美空軍成功測試IBM最新仿人腦晶元，識別坦克精度高達95％

隨著衛星、航空器以及日趨流行的無人機技術的發展，天空中似乎已充滿了美國空軍（U.S.Air Force）的監視器了，各個國家對此也表示了極大的不滿。

但面對質疑和抗議，美國空軍仍舊「一意孤行」地探索如何利用仿人腦計算機晶元讓各類武器系統變得更加智能化。

或許在未來，飛行器完全可以做到自動識別車輛（如坦克）或防空系統，如此一來，飛行器自身的生存幾率和打擊效果也會得到大大提升。

近日，美國空軍研究實驗室（AFRL）利用一種「神經形態仿人腦晶元」在雷達生成的航空影像中成功甄別出了軍用車輛和民用車輛。而這種晶元正是由IBM公司研發的，它極高的精準度足以媲美常規的高性能計算機，但能耗卻連後者的二十分之一都不到。

美空軍曾進行了一次競賽測試——TrueNorth晶元的對手是一台名為Jetson Tx-1的高性能 Nvidia 計算機——目的是為了便於汽車和機器人等機器增加強大的機器學習能力。在競賽中，配有這兩種計算晶元的電腦利用不同的神經網路圖像處理軟體，嘗試從一個稱為 MSTAR 的公共資料庫種甄別出10類軍用和民用車輛，其中的數據實例就包括俄羅斯T-72坦克。

最後的結果是，兩個晶元系統都實現了大約95%的精度，但IBM的TrueNorth晶元效率更高，功耗僅有Nvidia晶元的二十到三十分之一。

TrueNorth晶元陣列

早在2014 年，美國空軍研究實驗室就與 IBM 簽訂了價值 55 萬美元的合同，成為IBM仿人腦晶元TrueNorth的第一個客戶。但實際上，TrueNorth 項目在很久以前就開始籌備了。

2008 年，美國國防部高級研究計劃局（DARPA）就給了IBM總計5300萬美元供其開發SyNapse項目（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，自適應可塑可伸縮電子神經系統），而TrueNorth正是 SyNapse 項目的最新成果。

幾經周折，IBM的研發人員探索了一個又一個的領域，從神經科學到超級計算；從全新的計算機架構到新的編程語言、演算法和應用程序。經過了 6 年左右的時間，才最終打造出TrueNorth這款仿人腦晶元。

與當今所有的計算機都遵循的馮諾依曼架構不同，TrueNorth晶元模仿了人類大腦的神經元結構，研究者在該晶元上設計了一百萬個基本單元來模擬哺乳動物大腦中的神經元，並通過兩億五千六百萬個「突觸」相連接。

該晶元正是利用這種「神經元」網路進行數據處理。與它的「前輩」相比，其計算效率和可擴展性都要更加出眾，具有並行、分布式、模塊化、可擴展、可容錯的靈活架構，而且集成了計算、通信和存儲於一體。

甚至可以說，TrueNorth已經重新定義了仿人腦技術包括體系架構、運行效率、可擴展性和晶元設計等在內的方方面面。

除了計算能力出眾之外，IBM TrueNorth晶元的優勢還在於其強大的認知能力。隨著物聯網技術的發展，無數感測器會記錄下大量的數據，而如何通過分析這些數據來做出對未來趨勢的預判，就變成了一個對計算機能力的考驗。

一般情況下，傳統的計算機是無法完成這一任務的，直到TrueNorth的出現才使這一切變為可能。

不僅如此，IBM最為知名的超級計算機Watson也因為TrueNorth的加入而變得更加智能化。在未來，小到智能手機，大到超級計算機、雲計算網路，或許隨處可見TrueNorth的身影。

而美國空軍之所以對這種晶元感興趣，則是因為對於一些複雜問題，TrueNorth的效率會更高。比如，在資源及空間匱乏的地區，有可能利用這種仿人腦晶元部署先進的機器視覺，通常來講，這往往需要大量的計算和能量消耗，傳統的晶元恐怕就難以勝任，此時就需要TrueNorth了。

