計算機早已成為我們生活中不可分割的一部分——變得更快、更小——它們的基本架構沒有改變：一部分存儲信息——內(nèi)存（RAM 或隨機存取存儲器，以及硬盤）。另一部分——CPU 或中央處理器——處理信息。?

但是現(xiàn)在，位于海法的以色列理工學院的 Shahar Kvatinsky 副教授提出了一種結構替代方案。將“思考”和“記憶”功能整合到一個單元中，他在芯片的硬件中構建了一個神經(jīng)網(wǎng)絡，并作為概念驗證——教它識別手寫字母。他的研究成果最近以“基于硅突觸的憶阻深度信念神經(jīng)網(wǎng)絡”為題?發(fā)表在著名期刊《自然電子》上。

“我們喜歡將計算機描述為‘大腦’，但用于存儲信息和使用信息的完全獨立的硬件并不是有機大腦的工作方式，”Kvatinsky 解釋說，他是Technion維特比電氣與計算機工程學院的成員. 他開發(fā)了神經(jīng)形態(tài)硬件——受神經(jīng)系統(tǒng)中存在的神經(jīng)生物學結構啟發(fā)的電子電路。這種計算機的想法最初是在 80 年代在加州理工學院提出的，但自那時以來，現(xiàn)代技術的發(fā)展使該領域取得了長足的進步。

現(xiàn)代計算機是否超越了人腦？

人們可能會認為現(xiàn)代計算機已經(jīng)超越了人腦——因為計算機已經(jīng)擊敗了最好的人類國際象棋和圍棋選手。雖然答案是“是”，但擊敗多位圍棋高手的 AlphaGo 程序依賴 1,500 個處理器，每場比賽的電費為 3,000 美元。人類玩家在同一場比賽中的能量消耗或多或少相當于一個三明治，而且同一名玩家還能夠說話、駕駛和執(zhí)行無數(shù)其他功能。計算機還有很長的路要走。 ? 通過與世界領先的高價值模擬半導體解決方案生產(chǎn)商 Tower Semiconductor 合作，該公司為全球汽車、醫(yī)療、工業(yè)、消費品、航空航天和國防等行業(yè)的 300 多家客戶提供模擬集成電路 - Kvatinsky 和他的團隊設計并制造了一個計算機芯片，它就像一個有機大腦，可以做任何事情。它存儲信息并對其進行處理。該芯片也是純硬件的，這意味著它的編程不是分開的；它被集成到芯片中。?

? 該芯片的作用是學習——具體來說，是學習手寫識別，這是通過深度置信算法實現(xiàn)的一項壯舉。與目前研究的大多數(shù)使用新興非常規(guī)技術的神經(jīng)形態(tài)芯片不同，這款芯片基于 Tower Semiconductor 制造的商業(yè)技術。 ? 面對每個字母的多個手寫示例，芯片可以識別出哪個是哪個，并以極低的能耗實現(xiàn)了 97% 的識別準確率。 ?

人工神經(jīng)網(wǎng)絡以類似于活人大腦的方式學習。他們會看到例子（手寫字母的例子，在這個特定的研究中）并自己“找出”使一個字母與其他字母不同但與不同筆跡下的同一字母相似的元素。當神經(jīng)網(wǎng)絡實現(xiàn)為硬件時，學習過程加強了一些節(jié)點的傳導性。這與我們學習時大腦神經(jīng)元之間的聯(lián)系得到加強的方式非常相似。 ?

無所不能的芯片有無數(shù)的潛在用途。例如，Kvatinsky 建議，這樣的芯片可以集成到智能手機和類似設備的相機傳感器中，從而消除模擬數(shù)據(jù)到數(shù)字的轉換——這是所有此類設備在對圖像應用任何形式的增強之前執(zhí)行的步驟。相反，所有處理都可以直接在原始圖像上執(zhí)行，然后再以壓縮數(shù)字形式存儲。

? “商業(yè)公司一直在競相改進他們的產(chǎn)品，”Kvatinsky 解釋說?！八麄冐摀黄鸹氐嚼L圖板并從頭開始重新構想產(chǎn)品。這是學術界的一個優(yōu)勢——我們可以開發(fā)一個我們認為可以更好的新概念，并在它可以與市場上已有的產(chǎn)品競爭時發(fā)布它。” ? 這項研究由 Kvatinsky 實驗室的兩名研究人員領導?，F(xiàn)在在中國深圳領導自己的研究小組的博士后研究員 Wei Wang 構想了基于硬件的深度置信網(wǎng)絡的理論概念并進行了實驗測量，而博士生 Loai Danial，此后完成了博士學位研究并在 Mobileye 工作，設計了物理芯片并領導了其制造中涉及的步驟。這項工作得到了歐洲研究委員會 (ERC) 和歐盟地平線 2020 未來和新興技術 (FET)-OPEN 計劃的支持。 ?

編輯：黃飛

?