另辟蹊徑的類腦計算機(jī)

張澤玲

雖然計算機(jī)又被稱為“電腦”，并在計算能力上超過了人腦，而現(xiàn)有的人工智能和大數(shù)據(jù)等技術(shù)更是讓“電腦”如虎添翼，越來越智能化。但事實上，無論是我們家里的臺式機(jī)還是筆記本電腦，甚至我們手里的手機(jī)，其結(jié)構(gòu)跟人類的大腦并不類似。這種“不類似”不僅僅是因為人類大腦為“碳基”，而計算機(jī)是“硅基”，計算機(jī)和人類大腦最根本的區(qū)別在于組成架構(gòu)以及處理信息的方式都有所不同。那么如果讓計算機(jī)的組成架構(gòu)與信息處理方式模擬人腦，會出現(xiàn)什么情況呢？這便是現(xiàn)在計算機(jī)領(lǐng)域的一個前沿研究方向——類腦計算機(jī)了。

傳統(tǒng)計算機(jī)瓶頸

當(dāng)下絕大多數(shù)計算機(jī)遵循的都是“馮·諾依曼架構(gòu)”。計算機(jī)由輸入設(shè)備（鍵盤、觸控屏、話筒、攝像頭等），輸出設(shè)備（顯示器、音響等），計算單元（CPU、GPU），控制單元（主板、電源控件等）和記憶存儲單元（RAM、硬盤等）組成。這種簡單明了的架構(gòu)自1945年由馮·諾依曼提出后，經(jīng)過了時間的考驗，如今我們還在廣泛使用這一架構(gòu)。

隨著計算機(jī)性能的不斷提高，人們發(fā)現(xiàn)了這一架構(gòu)也會存在很多問題。諸如“馮·諾伊曼瓶頸”。它主要存在于“馮·諾依曼架構(gòu)”中計算、控制單元與記憶存儲單元之間的工作協(xié)作模式上。計算與控制單元從記憶存儲單元中讀取數(shù)據(jù)的速度，遠(yuǎn)低于它們處理數(shù)據(jù)的速度，從而導(dǎo)致延遲。在處理海量數(shù)據(jù)時，這種延遲更加明顯。這好比我們在沒有課程記憶的情況下參加某課程的開卷考試，如果考試范圍很大，需要查看大量資料。在沒有預(yù)習(xí)的情況下，我們腦子再靈活，書寫速度再決，也會因為查資料浪費大量時間，導(dǎo)致做不完題目。

除此之外，計算機(jī)處理信息的方式是離散的。我們都知道計算機(jī)使用二進(jìn)制，這是因為1和0剛好對應(yīng)電路里“開”“關(guān)”兩個狀態(tài)。表達(dá)“開”“關(guān)”狀態(tài)的元件稱為“邏輯門”。計算機(jī)通過對多個邏輯門的組合，能處理更復(fù)雜的邏輯計算。因此計算機(jī)特別擅長數(shù)字計算與邏輯表達(dá)，但是面對一些混沌信息處理領(lǐng)域，計算機(jī)的瓶頸也顯露無遺。

基于上述兩個原因，目前人類技術(shù)的進(jìn)步，無法完全解決讀取速度過低的問題。同時，預(yù)測處理器運算速度迅速翻倍的“摩爾定律”也已經(jīng)失效，意味著計算機(jī)計算處理單元速度的提升也已經(jīng)觸及了天花板。

LINK

人類大腦是由碳為主要成分的有機(jī)物組成，而計算機(jī)的芯片存儲器等半導(dǎo)體元件都是硅制成的。這就是“碳基”與“硅基”。

人腦帶來的啟發(fā)

