科技中心

当前位置:3522.com > 科技中心 > 神经形态芯片赋予计算机认知能力

神经形态芯片赋予计算机认知能力

来源:http://www.4sports-uk.com 作者:3522.com 时间:2020-03-18 06:49

计算机也“换脑” 神经形态芯片赋予计算机认知能力

选自TheScientist

这是从一种计算模式发展到另一种模式的质变。

作者:SANDEEP RAVINDRAN

图片 1

机器之心编译

每个TrueNorth芯片都包含54亿个晶体管,集成了2560万个神经突触。

参与:罗赛男、张倩

图片来源:DEANNE FITZMAURICE

在用硅芯片模拟人类大脑的路上,科学家们已经做了一些尝试,但其速度和能耗都让人无法接受。因此,研究者提出用神经形态芯片代替传统芯片来完成这项艰巨的任务。神经形态芯片是受人脑启发创建的一种芯片,具有速度快、能耗低、可扩展能优点。本文详述了神经形态芯片的基本概念、优势、发展历程及现状。

在美国国际商用机器公司大脑实验室的一个计算机监控器上,一段从斯坦福大学塔楼上录制的视频短片展示了汽车、自行车、公交车、卡车和行人构成的穿梭画面。每一种交通方式进入画面后,都会呈现出不同的颜色:紫色代表骑行者,绿色代表行人,深蓝色代表汽车,天蓝色代表卡车,黄色代表公交车。

2012 年,计算机科学家 Dharmendra Modha 使用一台强大的超级计算机模拟了超过 5000 亿个神经元的活动,甚至比人脑中约 850 亿个神经元还要多。这是近十年工作的高潮,十年间,Modha 从模拟啮齿动物和猫的大脑发展到模拟人类规模的大脑。

这些颜色显示着一枚邮票大小的计算机芯片作出的判断,这枚芯片可以对不断变化的场景进行监测,并对进入系统的每种交通方式进行区分。该项目负责人、IBM硅谷艾玛顿研究中心电子计算机工程师Dharmendra Modha说:“它的判断几乎都是正确的。”例如一个骑自行车的人进入画面后会迅速被标注为紫色,但是当骑行者下车推车步行后,颜色会随即转为绿色。

这一模拟消耗了大量的计算资源--150 万个处理器和 1.5PB的内存,计算速度却仍比人脑慢 1500 倍,令人难以忍受。Modha 估计,要使其达到人脑的实时运行速度,需要 12 千兆瓦的能量,大约是胡佛水坝最大输出能力的 6 倍。

“神经形态”的电脑芯片

「然而,这只是模拟大脑处理一幅卡通画所需的能量」,加州北部 IBM 阿尔马登研究中心类脑计算首席科学家 Modha 说。这一模拟根本无法复制人脑的功能,因为人脑使用的能量与一个 20 瓦的灯泡相当。

这种认知模式对人来说轻而易举,但是对于一台计算机来说无异于一项杰作。Modha和他在IBM5个研究中心以及康奈尔大学的同事这样描述这个小芯片:它是首个具有“神经形态”的电脑芯片,不同于传统意义上的平板电脑或手机中的处理器,它可以像一个哺乳动物的大脑一样运行。

自 21 世纪初以来,硬件的改进以及实验和理论神经系统科学的进步使研究人员能够创造出更大更详细的大脑模型。但是越复杂的模拟越容易受到传统计算机硬件的限制,正如 Modha 的耗能模型所展现的那样。

这枚芯片的名字叫作TrueNorth,它标志着芯片设计上的一次巨大跨越,有望使电脑更好地处理诸如图片、语音识别等复杂任务,而普通的芯片很难完成。过去若干年来,科学家一直在尝试建立一种受人脑启发的计算方式。美国与欧洲的几个实验室也在尝试过不同的技术版本。但外界人士表示,TrueNorth具备把神经形态的计算从实验室推向现实世界的潜质。

Modha 的人脑模拟实验在劳伦斯利弗莫尔实验室中完成,运行于搭载蓝色基因 BlueGene/ Q 系统的 Sequoia 超级计算机之上,Sequoia 是一个传统计算机硬件的超强集合体:它由大量传统计算机芯片、含数百万晶体管的指甲大小的硅晶片驱动。控制传统计算机芯片结构和功能的规则与我们人类的大脑完全不同。

