20世紀(jì)80年代科學(xué)家卡弗·米德（Carver Mead）在20世紀(jì)80年代創(chuàng)造了“神經(jīng)元”這一術(shù)語，一直都備受爭議。不久前，《IEEE Spectrum》網(wǎng)站發(fā)布了一份關(guān)于“我們能復(fù)制人類大腦嗎？”的報告，徹底的打開了無論在硬件還是軟件方面復(fù)制人類大腦的研究熱潮。

來自我國、法國、美國以及日本的國際科學(xué)家團(tuán)隊就人類神經(jīng)元的非線性振動領(lǐng)域，一起致力于縮小人工非線性振子，以108個振子集合成一個拇指大的芯片內(nèi)的二維數(shù)組里成功復(fù)制“大腦”—神經(jīng)形態(tài)語音識別芯片。

人工智能——2017年最熾熱的標(biāo)簽。對于很多AI試水者，模擬大腦的計算機(jī)的概念并不新鮮，怎么平衡技術(shù)與需求才是重中之重？人工非線性振子對錯線性振動器將輸入的常量轉(zhuǎn)化為一種振動標(biāo)志。例如，擺鐘對錯線性振動，神經(jīng)元也對錯線性振動，可是假如你用恒定電流刺激它們，它們會周期性地發(fā)射電壓峰值。

他們始終相信該研討將使人工神經(jīng)元的才能不斷接近咱們大腦中的神經(jīng)元，而且使微型神經(jīng)形態(tài)語音辨認(rèn)芯片可以學(xué)習(xí)和適用于各個領(lǐng)域。

就現(xiàn)在的研討成果來看，納米級設(shè)備似乎是最佳的挑選，雖然這些設(shè)備也不是完美無瑕，比如噪音大，缺乏安穩(wěn)性?？墒强茖W(xué)家依然挑選使用納米級的自旋振動器，而不是具有記憶功用的設(shè)備或超導(dǎo)設(shè)備。該振動器由磁性地道結(jié)構(gòu)成，并成為巨大磁電阻硬盤驅(qū)動器上讀頭的骨干。

來自法國科學(xué)研討中心的Julie Grollier表明：“與記憶性振動器比較，磁振動由于其可循環(huán)性，具有十分安穩(wěn)的性能。磁性地道結(jié)簡直具有無限的耐力，而記憶電阻器在其一百萬次循環(huán)之后開始退化?！?/p>

Grollier彌補(bǔ)說，磁振動比超導(dǎo)脈沖更簡單丈量。在室溫下就可以進(jìn)行，而且發(fā)射的電壓通常是100毫伏，其數(shù)量級大于約瑟夫森結(jié)的數(shù)量級。

自旋納米振動器是由兩個被非磁距離器分離的鐵磁層組成的支柱。當(dāng)電荷流經(jīng)這些連接點(diǎn)時，它們就會構(gòu)成自旋極化的電流，并在磁化過程中產(chǎn)生轉(zhuǎn)矩。這就導(dǎo)致了一種稱為磁化矢量運(yùn)動的現(xiàn)象，這種現(xiàn)象發(fā)生在情況是，當(dāng)有未成對的電子自旋原子被放置在磁場中，并以精確的頻率環(huán)繞磁場旋轉(zhuǎn)時。這種繼續(xù)的磁化矢量運(yùn)動產(chǎn)生的頻率從幾百兆赫到幾萬兆赫。然后，通過磁阻將磁化振動轉(zhuǎn)化為電壓振動。由此產(chǎn)生的射頻振動高達(dá)數(shù)十毫伏，這可以通過丈量連接點(diǎn)的電壓來檢測。

Grollier表明：“咱們采取時分多路傳輸戰(zhàn)略，使用磁性納米神經(jīng)元模擬了一個具有400個神經(jīng)元的完好網(wǎng)絡(luò)。磁柱扮演每個神經(jīng)元的人物，就像一個藝人在電影中扮演一切人物一樣?！?/p>

為了測試該體系，研討人員試圖用它來進(jìn)行聲音辨認(rèn)。他們將音頻信號轉(zhuǎn)換成電流，然后通過納米神經(jīng)元發(fā)送電流。這些電子波形使納米磁體中磁化的誘發(fā)振動加速了一千倍。磁振動通過磁阻效應(yīng)轉(zhuǎn)化為神經(jīng)元間的電壓振動。他們用一個示波器記錄了這些電壓的變化，然后用計算機(jī)模擬突觸功用，然后讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。

Grollier說：“咱們已經(jīng)實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)可以識別由不同人宣布的語音數(shù)字，其成功率為99.6%，這與那些體積龐大的神經(jīng)元的效果一樣好，甚至更好。研討結(jié)果表明，磁性納米神經(jīng)元可以準(zhǔn)確可靠地完成認(rèn)知任務(wù)?！?/p>

磁性納米神經(jīng)元與磁性存儲單元的結(jié)構(gòu)完全相同，而且該神經(jīng)元由億萬個硅元素構(gòu)成。在未來的幾年里，研討人員致力于將這些神經(jīng)元緊密連接并操控其耦合，以便樹立可以進(jìn)行處理雜亂信息的大型網(wǎng)絡(luò)。Grollier表明，終究的目標(biāo)是研宣布可以學(xué)習(xí)和適應(yīng)各種變化的智能、低功耗的微型語音識別芯片。這些語音芯片將廣泛用于各個領(lǐng)域，包括實(shí)時分類海量數(shù)據(jù)、駕駛自動轎車以及醫(yī)療診斷等。

雖然這仍只是目前的一個研究項(xiàng)目。但是，在AI火熱的今天，高速發(fā)達(dá)的芯片技術(shù)支持下，原理有了，對于我們了解大腦如何工作的？神經(jīng)元的脈沖或“尖波”達(dá)到一定的激活水平需要什么要求？一切將不在是空想，到那時“人腦”VS“智腦”孰勝孰劣就不得而知。