我的目標是一種新的計算模式,。
如今,，作為美國加利福尼亞斯坦福大學的一名生物工程師，Boahen和其他一些研究人員正在試圖通過大腦的逆向工程來創(chuàng)造這種計算模式,。
大腦的運行十分高效節(jié)能,，可以進行足以挑戰(zhàn)世界最大的超級計算機的運算，盡管它所依賴的組件并不完美：神經(jīng)元是緩慢,、多變且混亂的,。理解語言、進行抽象推理,、控制運動——這些大腦都能做到,，而且都發(fā)生在一個比鞋盒還小的區(qū)域內(nèi)，比家用燈泡的功耗還小,。
為了使硅也能實現(xiàn)如此的功能,，研究人員正在構建非數(shù)字芯片系統(tǒng)，并盡可能地使其功能與真正的神經(jīng)元網(wǎng)絡相似,。幾年前,，Boahen完成了一個叫作神經(jīng)網(wǎng)格的裝置，可模擬一百萬個神經(jīng)元——相當于一只蜜蜂的大腦,。如今,，經(jīng)過25年的發(fā)展，“神經(jīng)形態(tài)技術”的應用終于勝利在望,。該技術有望支持低功率和小體積的設備,，從智能手機,、機器人到人工眼睛和耳朵,。過去5年里，不錯的前景已經(jīng)吸引了很多研究人員投身該領域,，美國和歐洲的機構也已為此投入數(shù)億美元,。
瑞士蘇黎世神經(jīng)信息學（INI）研究所的Giacomo Indiveri認為,，神經(jīng)形態(tài)設備也為神經(jīng)科學家提供了一個強大的研究工具。通過觀察神經(jīng)功能的哪些模型可以在實際物理系統(tǒng)中使用,，“人們就能了解大腦為何會按照這種方式建立”,。
“我的目標是一種新的計算模式，”Boahen說,，“即使在組件過于小的情況下也可以運算,。”
硅網(wǎng)絡
神經(jīng)形態(tài)的觀點可以追溯到20世紀80年代Carver Mead的想法,，Mead是加州理工學院微芯片設計方面的先驅,。他發(fā)明了“神經(jīng)形態(tài)”這一術語，并且是首位強調(diào)大腦巨大節(jié)能優(yōu)勢的學者,?！拔腋惺艿搅似渲械镊攘Α,！彼f,，“究竟大腦是如何做到的呢？”
Mead探究這一問題的策略是使用“亞閾值”硅來模擬大腦的低功耗處理過程,。在特別小的電壓下,，仍然有微小的、不規(guī)則的電子細流通過晶體管,，其與神經(jīng)元通道中流動的離子所攜帶的電子流的大小和可變性相似,。Mead認為，通過微觀電容器,、電阻器和其他組件可以控制這些電流,，因此該裝置也許能做到與真正的神經(jīng)元一樣形成微小的電路，并有相同的電學性能,。它們可以在與大腦中真實的神經(jīng)電路十分相似的分散網(wǎng)絡中被連接起來,，進而在各組件間產(chǎn)生通信線路，而不用再通過中央處理器,。
20世紀90年代,，Mead和同事已經(jīng)發(fā)現(xiàn)建立一個硅神經(jīng)元網(wǎng)絡是可能的，其電流和電壓不限于傳統(tǒng)芯片中的幾個離散的數(shù)值,。它模擬了大腦低功耗運行的關鍵點：與大腦一樣,，硅神經(jīng)元使用了非常小的能量來簡單地集成輸入。而一個傳統(tǒng)計算機需要持續(xù)的能源來運行內(nèi)部的時鐘,，無論芯片是否正在運算,。
研發(fā)挑戰(zhàn)
Boahen于1990年加入了Mead的實驗室。他說,，在最初的時期,，研究人員都忙于研究單芯片設備,。不過到20世紀90年代末，“我們希望建立一個‘大腦’,，因此需要大規(guī)模的芯片間通信,。”這是一個巨大的挑戰(zhàn)：芯片間通信的標準編碼算法都是專門為精確協(xié)調(diào)數(shù)字信號而設計的,，不會在有更多隨機尖峰脈沖的神經(jīng)形態(tài)系統(tǒng)下工作,。