TrueNorth集成了54亿个连接在一起的晶体管,形成了一系列由百万个“数字神经元”构成的阵列,它们就像生物体的大脑一样,彼此之间可以通过2560万个“神经突触”进行对话。这个神经网络系统架构可以高效地完成普通芯片难以完成的模式识别等复杂任务。加州劳伦斯—伯克利国家实验室计算机学家Horst Simon表示:“这是从一种计算模式发展到另一种模式的质变。”

但事实上,计算机完全不同于人类「思考」方式使得它们在进行数值计算等任务时具有优势。而在其它领域,如理解人类语言或从经验中学习,计算机明显落后于人类。如果科学家想要模拟出一个可以与人类智能相媲美的大脑,他们可能必须从更好的构件——由人脑启发的计算机芯片开始。

对人类来说,感知能力似乎再简单不过,人们能很容易区分出骑自行车与滑滑板的区别。相较而言,尽管现代计算机拥有强大的运算能力,在这些任务面前却一筹莫展。最先进的运算方式或许可以解决这些挑战,但是它们却需要庞大的计算能力。例如,谷歌最近展示了一套可以用来区别猫与人脸的计算模式,但这项任务需要16000个集成电路与100千瓦的能耗,而人类的大脑仅需约10瓦能耗。

所谓的神经形态芯片复制了大脑的结构——也就是说,它们使用类似于神经元动作电位的「神经元脉冲」相互交流。这种脉冲行为允许芯片消耗极少的能量,并且即使将之拼接成非常大规模的系统时,也能保持节能。

今天普遍使用的计算机芯片是基于70年前匈牙利人John von Neumann提出的系统架构。1945年,Neumann引入了处理、记忆和控制单元相分离的现代计算机基础设计模型,该模型擅长执行序列逻辑运算,且有助于进行数据解读、电子表格运行以及文字处理。但当它涉及到大数据处理,如处理一些视觉或语言的时候,就会陷入困境。

「在我看来,最大的优势是可扩展性」,安大略省滑铁卢大学的理论神经科学家 Chris Eliasmith 说。在他的《如何构建大脑》(How to Build a Brain)一书中,Eliasmith 描述了一个由他创建并命名为 Spaun 的功能性大脑的大规模模型。

现代芯片必须把资料从记忆库中抽取出来,然后把抽取的结果送回到记忆库中,才能进行下一步操作。因此,来回提取与反馈这些数据不仅需要能耗,还会造成交通堵塞。

当 Eliasmith 运行 Spaun 的初始版本时,它有 250 万个「神经元」,即使这个模型运行在最好的传统芯片上,运行速度也比生物神经元慢 20 倍。「每当我们增加几百万个神经元,它就会相应得再慢几十倍,」他说。

在过去数十年中,工程师一直设法通过缩小晶体管、缩短交流线路以及减少芯片上的其他器件进行补偿。该办法确实缩短了数据经过的距离,减少了单个电子器件的能耗,并且提高了运行速度。

但当 Eliasmith 在数字神经形态硬件上进行一些模拟时,他发现它们不仅速度快得多,而且能效高出 50 倍。甚至更好的是,随着 Eliasmith 模拟了更多的神经元,神经形态平台变得更有效。这是神经形态芯片旨在复制自然的方法之一,假定大脑模型从蠕虫大脑的 300 个神经元扩大到人脑的 850 亿个神经元,大脑的能量和效率会按比例增加。

尽管如此,这种方法还是没有奏效。由于新型芯片中的单个器件的尺寸仅有14纳米左右,甚至比100个原子加起来的宽度还小,已接近物理学设定的极限。于是,制作者想到把多个处理器芯片并排铺陈,用这种方法运输数据,从生物学的角度解决了相关的技术问题。

神经形态芯片在执行复杂计算任务时消耗极少的能量,这一能力已经引起了科技行业的关注。神经形态芯片的潜在商业应用包括节能超级计算机、低功率传感器和自学习机器人。但是生物学家想到一个不同的应用:构建一个功能完备的人类大脑复制品。

