芯片:向大脑进化

2014-09-01 21:15:43来源: 环球科学

    作为美国斯坦福大学的一名生物工程师,博亨和其他一些研究人员组成了一个小团队,正在试图通过模仿大脑,创造出理想中的这种计算机运行模式。

芯片:向大脑进化

    1982年时,夸贝纳·博亨(Kwabena Boahen)有了第一台电脑,那时他还只是个生活在加纳首都阿克拉的十几岁少年。“那真的是一台非常酷的设备,”他回忆道。但当博亨弄清楚电脑内部的运作机制时,他反倒没有感觉特别震撼。“搞清楚了中央处理器是如何不断地来回传输数据后,我心想,‘天呐!电脑需要一直疯狂的工作’。”他本能地感觉到,电脑需要在设计中多一些“非洲”特色的设计:分布更加广范,多一些流动性,少一些严格限定。

    如今,作为美国斯坦福大学的一名生物工程师,博亨和其他一些研究人员组成了一个小团队,正在试图通过模仿大脑,创造出理想中的这种计算机运行模式。

    大脑运行的节能效果显著,并且其运算能力足以挑战世界上最大的超级计算机,尽管它依赖的组件并不完美:神经元非常缓慢、多变,并且很混乱。在一个比鞋盒还小的区域内,大脑能完成理解语言、抽象推理、控制运动甚至更多任务,功耗却比家用灯泡还小,并且没有任何类似于中央处理器的微小处理器。

    为了使硅芯片也能像大脑一样,研究人员正在构建非数字化的芯片系统,使其尽可能像真正的神经元网络一样发挥作用。几年前,博亨设计了一个叫做“神经网格”(Neurogrid)的装置,用它来模拟100万个神经元的活动,模拟的数量,几乎和蜜蜂大脑里的神经元一样多。到今天,“神经形态技术”(neuromorphic technology)经过四分之一个世纪的发展,距离实际应用终于不远了。该技术有望用于任何低功耗和小体积的设备上,从智能手机、机器人到人造眼睛和耳朵。过去5年里,这样的应用前景吸引了众多的研究者投身于该领域,美国和欧洲的机构已为此投入数亿美元的研究经费。

    瑞士神经信息学研究所(Institute of Neuroinformatics,INI)的贾科莫·因迪韦里(Giacomo Indiveri)认为,神经形态设备也为神经科学家提供了强大的研究工具。在真实的物理系统中,通过观察神经模型具备或者缺失了哪些功能,“科学家就能了解大脑结构为何会是这样”。

    博亨称,神经形态解决方案应该会有助于突破摩尔定律的限制。长期以来,每隔两年左右,计算机芯片制造商就需要在给定的空间内,增加一倍数量的晶体管。对芯片空间的利用已经趋向于极致,很快,硅芯片上的电路就会因为太小、太紧密,无法传输“纯净”的信号:电子会从各种元件中“泄漏”,致使硅芯片和神经元一样混乱。一些研究人员希望,通过使用软件补丁的方式来解决这个问题,例如借用类似于统计学上的误差修正这样的技术,来使互联网平稳运转。但最终,博亨说,最有效的解决方案还是存在于我们的大脑中——一个在数百万年前就已经出现的东西。

硅细胞

    神经形态(neuromorphic)这一观点是在20世纪80年代,由加州理工学院的卡弗·米德(Carver Mead)提出。在微芯片设计方面,米德堪称先驱。他创造了“神经形态”这一术语,并且是第一个强调大脑在节能方面具有巨大优势的学者。

    米德通过“亚阈值”(sub-threshold)的硅来模仿大脑的低功耗处理过程。在特别小的电压下,正常芯片无法将比特从“0”改变为“1”,但亚阈值硅仍然有微小的、不规则的电子流通过晶体管,这种自发电流的涨落,其大小和可变性,与神经回路中流动的离子所形成电子流非常相似。米德推断,通过微观电容器、电阻器和其他组件来控制这些电流,该装置也许能形成微小的电路,并且会展示出和真实神经元相同的电学性能。芯片可以连接成分散网格,在各组件间产生通信线路,而不用通过中央处理器,这种工作方式与大脑中真实的神经回路非常相似。

    20世纪90年代,米德和同事发现,构建硅神经元网络是有可能实现的(见“来自生物学的灵感”)。该装置通过结点(junction)接收外部电流输入信号,结点的作用类似于真实神经系统中的突触(synapse)——神经脉冲通过突触,从一个神经元传到另一个神经元。和真正的神经元相似,硅神经元允许传入的信号在电路的内部积蓄电压。当电压达到一个特定的阈值,硅神经元就会“放电”,产生一系列“电压尖脉冲”(voltage spike,即瞬间出现的电压峰值),这些“电压尖脉冲”会沿着一条导线传播,这条导线的作用类似神经元的轴突(axon,神经信号会沿着轴突传播)。尽管这些尖脉冲是“数字化”的,只能处于开或关这两种状态,但硅神经元却像真正的神经元一样,是以非数字化的形式运行的,因此硅神经元的电流和电压并不限于几个不连续的数值,这与传统芯片完全不同。