21世紀初，Boahen和其他研究人員發(fā)明了在這種混亂系統(tǒng)下運行的電路和算法,，為大規(guī)模神經(jīng)形態(tài)系統(tǒng)的一系列發(fā)展開辟了道路,。
“就效率而言，Boahen的神經(jīng)網(wǎng)格與大腦的神經(jīng)網(wǎng)絡十分相似,，遙遙領先于其他大規(guī)模的神經(jīng)形態(tài)系統(tǒng),。”INI聯(lián)合創(chuàng)辦人,、硅神經(jīng)元的協(xié)作開發(fā)者Rodney Douglas評價道,。
不過正如Boahen自己所說的那樣，沒有什么系統(tǒng)是完美的,。神經(jīng)網(wǎng)格最大的缺點之一是其突觸連接簡單,，不能單獨修改。這意味著該系統(tǒng)不能用于模擬學習,，而在大腦中,，通過經(jīng)驗修改突觸后就能實現(xiàn)這一切。
另一個問題來自制造過程中不可避免的變化,，這意味著每個神經(jīng)形態(tài)芯片的運行都略有不同,。“其變化性還是遠遠低于在大腦中所觀察到的情況,?！盉oahen說。
這一問題導致一些研究人員拋棄了Mead使用“亞閾值”硅芯片的最初想法,。他們使用嚴格意義上仍有神經(jīng)形態(tài)性的傳統(tǒng)數(shù)據(jù)系統(tǒng)——可以模擬單個神經(jīng)元的電學性能,，但其可預測性更強，更易編程,，而代價是耗能更多,。
實際應用
這些研究性項目的成功引發(fā)了人們對將神經(jīng)形態(tài)硬件應用于實用的、超低功耗設備（從手機到機器人）的興趣,。
而Boahen則正在追求他自己的實際應用方法,，這從他在4月開始的一個尚未命名的計劃中就可以明顯看出。該項目基于人工大腦Spaun：一個大腦的計算機模型，包括負責視覺,、運動和決策的部分。Spaun依賴于10年前由加拿大滑鐵盧大學理論神經(jīng)科學家Chris Eliasmith開發(fā)的神經(jīng)回路編程語言,。用戶只需指定所需的神經(jīng)功能,，Eliasmith的系統(tǒng)就會自動射擊神經(jīng)元網(wǎng)絡來實現(xiàn)該功能。
Boahen與Eliasmith聯(lián)系后,，向他介紹了自己的提議：使用實時神經(jīng)形態(tài)硬件構建一個物理版的Spaun,。“我非常興奮,?！盓liasmith說。在他看來,，這樣的匹配是完美的,，“你們有花生醬，而我們有巧克力”,！
美國海軍研究辦公室為他們提供了資金,，Boahen和Eliasmith已經(jīng)召集了一個團隊，計劃在3年內(nèi)建立一個小規(guī)模的原型,，并在5年內(nèi)建立一個全面的系統(tǒng),。
該系統(tǒng)是專門為現(xiàn)實世界的應用而設計的。Boahen稱,，在5年的時間內(nèi),，“我們設想構建完全自主的機器人，它們可以用一種有意義的方式與環(huán)境互動,，并在僅消耗像手機電池一樣多的電量的前提下,，完成實時操作。這種設備會比今天的自動機器人更加靈活,，并有更強的適應性,，同時消耗非常少的能量。
Boahen補充稱,，更長期來看,，該技術將用于任何計算機系統(tǒng)中更為緊湊和低功耗的處理器，而不僅僅是機器人,。如果研究人員真的已經(jīng)成功捕捉到了令大腦如此高效和緊湊的關鍵因素,，那么這將是需要更微小芯片的產(chǎn)業(yè)的福音。
“但我們并不能確定,?！盉oahen說，“除非去嘗試?！保◤埗?nbsp;
