去年8月，國際商業(yè)機器公司(IBM)公布了一款芯片(見上圖)，其運行方式類似于人腦的神經元和突觸。目前，這家公司正著手開發(fā)該芯片的新一代產品，旨在讓移動設備更加智能化地執(zhí)行那些對人腦來說很簡單但對計算機來說卻很難的任務，比如語音識別和圖像解譯。

“我們正在開發(fā)該芯片的新一代產品，但目前最重要的是商業(yè)合作伙伴。”負責IBM研究院(IBM Research)和多個業(yè)務部門——其中包括兩個致力于開發(fā)機器智能軟件沃森(Watson)套件的部門——的IBM高級副總裁約翰·凱利(John Kelly)說，“企業(yè)可以將該產品用于各種不同的移動設備、機器和汽車等產品中。”

凱利表示，在將人腦仿生芯片安裝到手機等產品中之后，這些產品就可以識別用戶所說的話，同時也可以追蹤周圍發(fā)生的事情。

時下，與之最接近的設備可以聽懂特定關鍵詞：蘋果(Apple)最新推出的iPhone可以通過語音“Hey Siri”喚醒，而一些使用谷歌(Google)軟件的手機則可以通過語音“OK Google”喚醒。

IBM開發(fā)的這款名為TrueNorth的芯片架構，是美國國防高級研究計劃署(DARPA)資助的一個項目，目的是在不借助云計算基礎設施的情況下，讓移動計算機以極低能耗運行圖像或語音識別等先進機器智能軟件。

凱利說，目前IBM正與領先的計算機系統(tǒng)制造商就TrueNorth設計的應用進行洽談，但他沒有透露這些公司的名稱。“我們正在與移動領域和物聯(lián)網領域的知名公司談判。”他說。

同時他還表示，TrueNorth芯片可以作為“協(xié)處理器”安裝到設備設計中，使其與傳統(tǒng)處理器一同工作，而且它會一直運行。

去年8月公布的TrueNorth芯片，其尺寸與郵票大小相當，有100萬個硅“神經元”以及2.56億個如同突觸的連接。與同等大小的傳統(tǒng)處理器相比，該芯片在能耗方面不及前者的千分之一。在IBM的展示中，該芯片的神經元網絡可以執(zhí)行諸如對視頻中不同車輛進行實時識別等任務。

然而，由于TrueNorth芯片架構與當前計算機的芯片架構存在很大不同，所以它需要新的軟件編寫方法。此外，仿神經元的工作模式與基于軟件的人工神經網絡的工作模式也有所不同。

最近，谷歌、Facebook和微軟(Microsoft)等公司就利用后者、通過一種名為“深度學習”(deep learning)的方法在語音和圖像處理方面取得突破。

IBM開發(fā)的TrueNorth芯片架構上的神經元通過電控開關“尖峰”(spikes)對數(shù)據進行編碼，嘗試模仿生物神經元的尖峰信號，而深度學習中的模擬神經元則不使用這種信號。

在執(zhí)行語音識別或圖像處理等任務時，使用尖峰神經元的人工神經網絡的表現(xiàn)(包括IBM技術在內)并不及使用深度學習方法的人工神經網絡。Facebook人工智能研究實驗室負責人、深度學習的倡導者雅恩·勒昆(Yann LeCun)，就對前者的實用性表示了懷疑。

負責IBM人腦仿生芯片開發(fā)的達蒙德拉·莫達(Dharmendra Modha)反駁稱，要想讓神經網絡在芯片中保持高效運轉，尖峰至關重要。他還表示，他的團隊已經著手開發(fā)相關工具，可以將訓練好的深度學習神經網絡轉移到TrueNorth芯片上。

“你可以把這款芯片想象成一種基質，上面各種各樣的神經網絡可以以超低能耗和超低容量實時映射各種應用。”他說。

美國索爾克生物研究所(Salk Institute for Biological Studies)計算神經生物學實驗室負責人泰倫斯·謝諾沃斯基(Terrence Sejnowski)也表示，在不利用云資源的情況下，要想讓緊湊型計算機以低功耗執(zhí)行智能化任務，尖峰神經元很重要。

它們存在于自然中是有原因的，泰倫斯說。

加拿大蒙特利爾大學(University of Montreal)的約書亞·本吉奧(Yoshua Bengio)也是一位深度學習的倡導者。他表示，該技術的準確性可以轉移到硬件尖峰神經元上，而且要比原先預想的簡單。

本月上旬，與IBM在語言軟件方面有合作的本吉奧在網上貼出一篇論文初稿，表示對用于深度學習的模擬神經元進行改進，使之更接近尖峰神經元，這不會損及圖像處理的準確性。

即便IBM的人腦仿生芯片架構可以“調和”深度學習技術，但競爭依然存在。谷歌早已著手開發(fā)可用于現(xiàn)有移動設備的人工神經網絡，而包括領先的移動處理器設計巨頭高通(Qualcomm)在內的多家公司也正在開發(fā)芯片，用于運行手機等移動設備或汽車上安裝的深度學習軟件。