2012年,Modha与其同事使用IBM劳伦斯利物莫国家实验室的一台名为Sequoia的超级计算机模拟了人类大脑的交流方式,这项实验使用常规电路在5000亿个神经元和1000亿个神经突触之间进行了仿真交流。尽管如此,这项模拟仅仅是真正人类大脑传输速度的1/1500,Modha表示,如果要和人脑的交流速度相同,就需要120亿瓦特的能耗,相当于洛杉矶和纽约市加起来的能耗量。

神经形态硬件借鉴了动物神经系统的架构,通过类似于生物神经元动作电位的脉冲转发信号。这一特性使得硬件消耗的能量更少,比在传统芯片上运行大脑模拟要快几个数量级。

《自然》杂志认为,并行处理和复杂性的研究是神经形态计算研究的核心。这个概念在上世纪80年代由加州理工学院电子工程师Carver Mead提出,他同时描述了模仿神经系统架构模拟计算机电路。美国加州大学欧文分校休斯研究实验室Narayan Srinivasa等人在Mead的启发下,发明了一种硅制芯片,其计算电路包括576个神经元和73000个神经突触,该研究团队证明这个芯片对视觉信号的解释异常清晰。

图片 2

而另一项由英国曼彻斯特大学Stephen Fuber开展的SpiNNaker项目则由2万个芯片组成,每个芯片代表1000个神经元。尽管该项目与Sequoia模拟实验的概念很相近,但SpiNNaker的设计更侧重在生物学速度方面模拟大脑交流活动。

图片由友尼森欧洲有限责任公司提供; 海德堡大学;英特尔公司;IBM 研究院

“下一步的限制是资金,而不是想象力。”Modha说。他表示,IBM希望这款芯片尽早进入商业化阶段,并已经开始寻求与其他公司的合作。他表示,IBM计划让计算机领域的科学家尽快获得这款芯片,并尽可能地开发相关功能应用的“聚宝盆”。

现今的许多神经形态系统,从 IBM 和英特尔开发的芯片到作为欧盟人脑计划一部分创建的两个芯片,都对能够远程访问系统来运行模拟的研究者开放。研究人员正在使用这些芯片来创建单个神经元和突触的详细模型,并译解如何将单元组合在一起来创建更大的大脑子系统。

为了鼓励相关应用,IBM已经建立了一个名为Synapse大学的虚拟大学,计算机科学家和研究人员可以在这里学习如何对这些新型芯片进行编程。“如果IBM这么做,一定会有很多人对它感兴趣,并做一些实在的科学研究。”Furber说。或许,计算机终于开始走出“婴儿期”,可以执行一些人类认为“理所当然”的日常任务了。

这些芯片允许神经科学家测试关于视觉、听觉和嗅觉在实际硬件上工作原理的理论,而不仅仅是在软件上。最新的神经形态系统也使研究人员能够开始复制人类思考和学习方式这一更具挑战性的任务。

《中国科学报》 (2014-08-25 第3版 国际)

现在还为时尚早,真正开发出神经形态芯片的潜力需要理论、实验和计算神经科学家以及计算机科学家和工程师的共同努力。但是最终的目标是宏伟的——那就是弄清楚大脑的各个组成部分是如何共同创造思想、感觉甚至意识的。

英特尔神经形态计算实验室主任、计算机工程师 Mike Davies 表示:「对大脑进行逆向工程是我们能够承担的最雄心勃勃的技术难题之一。」

一切都离不开架构

加州理工学院科学家 Carver Mead 于 20 世纪 80 年代创造了「神经形态」(neuromorphic)一词,此前他注意到,与构成现代计算机芯片的数字晶体管不同,模拟晶体管更接近于神经元的生物物理学特性。

具体来说,模拟电路中非常微小的电流——小到电路实际上处于"关闭"状态——表现出的动力学类似于通过生物神经元通道但不会导致动作电位的离子流。

被 Mead 和他同事们的工作所吸引,20 世纪 90 年代中期,Giacomo Indiveri 决定在加州理工学院进行他的博士后研究。现在,作为瑞士苏黎世大学的神经形态工程师,Indiveri 管理着为数不多的几个继续使用 Mead 方法(即使用低电流模拟电路)的研究团队之一。