Kwabena Boahen手握著其神經(jīng)網(wǎng)格設備中的神經(jīng)形態(tài)回路板,。圖片來源：《自然》
如今,，作為美國加利福尼亞斯坦福大學的一名生物工程師，Boahen和其他一些研究人員正在試圖通過大腦的逆向工程來創(chuàng)造這種計算模式,。
大腦的運行十分高效節(jié)能,，可以進行足以挑戰(zhàn)世界最大的超級計算機的運算，盡管它所依賴的組件并不完美：神經(jīng)元是緩慢,、多變且混亂的,。理解語言、進行抽象推理,、控制運動——這些大腦都能做到,，而且都發(fā)生在一個比鞋盒還小的區(qū)域內(nèi)，比家用燈泡的功耗還小,。
為了使硅也能實現(xiàn)如此的功能,，研究人員正在構建非數(shù)字芯片系統(tǒng)，并盡可能地使其功能與真正的神經(jīng)元網(wǎng)絡相似,。幾年前,，Boahen完成了一個叫作神經(jīng)網(wǎng)格的裝置，可模擬一百萬個神經(jīng)元——相當于一只蜜蜂的大腦,。如今,，經(jīng)過25年的發(fā)展，“神經(jīng)形態(tài)技術”的應用終于勝利在望,。該技術有望支持低功率和小體積的設備,，從智能手機,、機器人到人工眼睛和耳朵,。過去5年里，不錯的前景已經(jīng)吸引了很多研究人員投身該領域,，美國和歐洲的機構也已為此投入數(shù)億美元,。
瑞士蘇黎世神經(jīng)信息學（INI）研究所的Giacomo Indiveri認為,，神經(jīng)形態(tài)設備也為神經(jīng)科學家提供了一個強大的研究工具。通過觀察神經(jīng)功能的哪些模型可以在實際物理系統(tǒng)中使用,，“人們就能了解大腦為何會按照這種方式建立”,。
“我的目標是一種新的計算模式，”Boahen說,，“即使在組件過于小的情況下也可以運算,。”
硅網(wǎng)絡
神經(jīng)形態(tài)的觀點可以追溯到20世紀80年代Carver Mead的想法,，Mead是加州理工學院微芯片設計方面的先驅,。他發(fā)明了“神經(jīng)形態(tài)”這一術語，并且是首位強調(diào)大腦巨大節(jié)能優(yōu)勢的學者,?！拔腋惺艿搅似渲械镊攘Α,！彼f,，“究竟大腦是如何做到的呢？”
Mead探究這一問題的策略是使用“亞閾值”硅來模擬大腦的低功耗處理過程,。在特別小的電壓下,，仍然有微小的、不規(guī)則的電子細流通過晶體管,，其與神經(jīng)元通道中流動的離子所攜帶的電子流的大小和可變性相似,。Mead認為，通過微觀電容器,、電阻器和其他組件可以控制這些電流,，因此該裝置也許能做到與真正的神經(jīng)元一樣形成微小的電路，并有相同的電學性能,。它們可以在與大腦中真實的神經(jīng)電路十分相似的分散網(wǎng)絡中被連接起來,，進而在各組件間產(chǎn)生通信線路，而不用再通過中央處理器,。
20世紀90年代,，Mead和同事已經(jīng)發(fā)現(xiàn)建立一個硅神經(jīng)元網(wǎng)絡是可能的，其電流和電壓不限于傳統(tǒng)芯片中的幾個離散的數(shù)值,。它模擬了大腦低功耗運行的關鍵點：與大腦一樣,，硅神經(jīng)元使用了非常小的能量來簡單地集成輸入。而一個傳統(tǒng)計算機需要持續(xù)的能源來運行內(nèi)部的時鐘,，無論芯片是否正在運算,。
研發(fā)挑戰(zhàn)
Boahen于1990年加入了Mead的實驗室。他說,，在最初的時期,，研究人員都忙于研究單芯片設備,。不過到20世紀90年代末，“我們希望建立一個‘大腦’,，因此需要大規(guī)模的芯片間通信,。”這是一個巨大的挑戰(zhàn)：芯片間通信的標準編碼算法都是專門為精確協(xié)調(diào)數(shù)字信號而設計的,，不會在有更多隨機尖峰脈沖的神經(jīng)形態(tài)系統(tǒng)下工作,。
