超算難勝大腦，何不依照神經(jīng)結(jié)構(gòu)打造芯片？

伴隨著第四次工業(yè)革命的到來(lái)，人工智能和機(jī)器學(xué)習(xí)成了半導(dǎo)體行業(yè)熱捧的技術(shù)。從訓(xùn)練和推理的角度來(lái)看，這些技術(shù)用到的數(shù)據(jù)量已經(jīng)足夠龐大，但AI芯片依然很難做到像大腦一樣思考。

以目前世界排名第二的超算IBM Summit為例，其運(yùn)算速率已達(dá)200 PFLOPS，但大腦的運(yùn)算性能仍然是它的5倍。研究人員開始反思為何不仿制一個(gè)大腦結(jié)構(gòu)的芯片，依照人體神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)打造的神經(jīng)形態(tài)芯片也因此出爐。

大腦中的神經(jīng)元可以通過(guò)無(wú)數(shù)個(gè)突觸實(shí)現(xiàn)互通，從而快速處理大腦信息，進(jìn)行記憶、推理和計(jì)算?；隈T諾依曼結(jié)構(gòu)的AI芯片依然需要在多個(gè)部件之間進(jìn)行信息傳輸，造成處理速度瓶頸，這也是為何近年來(lái)業(yè)內(nèi)仍在發(fā)展互聯(lián)技術(shù)的原因。

而神經(jīng)形態(tài)芯片基于人腦的架構(gòu)，采用了脈沖神經(jīng)網(wǎng)絡(luò)（SNN），不僅顯著提升了處理速度，更是可以同步進(jìn)行多項(xiàng)操作，同時(shí)進(jìn)行數(shù)據(jù)輸入和輸出，且功耗與當(dāng)前的AI芯片相比大大降低。

嗅覺(jué)識(shí)別

2017年11月，英特爾發(fā)布了自己的神經(jīng)形態(tài)芯片Loihi。這一60mm²大小的芯片基于14nm工藝制造，采用了128個(gè)“神經(jīng)核”的設(shè)計(jì)，囊括了13萬(wàn)神經(jīng)元。英特爾稱其設(shè)計(jì)基于專為SNN算法優(yōu)化的架構(gòu)，每個(gè)神經(jīng)元都可以數(shù)千個(gè)神經(jīng)元相互通信。Loihi支持的SNN運(yùn)算，不需要在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)下進(jìn)行訓(xùn)練。

Loihi芯片 / Intel

去年3月17日，英特爾研究院和美國(guó)康奈爾大學(xué)研究人員聯(lián)合發(fā)表了一篇論文，展示了一種基于哺乳動(dòng)物嗅覺(jué)系統(tǒng)的神經(jīng)算法，即便存在明顯干擾和遮蓋的情況下，英特爾的神經(jīng)形態(tài)芯片Loihi依然可以學(xué)習(xí)和識(shí)別危險(xiǎn)甲苯和一氧化碳等化學(xué)品。此外，由于神經(jīng)形態(tài)芯片的優(yōu)勢(shì)，Loihi僅需單一樣本就可以識(shí)別氣味，不像過(guò)去的深度學(xué)習(xí)一樣需要大量的訓(xùn)練樣本。

在與不少學(xué)術(shù)機(jī)構(gòu)合作的過(guò)程中，研究人員同樣發(fā)現(xiàn)Loihi具備超低功耗的特性。在運(yùn)行一個(gè)實(shí)時(shí)深度學(xué)習(xí)測(cè)試中，Loihi的功耗要比一片GPU低109倍，與專用的IoT推理硬件相比低5倍。更棒的是，即便將深度學(xué)習(xí)網(wǎng)絡(luò)的規(guī)模擴(kuò)展50倍，Loihi不僅能夠保持同樣的實(shí)時(shí)性能表現(xiàn)，其功耗占用也只有30%而已，而IoT硬件的功耗已經(jīng)高至6倍，且無(wú)法再滿足實(shí)時(shí)處理了。

視覺(jué)識(shí)別

今年1月，澳大利亞斯威本大學(xué)、電子科大和中國(guó)科學(xué)院聯(lián)合發(fā)表了一篇論文，該團(tuán)隊(duì)聲稱打造出了性能最強(qiáng)大的光學(xué)神經(jīng)形態(tài)處理器。領(lǐng)導(dǎo)這項(xiàng)研究工作的David Moss教授聲稱，該芯片基于光微梳打造，可以實(shí)現(xiàn)10 TOPS的運(yùn)算性能。

該芯片可以生成25萬(wàn)像素的圖像卷積，對(duì)于人臉識(shí)別之類的應(yīng)用已經(jīng)綽綽有余。在測(cè)試中，他們?cè)谠撔酒嫌?0個(gè)輸出神經(jīng)元依次組成一個(gè)光學(xué)卷積神經(jīng)網(wǎng)絡(luò)，在識(shí)別手寫數(shù)字圖像上準(zhǔn)確率可達(dá)88%。同樣的方法也可以擴(kuò)展到更復(fù)雜的網(wǎng)絡(luò)上，比如用于自動(dòng)駕駛和實(shí)時(shí)視頻識(shí)別等等。

TrueNorth芯片 / IBM
同樣在用神經(jīng)形態(tài)技術(shù)進(jìn)行視覺(jué)識(shí)別的還有IBM，其TrueNorth芯片包含了100萬(wàn)個(gè)神經(jīng)元和2.56億個(gè)突觸。這個(gè)4096個(gè)內(nèi)核的芯片基于三星的28nm工藝制造，支持多對(duì)象檢測(cè)和分類，正常工作情況下的功耗卻只有60至70mW。

視覺(jué)傳感器也開始應(yīng)用神經(jīng)形態(tài)技術(shù)，以Prophesee為例，這家公司基于自己神經(jīng)形態(tài)技術(shù)，在去年與索尼聯(lián)合發(fā)布了基于事件的工業(yè)級(jí)視覺(jué)傳感器。該公司也在今年7月獲得了創(chuàng)新工場(chǎng)、小米和韋豪創(chuàng)芯的投資。

結(jié)語(yǔ)

從以上案例可以看出，神經(jīng)形態(tài)芯片和人腦結(jié)構(gòu)一樣，在處理龐大的多樣化數(shù)據(jù)上上有著不小的優(yōu)勢(shì)。而傳統(tǒng)AI和機(jī)器學(xué)習(xí)場(chǎng)景中，許多都需要需要大數(shù)據(jù)支持而且無(wú)法完成直接替代，這些應(yīng)用往往也與人類感知器官相關(guān)。

除了嗅覺(jué)和視覺(jué)外，也有像荷蘭初創(chuàng)公司Innatera這樣專注于音頻和健康的神經(jīng)形態(tài)芯片公司?？梢哉f(shuō)神經(jīng)形態(tài)芯片在發(fā)揮傳感應(yīng)用的全部性能上，具備著現(xiàn)有AI芯片難以媲美的優(yōu)勢(shì)。

不過(guò)這項(xiàng)技術(shù)在硬件和軟件上尚未成熟，目前大型的神經(jīng)形態(tài)芯片還沒(méi)有出現(xiàn)，而且已有的一些算法也很可能難以兼容。憑借其低功耗和小體積的優(yōu)勢(shì)，神經(jīng)形態(tài)芯片最對(duì)口的使用場(chǎng)景也許還是移動(dòng)設(shè)備和AIoT。