现如今,谈起人工智能我们都会想到的是“深度学习”(deep learning),无论是战胜李世石的AlphaGo,还是能够随意写出人类水平文章的GPT-3,它们的背后都依托的是这套算法。


它具有很好的数学解释性,与现有的计算机架构完美匹配,但也存在需要大量数据训练、耗能巨大以及随之而来的产热惊人等问题,为此最前沿的研究者提出了“类脑计算”的概念,想要通过进一步模仿人类大脑的运行方式,重构计算机的底层架构,好让人工智能摆脱这种越好用成本越高的窘境。


目前,新兴的“类脑计算”还没有大规模应用,但各项研究已经取得了一定的突破,今天首席未来官特意为你梳理了“类脑计算”的底层原理,并通过与“深度学习”算法的对比,让你提前了解这个可能会颠覆未来计算机产业的新技术。


1.“深度学习”的原理


“深度学习”算法本质是对人类大脑视觉系统的模仿,因为人的视觉系统由很多层神经网络组成,层与层之间通过学习训练生成连接的通路,所以被称为“深度学习”。


深度学习和类脑计算都缺不了“芯片”,现有哪些出色的类脑芯片?


深度学习算法虽然在层级上模拟了视觉系统,但受限于电脑结构中存储与运算分开的模式,做不到像人类的神经元一样将计算(神经元)和存储(突触)一体化,于是把神经元的运作方式抽象成了一个输入与输出结合的计算过程。


这就导致了原本一个神经元能够完成的任务,在计算机上需要大量的计算单位才能完成。2021年8月10日,在Neuron上发布的一项研究显示,人脑一个神经元的功能在深度算法中需要1000个以上的计算单元通过5到8层的深度网络实现。


2.先天缺陷带来的短板


由于需要大量计算单元才能实现单个人类神经元的功能,这就直接导致了深度学习要实现与人脑相似的功能复杂程度就会更高。


如今在语言模型上最强的GPT-3拥有1750亿个参数,做个简单推导也就相当于1.7亿个人类的脑神经元,而人脑的神经元个数在100亿左右,如果把人脑神经网络的复杂连接再算上,要完全模拟一个人脑出来的耗能将难以想象。


深度学习和类脑计算都缺不了“芯片”,现有哪些出色的类脑芯片?


更多的计算单元也就意味着更大的能量消耗,同样拿GPT-3为例,它训练一次消耗的能量可以让一辆车在在地球与月球之间跑完一个来回,而只用来下围棋的Alpha Go仅计算单元的功率也有2000W的水平,与之相对的是坐它对面的李世石的大脑耗能只需要20W左右,是它的百分之一。


3.模仿神经元的“类脑计算”


为了解决深度学习的问题,科学家提出了进一步模拟人脑“神经元—突触”体系的“类脑计算”思路,分别从算法和硬件两方面探索打造“人工大脑”的方法。


算法层面上,目前的研究重点是“脉冲神经网络”(Spiking Neural Network,简称SNN),顾名思义就是模仿神经脉冲信号传递、运算的人工智能算法,SNN的最大优点在于,相较传统算法中每个计算单元始终处于活跃状态不同,其每个计算单元只有在接受或者发出信号时才被激活,同时它进行的只有加减运算,节省了运算资源也减小了求和量。


但脉冲本身的不连续性使得传统的人工智能训练模式并不能适用于它,所以其性能尽管理论上可以与深度学习算法相匹配,相应的训练模式还处于研究阶段。


深度学习和类脑计算都缺不了“芯片”,现有哪些出色的类脑芯片?


硬件层面,类脑芯片也开始兴起,不再像传统计算机中的“冯·诺依曼架构”,把存储与计算功能分离,使得每次计算都要在内存和CPU上频繁调用数据,导致信息效率差、发热高,而是基于微电子技术和新型神经形态器件的结合,实现存储与计算的深度融合,使芯片能够进行异步、并行、低速和分布式处理信息数据,并具备自主感知、识别和学习的能力。


4.类脑芯片,人类还有freestyle吗?


人工智能是人类研发升级芯片大方向,不管是语音交互还是影像识别,亦或者是指纹识别等等,人工智能芯片无疑是想让机器成为近似于人的存在或者创造出“超人”。研发者希望人工智能研发的科技产品未来可以作为人类智慧的容器,辅助人类的生活,承载人类的文化传承。这需要我们给机器一个脑子,一个类脑芯片。


freestyle 是近期的网络热词,是一个全新的网络梗,原意是指你会说唱吗?现在彻底被玩坏,完全成为调侃。freestyle 确实是一种能力,展示了表演者的大脑词汇存储量,而且即兴表演也反映了大脑的应急反应能力。但是,如果机器人或者人工智能芯片足够强大,人类会失去类似 freestyle 这样的能力吗?


首先,类脑芯片的结构是独特的,不是传统的冯·诺依曼结构,而是专门的类人脑芯片结构。类人脑芯片架构是一款模拟人脑的新型芯片编程架构,这一系统可以模拟人脑功能进行感知、行为和思考。这种新型编程架构可以允许开发者为类人脑芯片设计应用程序,未来,它还可以允许计算机科学家开发出一种带有人脑功能的计算机,甚至比人脑更加智能。


其次,类人脑芯片的存储器不但但是数据存储单元,而是进一步研发成为类似人体的突触,这是迈向人造大脑重要的一步。我们知道人脑之所以复杂是因为庞大复杂的神经结构,人脑有上千亿个神经元,几乎所有的生物意识行为都是从这里发起的,所以让存储器模仿突触是实现类人脑芯片不可或缺的创举。


第三,类脑芯片的能源利用率极高,普通芯片在工作时会伴随大部分的散热,计算机芯片如果没有风扇或者空间智冷技术,几分钟就足以将自己融化。但是,类脑芯片却可以像人脑一样,几乎所有的热量都用于“思考”。


最后,类脑芯片懂得“学习”,人类大脑之所以厉害就是因为可以不管的学习和接纳新事物,通过机器学习算法,类脑芯片也做到了。从最开始的代码写入存储知识,到现在高通、IBM 芯片自主学习获得知识,类脑芯片的环境应变能力正在不断的增强。


5.4款类脑芯片


·IBM TrueNorth(SyNAPSE芯片)


2014年8月,IBM公司推出了第二代类脑芯片“True North”,工艺进化到了28纳米,拥有了100万个可编程神经元和2.56亿个可编程数据传输通道。


这次最大的进步在于“神经突触内核架构”,让其中每个计算核心(神经元)都拥有了本地内存,工作方式已经非常类似人脑中的神经元,总功耗降低到了第一代的1%,体积是第一代的十五分之一。


·英特尔Loihi芯片


Loihi芯片是英特尔的首款自学习神经元芯片,历时十年研究设计,可以像人类大脑一样,通过脉冲或尖峰传递信息,并自动调节突触强度,通过环境中的各种反馈信息,进行自主学习、下达指令。


据英特尔的数据,该芯片内部包含了128个计算核心,每个核心集成1024个人工神经元,总计13.1万个神经元,彼此之间通过1.3亿个突触相互连接,运算规模和虾脑相当。


·高通Zeroth芯片


Zeroth不需要预编程,通过正向强化的方式,提供了类似人类大脑多巴胺刺激的方式,让芯片具备了从周围环境获取反馈的能力,高通用装载该芯片的机器小车进行演示,使小车在自行启发算法下完成寻路、躲避障碍等任务。


·西井科技DeepSouth芯片


西井科技是一家中国公司,已推出了两款类脑芯片,其中DeepSouth拥有5000 万类脑神经元,总计有 50 亿的“神经突触”,可以直接在芯片上完成计算,不需要通过网络连接后台服务器,可在“无网络”情况下使用。



文章来源: 王煜全,资讯全天候

免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~