21世紀初，Boahen和其他研究人員發(fā)明了在這種混亂系統(tǒng)下運行的電路和算法,，為大規(guī)模神經(jīng)形態(tài)系統(tǒng)的一系列發(fā)展開辟了道路,。
“就效率而言，Boahen的神經(jīng)網(wǎng)格與大腦的神經(jīng)網(wǎng)絡十分相似,，遙遙領先于其他大規(guī)模的神經(jīng)形態(tài)系統(tǒng),。”INI聯(lián)合創(chuàng)辦人,、硅神經(jīng)元的協(xié)作開發(fā)者Rodney Douglas評價道,。
不過正如Boahen自己所說的那樣，沒有什么系統(tǒng)是完美的,。神經(jīng)網(wǎng)格最大的缺點之一是其突觸連接簡單,，不能單獨修改。這意味著該系統(tǒng)不能用于模擬學習,，而在大腦中,，通過經(jīng)驗修改突觸后就能實現(xiàn)這一切。
另一個問題來自制造過程中不可避免的變化,，這意味著每個神經(jīng)形態(tài)芯片的運行都略有不同,。“其變化性還是遠遠低于在大腦中所觀察到的情況,?！盉oahen說。
這一問題導致一些研究人員拋棄了Mead使用“亞閾值”硅芯片的最初想法,。他們使用嚴格意義上仍有神經(jīng)形態(tài)性的傳統(tǒng)數(shù)據(jù)系統(tǒng)——可以模擬單個神經(jīng)元的電學性能,，但其可預測性更強，更易編程,，而代價是耗能更多,。
實際應用
這些研究性項目的成功引發(fā)了人們對將神經(jīng)形態(tài)硬件應用于實用的、超低功耗設備（從手機到機器人）的興趣,。
而Boahen則正在追求他自己的實際應用方法,，這從他在4月開始的一個尚未命名的計劃中就可以明顯看出。該項目基于人工大腦Spaun：一個大腦的計算機模型，包括負責視覺,、運動和決策的部分。Spaun依賴于10年前由加拿大滑鐵盧大學理論神經(jīng)科學家Chris Eliasmith開發(fā)的神經(jīng)回路編程語言,。用戶只需指定所需的神經(jīng)功能,，Eliasmith的系統(tǒng)就會自動射擊神經(jīng)元網(wǎng)絡來實現(xiàn)該功能。
Boahen與Eliasmith聯(lián)系后,，向他介紹了自己的提議：使用實時神經(jīng)形態(tài)硬件構建一個物理版的Spaun,。“我非常興奮,?！盓liasmith說。在他看來,，這樣的匹配是完美的,，“你們有花生醬，而我們有巧克力”,！
美國海軍研究辦公室為他們提供了資金,，Boahen和Eliasmith已經(jīng)召集了一個團隊，計劃在3年內(nèi)建立一個小規(guī)模的原型,，并在5年內(nèi)建立一個全面的系統(tǒng),。
該系統(tǒng)是專門為現(xiàn)實世界的應用而設計的。Boahen稱,，在5年的時間內(nèi),，“我們設想構建完全自主的機器人，它們可以用一種有意義的方式與環(huán)境互動,，并在僅消耗像手機電池一樣多的電量的前提下,，完成實時操作。這種設備會比今天的自動機器人更加靈活,，并有更強的適應性,，同時消耗非常少的能量。
Boahen補充稱,，更長期來看,，該技術將用于任何計算機系統(tǒng)中更為緊湊和低功耗的處理器，而不僅僅是機器人,。如果研究人員真的已經(jīng)成功捕捉到了令大腦如此高效和緊湊的關鍵因素,，那么這將是需要更微小芯片的產(chǎn)業(yè)的福音。
“但我們并不能確定,?！盉oahen說，“除非去嘗試?！保◤埗?nbsp;
