“我手里拿著的這塊芯片擁有100萬個神經元、2.56億個突觸和4,096個內核。它擁有54億個晶體管，是IBM打造過的最大芯片。”
達曼德拉·莫德哈（Dharmendra S. Modha）博士在和我通話時顯得非常激動。這是我第三次和莫德哈博士談到他的長期項目。IBM的這個項目旨在創造出全新的計算機芯片SyNAPSE，其架構受到了人腦的啟發。這塊新型芯片就是此項目的一大成功。
不過，“啟發”是關鍵詞。該芯片的架構模擬人腦的結構，但在很大程度上進行了簡化。不過與如今的電腦相比，那種架構擁有某些驚人的優勢。例如，盡管這是IBM打造過的最大芯片，但功率極低，約為63毫瓦，和筆記本電腦芯片功率相比微不足道。
而且，這種新型芯片具有可擴展性，可以將幾塊芯片連接起來，組成更大的神經網絡。相關研究的詳細內容已于8月7日發表在《科學》（Science）雜志上。
“2011年，我們有了單核的SyNAPSE芯片。”莫德哈對我說，“現在，我們將核數增加到4,096個，同時使每個內核的面積縮小為原來的15分之一，功率降到原來的百分之一。”
這種芯片的每個內核都模仿簡化版的大腦神經結構，包含256個“神經元”（處理器）、256個“軸突”（內存）和6.4萬個“突觸”（負責神經元和軸突之間的通信）。這種架構完全不同于馮·諾依曼結構。現今幾乎所有電腦（包括你用來讀這篇文章的那臺電腦）都采用了馮·諾依曼結構。
這個項目始于2008年，IBM為此與幾所大學展開了多年的合作。美國國防部高等研究計劃署（Defense Advanced Research Projects Agency，簡稱DARPA）向該項目提供了5,300萬美元資金。首個原型芯片在2011年問世，編程語言和開發包于2013年發布。
“這種新型芯片將為那些鉆研脈沖神經元算法的研究人員提供強大的工具。”泰倫斯·賽杰諾維斯基（Terrence J. Sejnowski）博士對我說。賽杰諾維斯基是索爾克研究所（Salk Institute）計算神經科學實驗室的主管。他并未參與IBM的這個項目，但熟悉這項技術。“我們知道，這種算法模仿了大腦利用脈沖神經元的方式，勝過現有的所有算法，而功率僅為20瓦，比筆記本電腦還低。”
但值得指出的是，SynAPSE系統不會取代如今的電腦，而是作為補充。莫德哈把該系統比作協處理器，用于高性能計算機，幫助它們更快地處理數據。或者，他在和我交談時用了一個更有詩意的詞語來加以形容，他把SynAPSE系統稱為“右腦”計算機，而當今電腦采用的是“左腦”架構。
“目前采用馮·諾依曼結構的計算機能夠快速處理符號和數字。”他說，“SynAPSE芯片速度慢，但擁有多種感知能力，更善于識別實時傳感器數據。”
所以，在處理龐大的數據和進行繁重的計算任務時，我們仍將需要傳統計算機，而那些“認知”計算機則負責分析和識別那些數據中的模式。重要的應用包括模式的視覺識別，莫德哈博士認為這在無人駕駛汽車等領域里會非常有用。
賽杰諾維斯基對我說：“今后的方向是研制出能夠解決感知和移動識別問題的低功率計算機。人類在解決這些問題時做得很好，而數字計算機做得很差。”
這就是IBM希望用SynAPSE芯片做到的事情——識別普通計算機無法識別的模式。莫德哈說：“谷歌地圖能夠為你設計路線，但SynAPSE芯片能看到路面是否有坑洼。”
SynAPSE芯片之所以在模式識別方面擁有優勢，是因為其模仿人腦的架構擁有更加強大的并行處理能力，這點不同于按順序處理數據的傳統計算機。例如，在面部識別應用程序中，該芯片的一個內核負責識別鼻子的形狀，另一個內核負責發質和發色，還有一個內核負責眼睛的顏色，以此類推。每個內核都比傳統處理器更慢，但由于它們可以并行工作，因此從總體上來說，該芯片能夠更快、更準確地完成這類操作。
這種芯片的其他潛在應用包括用于相機來自動識別雜亂環境中令人感興趣的物體。莫德哈的團隊還認為，該芯片在自然語言處理方面也非常有用，能夠從語法上分析并執行人的指令，就像《星際迷航》（Star Trek）里那些知道人們何時在發布指令、何時在彼此交談的電腦。
京公網安備 11010502049343號