MIT研發新型晶元 能像人腦一樣思考問題

本文由騰訊數碼獨家發布

雖然在過去的十年中機器學習急速的的速度加快了，但是支持機器學習任務的底層硬體配置並沒有太大的改變：基本上是以傳統的處理晶元為主，比如如計算機處理單元（CPU）和圖形處理單元（GPU）在大型數據中心結合的形式。

但是在這項技術的前沿是一種名叫做神經形態計算的領域，它試圖讓計算機晶元能更像人類的大腦「思考」，所以能夠以閃電般的速度處理多個事件、模式和學習任務。今年早些時候，麻省理工學院的研究人員公布了一項革命性的神經形態晶元設計，該設計幾乎代表了人工智慧技術的下一個飛躍。

這種新型晶元的秘訣是一種為「晶元上的大腦」製造人工突觸的設計。今天的數字晶元都是基於二進位、O/I信號進行計算。神經形態晶元通過一種模擬的方式工作，在不同的強度下交換電信號，就像大腦中的神經元一樣。據麻省理工學院的研究人員介紹，這是一種新的突破，因為有「超過100M的突觸可以調節大腦中的神經元信號」。

麻省理工學院的這項研究於今年1月發表在《自然材料》雜誌上，展示了一種由硅鍺製造的神經形態晶元全新設計。想像一下我們可以通過一個窗口屏幕，可以看到這個晶元在微觀層面上的狀態。這種結構使研究人員能夠精確地控制電流的強度。在一個模擬實驗中，麻省理工學院的研究小組發現，它的晶元可以代表人類手寫的樣本，準確率達到95%。

「超計算機人工神經網路操作是非常精確和高效的。然而它消耗了大量的能量，需要大量的足跡運算。」首席研究員Jeehwan Kim說，他是麻省理工學院電子和微系統技術實驗室研究實驗室的教授和首席研究員。

最終，這樣的晶元設計可能會幫助處理器能夠以極低的能量需求來執行機器學習任務，同時還可以快進機器人和自動駕駛技術的發展。

這項技術另一個好處是節省成本和提高便攜性。人們認為，通常來說小體積的神經形態晶元會消耗更少的能量，甚至可能會比大規模的晶元能耗減少1000倍，依然可以同時有效地處理數百萬個計算，而目前只有大型超級計算機才有可能做到這一點。

「這正是人們所設想的內容，一個更大規模的問題可以在一枚晶元上完成，隨著時間的推移，這些問題會轉移到非常便攜、體積小巧的設備上。」追蹤高性能計算的行業分析師、Intersect360 Research的首席執行官阿狄森·斯奈爾（Addison Snell）說。

目前，支持機器學習的晶元市場潛力規模相當大。去年，根據Intersect360 Research的數據顯示，這個市場規模大約價值45億美元。神經形態晶片代表一個微小的薄片形態處理器。根據德勤的數據來看，今年全球可能會售出不到10萬個神經晶片，而預計2018年將售出50多萬隻神經晶片。

GPU處理晶元最初是由英偉達在上世紀90年代最先開發的，用於基於電腦平台的遊戲處理。後來研究人員發現，GPU通過人工神經網路來支持機器學習任務非常有效，這些神經網路是在超級計算機上運行，並允許進行訓練和推理任務，這些任務構成了人工智慧工作流的主要部分。比如如果你想建立一個圖像識別系統，它自動識別什麼是什麼，比如老虎。你首先要給網路提供數百萬張被人類標記為「老虎」或「不是老虎」的圖片，這是用來訓練計算視覺學習系統。然後下一次，當系統顯示一張老虎的照片時，它就能推斷出這張照片確實是一隻老虎照片。

機器學習的進化

但近年來，小型初創企業和大公司都在修改它們的晶元架構，以滿足新的人工智慧工作負載的需求，包括自動駕駛和語音識別。根據德勤的數據來看，兩年前，幾乎所有涉及人工神經網路的機器學習任務都使用了大體積的CPU和GPU。而今年開始全新的晶元設計，如FPGA（現場可編程門陣列）和ASIC（特定於應用程序的集成電路），在數據中心的機器學習晶元中佔據了更大的比例。

德勤在今年發布的一份市場分析報告稱：「這些新型晶元應該大幅增加機器學習的使用，使應用程序能夠消耗更少的電力，同時也能變得更靈敏、更靈活、性能更強。」

神經形態晶元代表了下一個層次，特別是基於收縮晶體管的前提下的晶元架構已經開始放緩。儘管自20世紀80年代以來，神經形態計算一直存在，但它仍然被認為是一種新興的領域。儘管在過去的十年里，它已經引起了研究人員和科技公司的更多關注。

「神經形態計算的力量和性能遠遠優於我們在任何平台上所能期待的任何增量解決方案，」IBM負責大腦的計算的首席科學家達門德拉·莫德哈（Dharmendra S. Modha）說。

莫德哈在2004年啟動了IBM自己的項目到神經形態晶元設計。這是一項由美國國防高級研究計劃局（DARPA）資助的一項研究，由IBM研究人員花費了數年的時間，最終研製出了TrueNorth。這是一種神經形態的晶元，其大小相當於一枚郵票的面積，功耗僅有70毫瓦的功率，基本上與助聽器所需的能量相同。

「我們不認為神經形態計算將取代傳統的計算，但我相信它將成為自動駕駛汽車和機器人技術的關鍵技術。」莫德哈說。

對於在邊緣進行計算的場景，就像自動駕駛汽車必須實時處理的大量數據，以此防止崩潰的出現，小型的攜帶型神經形態晶元將代表一種新的進步。實際上，最終的終極遊戲規則是採用一個深度神經網路並將其嵌入到一個晶元上。然而，目前的神經形態技術還遠未達到這一水平。

由Kim領導的麻省理工學院研究團隊在這項研究花費了大約三年時間，而且這項研究還在繼續，這主要歸功於美國國家科學基金會提供的12.5萬美元的資金支持。

「幾十年來，人們一直在追求神經形態計算。我們正越來越接近這種晶元的可能形態和位置，」交叉Intersect360 Research的斯奈爾說。「但在短期內，市場將更傾向於用傳統的加工方式來做些什麼。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！