人工智能繼續(xù)迭代 類腦計算悄然走紅
2025-02-28
應(yīng)用，但它需要大量的算力支撐，功耗也很高。 “我們希望智能駕駛汽車的駕駛水平像司機(jī)一樣，但現(xiàn)在顯然還達(dá)不到。因為它對信息的智能判斷和分析不夠，功耗也非常高?！鼻迦A大學(xué)微納電子系教授吳華強(qiáng)告訴科技日報記者，人工智能算法訓(xùn)練中心在執(zhí)行任務(wù)時動輒消耗電量幾萬瓦甚至幾十萬瓦，而人的大腦耗能卻僅相當(dāng)于20瓦左右。
北京大學(xué)計算機(jī)科學(xué)技術(shù)系教授黃鐵軍也舉了一個生動的例子：市場上應(yīng)用深度學(xué)習(xí)技術(shù)的智能無人機(jī)已經(jīng)十分靈巧，但從智能程度上看，卻與一只蒼蠅或蜻蜓相差甚遠(yuǎn)，盡管體積和功耗比后者高很多。
追求模擬大腦的功能
到底什么是類腦計算，它又憑什么贏得學(xué)術(shù)界和產(chǎn)業(yè)界的寵愛？
“類腦計算從結(jié)構(gòu)上追求設(shè)計出像生物神經(jīng)網(wǎng)絡(luò)那樣的系統(tǒng)，從功能上追求模擬大腦的功能，從性能上追求大幅度超越生物大腦，也稱神經(jīng)形態(tài)計算?！秉S鐵軍接受科技日報記者采訪時說。
類腦計算試圖模擬生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和信息加工過程。它在軟件層面的嘗試之一是脈沖神經(jīng)網(wǎng)絡(luò)（SNN）。
現(xiàn)在深度學(xué)習(xí)一般通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）或遞歸神經(jīng)網(wǎng)絡(luò)（RNN）來實現(xiàn)?！癈NN和RNN都屬于人工神經(jīng)網(wǎng)絡(luò)，其中的人工神經(jīng)元，至今仍在使用上世紀(jì)40年代時的模型?！秉S鐵軍說，雖然現(xiàn)在設(shè)計出的人工神經(jīng)網(wǎng)絡(luò)越來越大，也越來越復(fù)雜，但從根本上講，其神經(jīng)元模型沒有太大改進(jìn)。
另一方面，在深度學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間的連接被稱為權(quán)值。它們是人工神經(jīng)網(wǎng)絡(luò)的關(guān)鍵要素。
而在脈沖神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間卻是神經(jīng)脈沖，信息的表達(dá)和處理通過神經(jīng)脈沖發(fā)送來實現(xiàn)。就像我們的大腦中，有大量神經(jīng)脈沖在傳遞和流轉(zhuǎn)。
黃鐵軍告訴記者，由于神經(jīng)脈沖在不停地傳遞和流轉(zhuǎn)，脈沖神經(jīng)網(wǎng)絡(luò)在表達(dá)和處理信息時，比深度學(xué)習(xí)的時間性更突出，更加適合進(jìn)行高效的時空信息處理。
推廣應(yīng)用可能不需太久
也有人從硬件層面去實現(xiàn)類腦計算，比如神經(jīng)形態(tài)芯片。
2019年7月，英特爾發(fā)布消息稱，其神經(jīng)形態(tài)研究芯片Loihi執(zhí)行專用任務(wù)的速度可比普通CPU快1000倍，效率高10000倍。
“在對信息的編碼、傳輸和處理方面，我們希望從大腦機(jī)制中獲得啟發(fā)，將這些想法應(yīng)用到芯片技術(shù)上，讓芯片的處理速度更快、水平更高、功耗更低。”吳華強(qiáng)也在進(jìn)行神經(jīng)形態(tài)芯片相關(guān)研究，他告訴科技日報記者。
吳華強(qiáng)介紹，在傳統(tǒng)的馮·諾依曼架構(gòu)中，信息的處理和存儲是分開的，而人的大腦在處理信息時，存儲和處理是融為一體的。
“所以我們在嘗試研發(fā)存算一體化的芯片，希望通過避免芯片內(nèi)部不停地搬運(yùn)數(shù)據(jù)，來大幅提高芯片的能效比?！眳侨A強(qiáng)說，他的團(tuán)隊現(xiàn)在也已研發(fā)出存算一體的樣品芯片。
談到類腦計算的進(jìn)展，黃鐵軍告訴記者，目前類腦計算仍在摸索階段，還缺乏典型的成功應(yīng)用。但商業(yè)公司已經(jīng)嗅到味道，相關(guān)技術(shù)獲得規(guī)模性應(yīng)用可能不需要太長時間。
“現(xiàn)在的神經(jīng)形態(tài)計算還比較初步，它的發(fā)展水平跟現(xiàn)有主流人工智能算法相比，還存在一定差距?！敝锌圃鹤詣踊芯繂T張兆翔接受科技日報記者采訪時認(rèn)為，但作為一種新的探索方式，應(yīng)該繼續(xù)堅持，因為它可能就是未來人工智能技術(shù)發(fā)展的重要突破口。（記者 劉園園）