AI大咖關(guān)注的類(lèi)腦芯片能否超越人腦？又是否可以沖破摩爾定律

據(jù)悉，AI領(lǐng)域的大咖都在關(guān)注搞類(lèi)腦芯片的研究，相比于傳統(tǒng)芯片，類(lèi)腦芯片的確在功耗上具有絕對(duì)優(yōu)勢(shì)，研究員試圖通過(guò)模擬人腦運(yùn)轉(zhuǎn)機(jī)制，使機(jī)器超越人腦。據(jù)報(bào)道隨著技術(shù)的進(jìn)步，顛覆傳統(tǒng)架構(gòu)的類(lèi)腦芯片已為芯片行業(yè)開(kāi)啟了一扇新的大門(mén)。

最近，在AI領(lǐng)域無(wú)論是學(xué)術(shù)界的大咖還是行業(yè)的大佬，都在如火如荼的搞類(lèi)腦芯片的研究，當(dāng)然也取得了不少成果。日前，斯坦福大學(xué)研究院電子與微系統(tǒng)技術(shù)實(shí)驗(yàn)室的Jeehwan Kim教授在《自然》雜志上發(fā)表了一篇論文，一時(shí)間引來(lái)了產(chǎn)學(xué)研三界的關(guān)注。原因是Jeehwan Kim教授與研究員們使用一種稱(chēng)為硅鍺的材料研發(fā)了一款人工突觸芯片，可支持識(shí)別手寫(xiě)字體的機(jī)器學(xué)習(xí)算法。無(wú)獨(dú)有偶，近日中國(guó)科學(xué)院自動(dòng)化研究所類(lèi)腦智能研究中心類(lèi)腦信息處理（BRAVE）研究組也在借鑒生物神經(jīng)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)建模與類(lèi)人學(xué)習(xí)研究中取得了突破性的研究。

從計(jì)算機(jī)誕生起，人們就不斷要求它的計(jì)算能力提升，隨著芯片集成性越來(lái)越高，CPU與內(nèi)存之間的性能差距越來(lái)越大?；隈T諾依曼結(jié)構(gòu)的計(jì)算機(jī)結(jié)構(gòu)呈現(xiàn)的缺點(diǎn)也愈加明顯，也有人稱(chēng)這為內(nèi)存墻，意思是說(shuō)CPU再快，也要等內(nèi)存。相比之下，人腦卻沒(méi)有此類(lèi)問(wèn)題出現(xiàn)，據(jù)研究表明，人類(lèi)大腦平均每秒可執(zhí)行 1 億億次操作，所需能量只有 10～25 瓦特。因而研究員們正轉(zhuǎn)向模擬人類(lèi)大腦研究，試圖通過(guò)模擬人腦運(yùn)轉(zhuǎn)機(jī)制，使計(jì)算機(jī)能低能耗高功效地進(jìn)行計(jì)算，甚至使計(jì)算機(jī)優(yōu)于類(lèi)人的智能。

國(guó)內(nèi)外有許多公司和機(jī)構(gòu)正在類(lèi)腦芯片研發(fā)上投入大量精力，美國(guó)在此項(xiàng)研究上開(kāi)始較早，2014年IBM就推出了業(yè)內(nèi)首款類(lèi)腦芯片TrueNorth。國(guó)內(nèi)最近幾年在芯片研發(fā)上也不甘示弱，也有西井科技這樣的初創(chuàng)公司投身到類(lèi)腦芯片的研發(fā)中來(lái)，清華等知名高校也紛紛建立類(lèi)腦研究中心。

相比于傳統(tǒng)芯片，類(lèi)腦芯片的確在功耗上具有絕對(duì)優(yōu)勢(shì)，拿英特爾在本次CES上展出的自我學(xué)習(xí)芯片Loihi來(lái)說(shuō)，不僅其學(xué)習(xí)效率比其他智能芯片高100萬(wàn)倍，而且在完成同一個(gè)任務(wù)所消耗的能源比傳統(tǒng)芯片節(jié)省近1000倍。類(lèi)腦芯片的集成度也非常高，拿浙大推出的“達(dá)爾文”芯片來(lái)說(shuō)，其面積為25平方毫米，也就是說(shuō)邊長(zhǎng)只有0.5厘米，但內(nèi)部卻能包含500萬(wàn)個(gè)晶體管。隨著行業(yè)對(duì)計(jì)算力要求越來(lái)越高，馮氏瓶頸將越來(lái)越明顯，顛覆傳統(tǒng)架構(gòu)的類(lèi)腦芯片已為芯片行業(yè)開(kāi)啟了一扇新的大門(mén)。