    硅神经元的表现,反映了大脑节能的一个关键因素:与真正的大脑一样,硅神经元在“放电”之前,只是简单地整合输入信号,这只需要很少的能量。而在传统计算机中,无论芯片是否进行运算,都需要持续输入能量,来维持内部时钟运行。

    米德的研究小组还研究了其他神经回路——最引人瞩目的是模拟眼睛视网膜的硅芯片。这种设备用一个探测器阵列(50×50)来捕获光线。当探测器的活动显示在电脑屏幕上时,这些“硅细胞”对光、阴影和运动的反应,与视网膜上的神经元大致相同。和大脑一样,这种设备只会传递有意义的信息,从而节省能量:只有光线强度发生变化时,视网膜中的大多数细胞才会有反应。这种工作模式的好处在于,它会着重突出运动物体的边缘轮廓,从而尽量减少需要传输和处理的数据。

应对挑战

    博亨于1990年加入米德的实验室。在最初的时期,研究人员都忙于研究单芯片设备,例如硅视网膜。不过到20世纪90年代末,“我们希望构建一个‘大脑’,这需要大规模的芯片间信息传输。”这是一个巨大的挑战:芯片间通信的标准编码算法都是专门为精确协调数字信号而设计的,无法应用于神经形态系统中随机性更强的尖峰脉冲信号。21世纪初,博亨和其他研究人员发明了在这种混乱系统下运行的电路和算法,为大规模神经形态系统的一系列发展开辟了道路。

    在最初的一系列应用中,有一项是大型模拟器,它能为神经科学家提供一个简单的方法,来研究大脑的工作模式。例如,2006年9月,博亨发起了“神经网格”项目,希望模拟上百万个神经元的活动。虽然只是人脑860亿神经元中的一小部分,但足以模拟几个内部联系非常密集的神经元群,这些神经元群被认为是人类大脑皮层中计算单元的组成部分。博亨说,神经科学家可以通过编码神经网格,来构建大脑皮层的任何模型。然后,他们会看到,大脑模型的运行速度几乎与大脑相同——这比传统的数字模拟方式快成百上千倍。研究人员已用它来测试神经功能的一些理论模型,比如工作记忆、决策能力和视觉注意力。

    “由于与真实的大脑神经元网络高度相似,且有着相同的运行效率,博亨的神经网格遥遥领先于其他大规模神经形态系统。”INI联合创始人、硅神经元的开发者之一罗德尼· 道格拉斯(Rodney Douglas)说。

    不过,正如博亨自己所说的那样,没有什么系统是完美的。神经网格最大的缺点之一是突触连接简单,每个神经元约有5 000个突触,但突触不能单独修改。这意味着,该系统不能用于模拟学习过程,而在大脑中,学习经历会修改突触连接。考虑到芯片的可用空间有限,在一个复杂的电路中,若要使每个突触的工作方式更接近现实情况,则要求电路元件的体积只能有目前的千分之一,达到纳米技术的范围。这在目前是不可能实现的,但新研发出的一种名为“忆阻器”(memristors)的纳米级存储设备,可能有一天会解决这个问题。

    另一个问题来自制造过程。在制造中,一些小误差无法避免,这导致每个神经形态芯片在运行时都略有不同。“这些小误差远远少于在大脑中观察到的情况”,博亨说,但这确实意味着,神经网格程序必须允许硅神经元的放电频率存在实质性差异。

    这一问题导致一些研究人员抛弃了米德最初提出的使用“亚阈值”硅芯片的想法。他们转而使用更传统的数字化系统。在一定程度上,这些数字化系统通过模拟单个神经元的电学性质,也具有神经形态特性,而且可预测性更强,更易编程,但代价是,能耗更高。

    “三角帆计划”(SpiNNaker Project)就是一个典型的例子。2005年,英国曼彻斯特大学的电脑工程师史蒂夫·弗伯(Steve Furber)发起了这个项目。系统采用了一种功耗极低的数字芯片,该芯片在很多智能手机中都能找到。“三角帆计划”目前可以模拟多达500万个神经元。弗伯说,这些神经元比神经网格中的神经元更简单,需要耗费更多能量,但这套系统的目的与神经网格是相似的:“模仿生物学大脑,实时运行大型大脑模型”。

    另一个研发方向依然是研制神经元芯片,但却是努力提高芯片的运行速度。神经网格中,神经元的运行速度与真实神经元相同。由德国海德堡大学物理学家卡尔海因茨·迈耶(Karlheinz Meier)带领的“欧洲BrainScaleS项目”,正在开发一种神经形态系统,目前能模拟40万个神经元,运行速度比真实大脑速度快10 000倍。这也意味着,在相同的任务中,它消耗的能量会比大脑多10 000倍,但这套系统的运行速度,对于一些神经科学家来说却是好消息,迈耶说,“我们可以在10秒内模拟一天的神经活动”。