相比而言，人類的大腦在思考過程中，基本不會受到“數(shù)據(jù)讀取”帶來的延遲。這一方面是因為人類大腦的架構(gòu)是由海量神經(jīng)元與突觸連接構(gòu)成的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，這一系統(tǒng)并不遵循“馮·諾依曼架構(gòu)”，也因此沒有所謂的“馮·諾依曼瓶頸”。此外，神經(jīng)元作為人類大腦的基礎(chǔ)功能單元，大致相當(dāng)于傳統(tǒng)計算機(jī)的邏輯門。但它們的判斷邏輯并不是簡單的0和1，而是存在一個連續(xù)非離散信息處理區(qū)間。在區(qū)間內(nèi)根據(jù)受到的不同程度刺激，對應(yīng)產(chǎn)生強(qiáng)度不同的電信號。而且神經(jīng)元并不像邏輯門那樣一成不變，會生長變化，以及對經(jīng)常出現(xiàn)的刺激信號做出更快的反應(yīng)。

正是因為人腦這些獨特的機(jī)制，使得我們在絕大多數(shù)的思考時間里，并不是在做“非黑即白”的是非判斷題，而可以通過具有模糊性與連續(xù)性的運作機(jī)制，對某個范圍內(nèi)的信息進(jìn)行整體處理。例如計算機(jī)在處理圖片時，會將其拆分成單個的像素點，處理文字時也會根據(jù)預(yù)設(shè)的處理程序，將其拆成單獨字詞。而我們在看圖片時，幾乎在看到畫面或文字的同時，就能感受到整張圖片的含義，閱讀大段文字也不需要逐字理解。

讓電腦“類人腦”

正是考慮到目前計算機(jī)發(fā)展的局限性，加上人腦所帶來的啟示，讓一些計算機(jī)科學(xué)家想到了另辟蹊徑：既然人類的大腦這么聰明高效，我們是不是可以設(shè)計制造模擬人類大腦的計算機(jī)呢？這一新興的研究方向被稱為“類腦計算”。這個新的研究方向旨在打破當(dāng)下計算機(jī)的模型結(jié)構(gòu)，從軟件和硬件方面模擬人類大腦。

軟件模擬

類腦計算的研究模仿對象之一就是神經(jīng)元。其實當(dāng)下最流行的一些機(jī)器學(xué)習(xí)算法，如深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)，就是在軟件層面上對神經(jīng)元進(jìn)行模擬。雖然看起來這些機(jī)器學(xué)習(xí)算法表現(xiàn)還不錯，但其實它們在運行時更加暴露了傳統(tǒng)計算機(jī)的問題：處理大量數(shù)據(jù)時計算速度不夠快，并且耗電量巨大。

硬件模擬

科研人員想到從硬件層面上也來模仿人類大腦。例如前不久發(fā)布的新聞中，浙江大學(xué)聯(lián)合之江實驗室，共同成功研制出了包含1.2億脈沖神經(jīng)元、近千億神經(jīng)突觸的類腦計算機(jī)DARWIN MOUSE，是目前國際上神經(jīng)元規(guī)模最大的類腦計算機(jī)。該計算機(jī)使用的浙江大學(xué)自主研制的神經(jīng)擬態(tài)類腦計算芯片“DARWIN2”，能夠模擬神經(jīng)元接受刺激做出反應(yīng)的過程，而多個芯片就組成了神經(jīng)系統(tǒng)，可以處理復(fù)雜的任務(wù)。另外，2019年清華大學(xué)還成功研制出國際上首款異構(gòu)融合的類腦芯片“天機(jī)芯”，支持人工神經(jīng)網(wǎng)絡(luò)和脈沖神經(jīng)網(wǎng)絡(luò)的混合架構(gòu)。這意味著這個芯片同時模仿了神經(jīng)元的兩類行為。（詳情見《科學(xué)Fans》2019年10期文章《向人腦，覓“天機(jī)”——清華天機(jī)芯是如何煉成的？》）

當(dāng)然，類腦計算不僅僅局限于從軟件和硬件的角度模仿神經(jīng)元。作為一個新興科研方向，它其實是多個前沿學(xué)科的交叉。它需要通過神經(jīng)科學(xué)以及醫(yī)學(xué)來了解大腦運作機(jī)制;需要建立模擬大腦處理信息的數(shù)學(xué)模型;它還能利用“腦機(jī)接口”，通過外界硬件跟大腦直接溝通，構(gòu)建“混合智能”。我們已經(jīng)見識過人工智能的本領(lǐng)，期待類腦計算給人類帶來更多驚喜。