現(xiàn)代計(jì)算機(jī)基本都基于馮·諾依曼結(jié)構(gòu)，它將程序和處理該程序的數(shù)據(jù)用同樣的方式分別存儲(chǔ)在兩個(gè)區(qū)域，一個(gè)稱(chēng)為指令集，一個(gè)稱(chēng)為數(shù)據(jù)集。計(jì)算機(jī)每次進(jìn)行運(yùn)算時(shí)需要在CPU和內(nèi)存這兩個(gè)區(qū)域往復(fù)調(diào)用，因而在雙方之間產(chǎn)生數(shù)據(jù)流量。而隨著深度學(xué)習(xí)算法的出現(xiàn)，對(duì)芯片計(jì)算力的要求不斷提高，馮·諾伊曼瓶頸遇見(jiàn)明顯：當(dāng)CPU需要在巨大的資料上執(zhí)行一些簡(jiǎn)單指令時(shí)，資料流量將嚴(yán)重降低整體效率，CPU將會(huì)在資料輸入或輸出時(shí)閑置。

不僅如此，傳統(tǒng)芯片還存在一個(gè)大問(wèn)題就是效率低。芯片在工作時(shí)，大部分的電能將轉(zhuǎn)化為熱能，一個(gè)不帶散熱器的計(jì)算機(jī)，其CPU產(chǎn)生的熱量就可在短時(shí)間內(nèi)將其自身融化。其他的智能化設(shè)備，也因芯片復(fù)雜耗能太高，導(dǎo)致續(xù)航能力差，不管如何改善工藝，高溫和漏電都是難以避免的問(wèn)題。

為了解決CPU在大量數(shù)據(jù)運(yùn)算效率低能耗高的問(wèn)題，目前有兩種發(fā)展路線(xiàn)：一是延用傳統(tǒng)馮諾依曼架構(gòu)，主要以3中類(lèi)型芯片為代表：GPU、FPGA、ASIC；二是采用人腦神經(jīng)元結(jié)構(gòu)設(shè)計(jì)芯片來(lái)提升計(jì)算能力，已完全擬人化為目標(biāo)，追求在芯片架構(gòu)上不斷逼近人腦，這類(lèi)芯片被稱(chēng)為類(lèi)腦芯片。

人腦神經(jīng)元在接受到刺激后，其細(xì)胞膜內(nèi)外帶電離子分布將發(fā)生變化，因而形成電位差，電位差將沿著神經(jīng)細(xì)胞軸突、樹(shù)突雙向傳導(dǎo)，形成脈沖電流。而當(dāng)該電信號(hào)傳遞到突觸時(shí)，突觸前神經(jīng)元將釋放神經(jīng)遞質(zhì)（如多巴胺、腎上腺素）由突觸后神經(jīng)元接受神經(jīng)遞質(zhì)產(chǎn)生興奮（該過(guò)程單向傳遞），并向下傳遞作用與人體反應(yīng)器并發(fā)生反應(yīng)。

類(lèi)腦芯片架構(gòu)就是模擬人腦的神經(jīng)突觸傳遞結(jié)構(gòu)。眾多的處理器類(lèi)似于神經(jīng)元，通訊系統(tǒng)類(lèi)似于神經(jīng)纖維，每個(gè)神經(jīng)元的計(jì)算都是在本地進(jìn)行的，從整體上看神經(jīng)元們分布式進(jìn)行工作的，也就是說(shuō)整體任務(wù)進(jìn)行了分工，每個(gè)神經(jīng)元只負(fù)責(zé)一部分計(jì)算。在處理海量數(shù)據(jù)上這種方式優(yōu)勢(shì)明顯，并且功耗比傳統(tǒng)芯片更低。比如IBM的TrueNorth芯片每平方厘米功耗消耗僅為20毫瓦。