经形态设备被用于解决日常问题(如面部识别)之前,需要数百万个突触。到目前为止,还没有达成协议。

但这些问题实际上可能是整个领域的驱动力。激烈的竞争会促使团队对类似的问题探索不同的想法和解决方案,就像这两项研究一样。

如果是这样的话,未来的芯片可能会有多种口味。与我们大量的深度学习算法和操作系统类似,未来的计算机芯片也可能因特定的要求和需求而有所不同。

我们值得开发尽可能多的不同的技术方法,尤其是随着神经科学家越来越了解是什么让我们的生物突触——终极灵感——如此惊人地高效。

图片来源:arakio/Shutterstock.com

范雪来,神经科学家,科学作家。她在不列颠哥伦比亚大学(University of British Columbia)完成了神经科学博士学位,在那里她开发了神经退化的新疗法。在研究生物大脑时,她开始对人工智能和所有生物技术着迷。毕业后,她搬到加州大学旧金山分校(UCSF)研究让衰老大脑恢复活力的血液因子。她是……

跟雪莉: