文 | AI国际站 唐恩

编 | 艾娃

文中由AI国际站 原創荣誉出品，未经审批同意，一切方式、服务平台切勿转截，违者必究

一组人工智能化科学研究工作人员展现了一种无人驾驶单车，该单车能够 在阻碍物周边导航栏，追随工作人员并回应语音系统。虽然无人驾驶单车自身非常少应用，但其身后的AI技术性却不同凡想。为单车供电系统的是神经形态芯片，一种独特的AI电子计算机。

神经形态测算并不新鮮。事实上，它是在1980时代初次明确提出的。可是，人工智能化制造行业的全新发展趋势再次造成了大家对神经形态电子计算机的兴趣爱好。

深度神经网络和神经网络的日渐普及化激起了开发设计专业用以神经网络测算的AI硬件配置的比赛。以往两年中出現的极少数发展趋势之一是神经形态测算，因为其与微生物和人工神经网络的相似度，因而显示信息出了期待。深层神经网络怎样工作中

人工智能化最新消息的关键是人工神经网络（ANN），它是一种大概遵照人的大脑构造的AI手机软件。神经网络由人工神经元，实行简易数学课作用的小型测算模块构成。

人工神经元并并不是唯一有效的专用工具。可是，当您将他们层次沉积时，他们能够 实行优异的每日任务，比如检验图象中的目标并将视频语音音频转换为文字。深层神经网络能够 包括遍布在数十个层中的亿万个神经元。

在训炼深度神经网络优化算法时，开发者会根据神经网络运作很多实例及其预期成果。当AI实体模型核查愈来愈多的数据信息时，它会调节每一个人工神经元。慢慢地，它对于已设计方案的特殊每日任务越来越更为精确，比如，检验ppt中的癌病或检举欺骗性的金融机构买卖。在传统式硬件配置上运作神经网络的挑戰

传统式电子计算机依靠一个或好多个微处理器（CPU）。CPU具备许多 作用，而且能够 迅速实行繁杂的实际操作。由于神经网络的分布式系统特性，在传统式电子计算机上运作他们很不便。他们的CPU务必根据存储器和运行内存位置模拟数百万个人工神经元，并先后测算每一个神经元。

图型控制部件（GPU）是用以手机游戏和3D手机软件的硬件配置，能够 实行许多 并行计算，特别是在善于实行矩阵乘法（神经网络的关键实际操作）。事实上，GPU列阵在神经网络实际操作中十分有效。

神经网络和深度神经网络的普及化早已为GPU生产商产生了福利。图型硬件配置企业Nvidia过去两年中见到其股票价格增涨了好几倍。

可是，GPU也欠缺神经网络的物理学构造，虽然速率令人震惊，但仍务必在手机软件中仿真模拟神经元。GPU和神经网络中间的差别会造成高效率不高，比如功率过大。

神经形态芯片

与通用性CPU反过来，神经形态芯片的物理学构造类似人工神经网络。每一个神经形态芯片都包括很多与人工神经元相对性应的中小型测算模块。与CPU反过来，神经形态芯片中的测算模块不可以实行许多 不一样的实际操作。他们具备充足的工作能力来实行单独神经元的数学课作用。

神经形态芯片的另一个本质特征是人工神经元中间的物理学联络。这种联络使神经形态芯片更像有机化学人的大脑，它由微生物神经元以及联络构成，称之为神经递质。建立一组物理学联接的人工神经元是授予神经形态电子计算机真实整体实力的缘故。

神经形态电子计算机的构造使他们在训炼和运作神经网络时高效率高些。她们能够 以比同样CPU和GPU迅速的速率运作AI实体模型，另外耗费越来越少的电磁能。这很重要，由于功率早已是AI的基础挑戰之一。

神经形态电子计算机的较小规格和低能耗使其合适于必须在边沿而不是云端运作AI优化算法的测试用例。

神经形态芯片的特点取决于他们包括的神经元总数。Tianjic芯片是文中开始提及的无人驾驶单车中应用的神经形态芯片，在3.8立方毫米的地区中包括约40000个人工合成神经元和1000万只神经递质。与运作同样总数神经元的GPU对比，Tianjic的实行速率提升了1.6-100倍，功率减少了12-10000倍。

可是，有4万只神经元是比较有限的，与鱼的人的大脑一样多。人的大脑包括大概1000亿次神经元。

AlexNet是很多程序运行中应用的时兴图像分类互联网，具备超出6200万只主要参数。OpenAI的GPT-2语言模型包括超出十亿个主要参数。

可是，Tianjic芯片相比用以商业行为的神经形态电子计算机，大量的是定义认证。别的企业早已在开发设计神经形态芯片，提前准备在不一样的AI运用中应用。

一个事例是intel的Loihi芯片和Pohoiki Beach电子计算机。每一个Loihi芯片包括131000个神经元和1.3亿次神经递质。7月发布的Pohoiki电子计算机可容下830万只神经元。与类似GPU对比，Pohoiki的特性提升了1000倍，电力能源高效率提升了10000倍。

神经形态测算和人工智能化（AGI）

在《自然》杂志期刊上发布的一篇毕业论文中，建立了Tianjic芯片的AI科学研究工作人员观查到，她们的工作中能够 协助大家更贴近人工智能化（AGI）。AGI应当拷贝人的大脑的作用。当今的AI技术性十分狭:：他们能够 处理特殊的难题，而且在营销推广专业知识层面很不好。

比如，设计方案用以玩《星际争霸II》那样的手机游戏的AI实体模型在导入别的手机游戏（如Dota 2）时将越来越束手无策。这将必须彻底不一样的AI优化算法。

Tianjic的室内设计师表明，她们的AI芯片可以在单独机器设备上处理好几个难题，包含目标检测，语音识别技术，导航栏和躲避障碍物。

可是，虽然神经形态芯片将会使大家更贴近于仿真模拟人脑，但大家也有较长的路要走。人工智能化不但必须将好多个狭小的AI实体模型捆缚在一起，还必须大量。

人工神经网络的关键是统计分析设备，而应用统计学不利于处理必须逻辑推理，了解和一般解决问题的难题。比如自然语言理解了解与在开放世界游戏中导航栏。

建立更高效率的ANN硬件配置没法处理这种难题。可是或许有着看上去更像大家人的大脑的AI芯片将为了解和造就智能化开拓新的方式。