那為什麼TrueNorth可以顯著降低運行中的能量消耗呢？這就不得不提計算機誕生所自帶的天然屬性了。

計算機的雛形最早可以追溯到 1642 年Blaise Pascal所發明的機械計算器。而現代意義上的計算機則起始於 1946 年 2 月 15 日「超級巨獸」ENIAC的出現。在隨後的一步步發展之中，晶體管也完成了向集成電路和微處理器的升級換代，作為衡量處理器性能的「時鐘頻率」也在短短几十年間增長了1000倍。

如今，微處理器的運算速度已經是人類大腦的1億倍了，但這種喜人的發展背後所承擔的巨大代價就是高出人腦1萬倍的巨大能量消耗。而在實際比較之中，計算機與人腦耗能的差距會更加明顯，如果超級計算機需要12GW能量的話，人類大腦僅需消耗20W。

第一台現代意義上的計算機ENIAC

那究竟是什麼導致了這種差異呢？簡單來講可歸結為兩個因素：技術和架構。不同於計算機所使用的無機矽片，人類大腦可是一個鮮活的人體器官，更多牽涉到的是有機生物的部分。在技術的部分，或許未來納米技術的發展可以有效地縮小二者之間的差距。

但當下，人們更關心的則是在架構上的創新，尤其是產品能耗的降低、尺寸的減小以及在最新技術中的應用。也正因為TrueNorth晶元載入的神經網路模型模擬了人腦的神經元結構，可以以分布式和並髮式的方式傳導信號，從而彌補了單個神經元運算速度的不足，而神經元在空閑狀態下還具有自動關閉的屬性。

所以，TrueNorth晶元能在快速、準確分類的同時保持超低功耗。TrueNorth晶元在郵票大小的面積上集成了100萬個「神經元」，使其不僅擁有一台超級計算機的計算能力，而且運算也更有針對性。相較之下，其功耗卻只有區區70mW，打個比方就是，一部智能手機的電池都足夠它運行一個星期的了。

另值得一提的是，IBM的TrueNorth晶元並沒有通過大型神經網路對人腦進行模仿，所以它實現了低功耗下的強計算能力，但Google的深度學習系統Google Brain，微軟的Adam因為需要大量傳統計算機的集群，所以儘管展現出了極強的計算能力，但是能耗卻十分巨大。

美國空軍研究實驗室的高級電子工程師 Wu Qing 就表示：「衛星、高空飛行器以及小型無人機等都將受益於這類仿人腦晶元。空軍的作業領域為空中、太空以及網路空間（cyberspace），所有這些區域對於能耗的高低都十分敏感。」

所以，IBM的晶元在這類任務中具備較大的效率優勢。畢竟傳統的計算機晶元可以說是為了通用的目標所設計的，旨在解決各類型的問題。相較而言，IBM的TrueNorth晶元的硬體專為人工神經網路打造，其100萬個物理「神經元」可以應對某一項具體的問題。

那為什麼這種架構效率更高呢？Wu Qing解釋道，這是因為晶元的神經元和突觸既可以存儲數據，也可以處理數據。而在如Jetson Tx-1的傳統系統中，執行計算的組件與存儲器是相分離的。這意味著，數據必須從存儲器傳送到處理器進行分析，然後再返回到存儲器被存儲，這個過程消耗了大量的時間和能量。

Massimiliano Versace作為波士頓大學神經形態實驗室（Neuromorphics Lab）的主管，他曾參與過五角大樓的另一個項目。在該項目中，五角大樓向IBM提供資金，讓它開發TrueNorth晶元。Versace稱，TrueNorth晶元的確很有前途，不過它在開發的過程之中也做了一定的取捨，就比如高昂的成本。

Massimiliano Versace教授

得益於英偉達（Nvidia）、谷歌（Google）以及其他公司的相關軟體，目前在傳統計算機上部署神經網路也變得容易了許多。但因為TrueNorth晶元幾乎就是定製的產品，所以它的價格要貴上許多。就目前來講，易用性和價格已經成為了阻礙專用神經形態晶元進一步普及的兩個主要因素。

對於這個問題，Wu Qing 認為，如果IBM能夠吸引業界足夠的關注藉以提高晶元產量，那麼TrueNorth的價格應該會大幅降低。除此以外，IBM公司也表示，為了推廣產品，他們正努力使基於該平台的軟體開發變得更容易。