牛津大學研發類腦光子晶元,運算速度超人腦1000倍
2017 年 11 月 8 日,在北京國家會議中心舉辦的 AI WORLD 2017 世界人工智慧大會開放售票!早鳥票 5 折搶票最後1天!還記得去年一票難求的AI WORLD 2016盛況嗎?今年,我們邀請了冷撲大師」之父 Tuomas 親臨現場,且谷歌、微軟、亞馬遜、BAT、訊飛、京東和華為等企業重量級嘉賓均已確認出席。
隨著人工智慧不斷使機器變得更加智能,科技界許多人認為「奇點」——技術進步使得機器比人類聰明上指數級的倍數的時間點——就在眼前。
但是,當涉及到計算的時候,人類的大腦仍然比地球上任何一個技術處理系統都要強大得多(而且效率高得多)。
事實上,開發能夠模仿大腦突觸的工作方式的微晶元——特別是它們幾乎不需要能量來處理和存儲信息的能力——一直以來都是計算的「聖杯」。
來自艾克塞特大學、牛津大學和明斯特大學的研究人員領導的研究小組研發了一種專門的光子晶元。在測試中,這種晶元的運算速度可以比人腦的速度快1000倍。這種晶元如果用於超級計算機,則可最大限度地同時儲存信息,並只需使用最小的功率。科學家們朝著這個計算的「聖杯」又邁近了一步。
因為這款微晶元是由光碟機動的,它們也可以在比任何電子處理系統都更低的能量供應下執行高速計算。
強大的人腦硬體
在人類大腦中,突觸將神經細胞(或神經元)連接在一起。構成記憶和思想的大腦信號以微小的電荷的形式通過這些神經細胞;當電荷到達突觸時,它就會觸發神經遞質釋放,神經遞質是一種化學「信使」,在整個大腦中傳遞信息。
突觸功能的圖示
突觸本質上是一種「電路」,它能促進我們的思維、感覺和活動的激活。而且突觸的數量非常多:在一個健康的大腦中存在著大約1000億個神經元,每個神經元都與其他成千上萬的神經元相連接,大腦中突觸的數量估計在100萬億到1000萬億個之間。
不過,比它們的數量更令人驚異的是它們的速度:大腦中數以萬億計的「突觸連接」的運行速度與一台擁有每秒1萬億比特的處理器的計算機的速度類似。(作為參考,這比你辦公室的每秒100兆比特的乙太網速度要快1萬倍。)
創造更像人腦的微晶元
考慮到人類大腦天生的強大處理能力,「神經形態計算」領域的研究人員正在開發以大腦為靈感的計算機、設備以及用於商業用途的電子產品的模型。如果他們成功了,神經形態晶元(或神經晶元)有一天會取代我們的智能手機和其他設備里的CPU(中央處理器)。
現在,即使是世界上最快的處理器和CPU也無法接近大腦突觸的處理速度。在一個模擬實驗中,生物大腦1秒鐘處理的計算量,在K計算機(地球上最快的超級計算機之一)中,超過8萬個處理器工作了40分鐘才完成。
讓計算機變得更快是可能的,但也需要更多的能量。人類大腦的兩個主要的組成部分相比機器佔有優勢。我們龐大的神經元網路和突觸可以:
1)快速並同時地處理和存儲大量信息(這被稱為「並行處理」),以及
2)用非常少的能量進行並行處理,總共只需要幾十瓦特的功率。
歐洲的研究人員用他們的光碟機動晶元(light-powered microchip)解決了這兩個問題——他們製造出一種速度驚人的「硬體突觸」(hardware synapse),而且所需能量極低。
研究人員通過將「相變」(phase-change)材料和光子集成電路組合在一起,製造了這種晶元。相變材料在日常物品中有廣泛應用,如可擦寫型的CD和DVD。
相變材料是一類隨溫度變化,能夠儲或和釋放大量能量的物質。同時,光子集成電路利用光而不是電子來操縱原子和執行其他功能。
使用光代替昂貴的、低效率的能源(例如電力)是許多科學家的目標。事實上,一個被稱為「集成光子學」(integrated photonics)的學科專註於開發基於光信號的快速處理晶元,用於更快、更環保的電子產品。
由艾克賽特大學、牛津大學和明斯特大學的研究人員開發的光子晶元是一個很好的例子。根據研究小組的說法,他們的光子神經突觸可以比人腦的速度快1000倍,這代表了破解大腦模擬計算機的「聖杯」的關鍵一步。
儘管迄今為止,研究團隊只進行了測試,以證明該微晶元在「突觸模擬」中的可編程性和有效性。但研究人員稱,他們的這一大腦啟發的創新顯示了神經形態計算工具的解決方案的一個基本要求。而這正是研究人員所說的「開拓性突破」的意義所在。
再回到AI領域:如果在不久的將來,一個高速的、基於光的神經晶元被應用在我們的電子產品,那麼這些設備將能夠以比以往更快的速度、更低的能量需求處理AI演算法。如果設備能夠更快地支持AI和高級機器學習,人類的大腦就會失去它相對於機器的某些優勢,這也許會讓我們離奇點又近一步。
原文地址:https://www.cbinsights.com/research/human-brain-microchip-artificial-intelligence-processing/
【掃一掃或點擊閱讀原文搶購「早鳥票」】
※「面試107問」谷歌等巨頭機器學習面試題:從邏輯回歸到智力測驗
※「深度學習框架的未來」李沐:AWS開源端到端AI框架編譯器NNVM
※DeepMind去年巨虧1.6億美元,看頂級實驗室投資研發比
※麥肯錫:用機器學習調查72個國家50萬學生,發現最好的教學方法
※AI和機器學習想取得進展,首先要規範研究報告
TAG:新智元 |