Indiveri 和他的团队手工设计芯片的布局,这一过程可能需要几个月的时间。「这是用笔和纸完成的工作,因为我们试图提出优雅的解决方案以实现神经动力学,」他说。「如果你做的是模拟电路,那么它在很大程度上仍然是一门艺术。」

一旦完成了布局,他们就会把设计通过电子邮件发给一家代工厂——与生产智能手机和电脑芯片具有相同精度的金属铸造厂。最终的芯片看起来大致就像一个智能手机芯片,但它的功能就像是通过几个节点传播电子脉冲的「神经元」网络。在这些模拟神经形态芯片中,信号通过不同强度的实际电压脉冲来转发。就像在大脑中,信息是通过不同神经元脉冲时序来传递的一样。

「如果你向神经生理学家展示其中一个神经元的输出,他将无法告诉你这是来自硅神经元还是来自生物神经元,」Indiveri 说。

这些硅神经元代表了一种复制人类神经系统的不完美尝试。生物神经元是模拟-数字混合系统;它们的动作电位模仿数字硬件的离散脉冲,但它们也是模拟的,因为神经元中的电压电平影响被传输的信息。

模拟神经形态芯片具有与生物神经元的物理行为非常相似的硅神经元,但它们的模拟特性也使得传输的信号不那么精确。虽然我们的大脑已经进化出弥补其不精确部分的能力,但研究人员已经将这一基本概念带入了数字领域。

IBM 和英特尔等公司专注于数字神经形态芯片,其硅神经元复制具有不同物理特性的信息在生物神经元中的流动方式,其原因与传统数字芯片统领我们绝大多数计算机和电子产品的原因相同——它们具有更高的可靠性并且易于制造。

图片 3

照片由友尼森欧洲有限责任公司提供

图片 4

构建模块:每个 SpiNNaker 芯片与内存封装在一起,然后拼接成更大的设备,如右上角的 48 节点板。多个板可以连接在一起,形成更大的 SpiNNaker 系统

但是这些数字芯片按照捕获到的大脑的架构来维持它们的神经形态状态。在这些数字神经形态芯片中,脉冲以信息包的形式出现,而不是实际的电压脉冲变化。英特尔的 Davies 表示:「这与我们通常在计算机上设计的任何东西都大不相同。」

无论脉冲采用何种形式,该系统只在输入达到某个阈值时传递信息,允许神经形态芯片每次少量而不是大量消耗能量。这类似于大脑神经元在它们准备好时而不是在定时器的命令下进行通信的方式。另一方面,传统芯片大多是线性的,数据穿梭于存储数据的内存硬件和由严格内部时钟控制进行数据计算的处理器之间。

当 Modha 设计 IBM 的神经形态芯片 TrueNorth 时,他首先分析了大脑的长距离接线图,这些图描绘了猕猴和人类大脑不同区域之间的连接情况。「它真正开始告诉我们有关长距离连通性、短距离连通性,以及神经元和突触动态的信息,」他说。

到 2011 年,Modha 发明了一种含有 256 个硅神经元的芯片,其规模与线虫的大脑相同。利用最新的芯片制造技术,Modha 将神经元封装得更紧,以缩小芯片尺寸,并将 4096 个这样的芯片拼接在一起,才有了 2014 年 TrueNorth 的发布。TrueNorth 包含 100 万个合成神经元——相当于一个蜜蜂大脑的规模——消耗的能量比传统芯片少几百倍

神经形态学芯片(如 TrueNorth)在其人造神经元之间具有非常高的连通性,类似于在哺乳动物的大脑中看到的那样。大规模并行处理的人脑的 850 亿个神经元通过大约 1 千万亿个突触高度互联。

本文由3522.com发布于科技中心,转载请注明出处:神经形态芯片赋予计算机认知能力

关键词: 3522.com

上一篇:科学家发现相当罕见的“青年期”黑洞

下一篇:没有了