    弗伯和迈耶现在有资金去推动项目发展,使系统更加庞大、更加完善。他们都被选入了欧盟开展的“人类大脑计划”(Human Brain Project,HBP),该计划为期10年,投入总经费10亿欧元,已在不久前正式启动。粗略统计,将会有1亿欧元用于神经形态研究,这样弗伯团队就能扩大系统,模拟5亿个神经元。与此同时,迈耶团队的目标则是400万个神经元。

    但传统方法也就只能做到这样。自2008年以来,美国国防部高级研究计划局(US Defense Advanced Research Projects Agency)已经投入了1亿美元以上的经费在Synapse项目上,用来开发紧凑型、低功耗神经形态技术。该项目的主要承担者之一、IBM阿尔马登研究中心的认知计算小组,已经利用项目资金来开发含有256个数字神经元的芯片,可以用来构建大型系统。

走向应用

    博亨则正在用自己的方法来实现实际应用。这里不得不提他在2013年4月开始的一个尚未命名的项目。该项目以Spaun模型(一个大脑的计算机模型,包括大脑中负责视觉、运动和决策的部分)为基础。Spaun依赖于10年前由加拿大滑铁卢大学理论神经科学家克里斯·伊莱斯密斯(Chris Eliasmith)开发的神经回路编程语言。用户只需指定所需的神经功能,例如“产生一个移动手臂的指令”,伊莱斯密斯编写的系统就会自动设计神经元网络来实现该功能。

    为了验证该系统是否能运转,伊莱斯密斯和同事在一台传统计算机上模拟了Spaun模型。他们展示了一些模拟结果,利用250万个模拟神经元,外加模拟的视网膜和手,就可以完成用手抄写数字、回想列表中的项目、按给定顺序计算出下一个数字,以及其他一些认知任务。博亨说,神经模拟的能力已达到了前所未有的水平。但是,Spaun模拟运行的时间比大脑实际运行时间约慢9 000倍,需要用2.5小时来模拟大脑1秒的行为。

    博亨向伊莱斯密斯介绍了自己的提议:利用实时神经形态硬件,来构建一个实体版的Spaun。“我非常兴奋,”伊莱斯密斯说,在他看来,这样的匹配是完美的,“你们有花生酱,而我们有巧克力”!

    美国海军研究办公室(US Office of Naval Research)为他们提供了资金,博亨和伊莱斯密斯已经组建了一个团队,计划在3年内构建一个小规模的原型,并在5年内构建一个全面的系统。

    博亨说,他们会用INI开发的神经形态视网膜和耳蜗来进行感官输入。对于输出,他们有一个机械臂。但是,认知硬件的构建将会从零开始。“这不是一个新的‘神经网格’,而是一个全新的架构,”因为要具备一定的实用性,这个架构将不会苛求与真实大脑高度相似,而会依托“非常简单、非常有效的神经元,这样我们就可以将系统的神经元数量扩大到数以百万计”。

    该系统是专门为现实世界的应用而设计的。博亨称,“我们的设想是,在5年时间内,构建完全自主的机器人,它们可以用一种有意义的方式与环境交互,实时完成任务,而在能耗上仅相当于一部手机”。这种设备会比今天的自动机器人更加灵活,具有更强的适应性,同时消耗非常少的能量。

    博亨补充称,从更长远的时间来看,他和伊莱斯密斯的研究成果将不只是用于机器人,还会为更紧凑、更低能耗的处理器的研发铺平道路,这样的处理器将能用于任何计算机系统。如果科学家彻底破解了大脑谜题,找到了大脑如此高效、紧凑和强大的关键原因,对于计算机行业来说,这将是一个重大利好,阻挡芯片发展的那道无形之墙就会倒塌,更小的芯片将会问世。

关键字:芯片  大脑  进化

编辑:鲁迪 引用地址:http://www.eeworld.com.cn/medical_electronics/2014/0901/article_4998.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。
论坛活动 E手掌握
微信扫一扫加关注
论坛活动 E手掌握
芯片资讯 锐利解读
微信扫一扫加关注
芯片资讯 锐利解读
推荐阅读
全部
芯片
大脑
进化

小广播

独家专题更多

富士通铁电随机存储器FRAM主题展馆
富士通铁电随机存储器FRAM主题展馆
馆内包含了 纵览FRAM、独立FRAM存储器专区、FRAM内置LSI专区三大部分内容。 
走,跟Molex一起去看《中国电子消费品趋势》!
走,跟Molex一起去看《中国电子消费品趋势》!
 
带你走进LED王国——Microchip LED应用专题
带你走进LED王国——Microchip LED应用专题
 

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 医学成像 家庭消费 监护/遥测 植入式器材 临床设备 通用技术/产品 其他技术 综合资讯

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2016 EEWORLD.com.cn, Inc. All rights reserved