神經元晶元問世，人工智慧如虎添翼

人類的大腦雖然只有足球一般大小，但是裡面卻包含著大約1000億個神經元。在任何時候，單個的神經元都可以通過突觸（神經元之間的空隙），將指令傳遞給數以千計的其他神經元。整個大腦中有超過100萬億計的神經元信號，使得大腦能夠以閃電般的速度識別、產生記憶，並獲得學習聯想的能力。

基於這一原理，研究人員試圖設計一種像人類大腦一樣工作的計算機晶元。通過神經元的傳遞模式，小型的神經形態晶元，可以像大腦一樣有效的處理數以百萬計的並行計算流。如此龐大的並行運算流，目前只有大型的超級計算機組才能夠完成運算，如果採用「神經形態計算晶元」，則只需要一塊指甲蓋大小的晶元就可以實現。

這種晶元的製作難點在於如何在硬體上實現神經突觸的複製，來自麻省理工的科學家設計了一種人造突觸，以實現人工突觸的複製。該研究小組利用單晶硅硅原子排列成連續排列且無缺陷的特性，試圖通過創建精確的一維線缺陷或錯位，使得離子可以通過該缺陷達到可以預測離子流動的目的。

研究人員通過這一方法，製造了一系列由硅鍺製成的人造突觸組成的「神經形態晶元」，每個突觸約25納米大小，通過對每個突觸施加電壓，發現所有突觸都表現出差不多相同的電流或離子流，突觸之間的差異大約為4％。

他們還通過多次試驗測試了一個突觸，在700次循環中施加相同的電壓，發現突觸表現出相同的電流，每個周期只有1％的變化。研究團隊負責人Kim表示：「這是我們能夠達到的最一致的裝置，同時也是演示人工神經網路的關鍵。」

「神經形態晶元」將由「輸入/隱藏/輸出神經元」組成，每個神經元通過基於微小的人造突觸連接到其他「神經元」。科學家認為，這樣的神經網路堆棧運用到人工智慧當中將如虎添翼。特別是在人工智慧中的「深度學習」演算法方面，甚至可以通過硬體的堆疊，取代深度學習中的部分演算法。

例如，當輸入手寫的「1」，輸出標記為「1」時，某些輸出神經元將被輸入神經元激活和來自人造突觸的權重。當更多的手寫"1"的例子被送入同一個晶元，相同的輸出神經元可能被激活，當他們感覺到同一個字母的不同樣本之間的相似特徵，從而以類似於大腦的方式「學習」。

Kim和他的同事們運行了一個人造神經網路的計算機模擬，該神經網路由三層神經層組成，兩層神經層通過兩層人造突觸相連，這些神經層的特性是基於他們實際神經形態晶元的測量結果。他們從神經形態設計師常用的手寫識別數據集中模擬成千上萬個樣本，發現他們的神經網路硬體可以在95％的時間內識別手寫樣本，而現有軟體演算法的精度為97％。

Kim還表示，該團隊的人工突觸設計將能夠實現更小巧的攜帶型神經網路設備，能夠執行目前只有大型超級計算機才能實現的複雜計算。 「最終我們需要一個像指甲一樣大的晶元來代替大型超級計算機。一旦這一類型晶元投入商業運用，VR、可穿戴設備、神經網路鏈接、物聯網……等受制於硬體設備發展的行業，都將獲得長足的發展。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！