计算机|构建“人造超级大脑”

计算机|构建“人造超级大脑”
文章图片

图①为达尔文2代类脑芯片 。
图②为类脑计算机 。
浙江大学计算机学院供图
制图:蔡华伟
人脑和计算机哪个结构更复杂?计算机可否像人脑一样自我学习与进化?智能机器是否可以像人类一样思考与行动?人类能否打造像人脑一样的“机器脑”?这些你可能想过的问题 , 都属于类脑计算研究的领域 。
类脑计算 , 是借鉴生物大脑的信息处理方式 , 以神经元与神经突触为基本单元 , 从结构与功能等方面模拟生物神经系统 , 进而构建“人造超级大脑”的新型计算形态 。从1945年科学家冯·诺伊曼以大脑为参考提出著名的冯·诺伊曼计算机体系结构 , 到1948年人工智能之父艾伦·图灵提出用类神经元网络方式构建现代计算机的设想 , 再到2020年浙江大学牵头研制成功亿级神经元类脑计算机 , 类脑计算研究不断取得进步 。类脑计算既充满魅力又面临挑战 , 它的主要任务不仅是构建结构逼近人脑的网络系统 , 更在于构造性能媲美人脑的创新生态 , 为人类展示虚拟脑与生物脑相融合的计算前景 。
类脑计算:突破计算能力限制的战略支点
类脑计算属于计算机研究范畴 。1946年 , 世界上第一台现代计算机诞生 , 计算机科学与技术从此日新月异 。短短几十年间 , 现代计算机使用的电子器件经历了电子管、晶体管、中大规模集成电路、超大规模集成电路等阶段 , 持续更新换代 。1965年以来 , 集成电路的晶体管集成度遵循了“摩尔定律” , 即一个芯片上可以容纳的晶体管数目在大约18个月后就会增加一倍 。但时至今日 , 通过提高集成电路的晶体管集成度来提升计算能力的模式已难以为继 。计算芯片的电路线条宽度已细到纳米数量级 , 相当于只有几个分子的大小 。在这种情况下 , 材料的物理与化学性能的变化将导致半导体器件不能正常工作 。因此 , 如何以新的处理机制解决计算机计算能力限制 , 成为信息科学发展最为紧迫和最为前沿的问题之一 。
通过模仿人脑建造接近乃至超越人类智能的机器是人类的一个朴素理念 , 也是科学家解决计算机计算能力限制的主要方向之一 。与现有计算机相比 , 人类大脑具有明显优势 。一是人类大脑的功耗低 , 仅有20瓦左右 , 远远低于现有的计算系统;二是人类大脑的容错性强 , 即使少部分神经元死亡 , 对大脑的整体功能影响不大;三是人类大脑对信息的并行处理能力强 , 分布于大脑各处的数百亿神经元可同时对信息进行分析处理;四是人类大脑神经网络的可塑性好 , 可根据环境变化进行自我学习与进化 。人脑的这些优势或许平时不易被我们察觉 , 却是类脑计算研究的重要依据 。
类脑计算领域的相关研究 , 为新一代计算变革带来了希望 。以大脑为模仿对象建立新一代计算技术体系 , 既可以保留计算机的既有优势 , 又可以叠加人脑处理信息的诸多优势 , 将有望打破冯·诺伊曼架构的束缚 , 实现存储处理一体化、超低能耗和超大规模并行信息处理 , 让结构逼近人脑、性能媲美人脑的“人造超级大脑”成为可能 。
类脑芯片:让计算机像人一样聪明的核心技术
细心的人会注意到 , 自然界有许多体型很小的昆虫 , 能够实时跟踪物体、导航和躲避障碍物 。它们的神经元只有几万、几十万个 , 与之相比 , 人类大脑的神经元数量和复杂功能更令人惊叹 。如果能在芯片上模拟这些大脑 , 必然可以系统提升计算机的整体能力 。正是基于这一想法 , 类脑芯片应运而生 , 它是建造类脑计算机最关键的部件 , 可以说是人类大脑的硬件电路形式 。类脑芯片主要负责模拟大脑神经元的功能特性、信号传递和学习方式 , 让计算机在低电能消耗情况下完成感知、学习、记忆、决策等智能任务 。

推荐阅读