永远在线的人工智能：通用神经形态硬件才是 AI 的未来吗？

例如苹果的 Siri 等的 AI 服务，是将用户的查询发送到别处的数据中心，再从数据中心发送回来响应。这些服务需要依赖基于云的计算的原因是，现在的电子产品缺乏足够的计算力来运行机器学习算法。大多数智能手机使用的 CPU 都不可能在手机设备上处理 Siri 这样的系统。Chris Eliasmith 博士是加拿大 AI 创业公司 Applied Brain Research 的联合 CEO 和理论神经科学家，他认为一种新型芯片将为此带来改变。

“许多人认为摩尔定律正在走向终结，这意味着我们没法继续使用同样的方式令计算力增加的同时成本更低，”Eliasmith 说。他把赌注下在“神经形态芯片”，这种类型的计算机芯片虽然尚未广为人知，但已有几家主要的芯片制造商在开发。

传统的 CPU 基于“时钟时间”处理指令，信息被以规律的时间间隔传输，就像有一个节拍器在管理着一样。通过包装在神经元的数字等效中，神经形态芯片使用“尖脉冲”（spike）并行地进行通信。就像人类的大脑一样，芯片的神经元通过处理输入的电流进行通信，每个神经元能够根据输入的尖脉冲确定是否将电流发送到下一个神经元。

这类芯片的厉害之处在于，它们处理 AI 算法所需的功率相比传统芯片少得多。例如，IBM 制造的神经形态芯片包含的晶体管是标准 Intel 处理器的5倍，但是消耗的功率仅为70毫瓦。标准处理器需要35到140瓦，是神经形态芯片的2000倍。

Eliasmith 指出，神经形态并不是新的东西，神经形态芯片的设计80年代就出现了。但是，当时需要将特定算法的设计直接烧制到芯片上。这意味着你检测动作需要用一个芯片，检测声音需要用另一个芯片。没有一个芯片能够像我们的大脑皮层一样，可以作为一个通用的处理器。

部分原因是程序员尚没有办法设计可以用一个通用的芯片做各种任务的算法。因此，虽然这些类脑芯片已经在开发中，为它们构建算法仍然是一个很大的挑战。

Eliasmith 和他的团队专注于构建能让程序员在这些新型类脑芯片上部署 AI 算法的工具。他们的成果的核心是 Nengo，一个可以让开发者使用来构建在通用神经形态硬件上运行的 AI 算法的编译器。编译器是一种软件工具，程序员使用它来编写代码，并将代码转换为复杂的指令以让硬件实际去做某个任务。Nengo 的好用之处在于它使用熟悉的以语法直观闻名的 Python 语言，并且能够将算法部署于多个不同的硬件平台，包括神经形态芯片。不需要多长时间，任何了解 Python 的人都能学会为神经形态硬件构建复杂的神经网络。

据 Applied Brain Research 称，Nengo 已经建立起包括视觉系统、语音系统、运动控制系统和自适应机器人系统等。其中最令人印象深刻的系统是 Spaun，据称这是在计算机上模拟的最复杂的大脑模型。

下面的视频介绍了 Spaun 对示例任务的大脑活动和解码。

Spaun 证明了计算机可以与环境流畅交互，并能够执行类似人类的认知任务，例如识别图像、控制机器人手臂写下看到的东西，等等。这个机器并不完美，但它已经是一个惊人的实证，证明了计算机有一天能够模糊人的认知与机器的认知之间的界限。最近，通过使用神经形态芯片，Spaun 的运行速度加快了9000倍，相比传统 CPU 消耗的功率也更少。到2017年底，Spaun 将全部在神经形态芯片上运行。

Applied Brain Research 的另一名 CEO Peter Suma 说：“虽然 Spaun 展示了一种将来某天能够建立流畅的智能推理系统的方法，但更近的希望是，神经形态芯片将使许多类型的情境感知 AI 成为可能。”Suma 指出，虽然现在像 Siri 这样的 AI 在得到指令采取行动之前都是离线的，但很快我们就会有“永远在线”的人工智能体，将会一直存在于我们的生活中。

至于对“用户隐私信息”的忧虑，由于 AI 将在本地设备上处理信息，信息就没有必要触及大公司的服务器。Eliasmith 认为，这个“永远在线”的部分是实现真正的机器认知的必要步骤。他说“现在最常用的 AI 系统与人类自己的生物智能系统之间最根本的区别在于，后者无论何时都是实时操作的。”

IT 行业已经有越来越多的工作在试图将 AI 服务部署到用户的移动设备中。苹果、Facebook、亚马逊，甚至三星等公司都正在开发智能对话助理，他们希望有一天能成为用户的数字助理。伴随着神经形态芯片和 Nengo 等工具的兴起，我们将很快能在智能手机上看到令人惊叹的机器智能水平。

原文地址：http://www.wired.co.uk/article/ai-neuromorphic-chips-brains