盡管這些年來，計(jì)算機(jī)技術(shù)取得不少進(jìn)展，但是，在再造大腦低能耗、簡(jiǎn)潔的信息處理過程這方面，我們?nèi)匀徊铰嫩橎恰，F(xiàn)在，斯坦福大學(xué)和桑迪亞國(guó)家實(shí)驗(yàn)室的研究人員取得了重要進(jìn)展，該研究可以幫助計(jì)算機(jī)模擬某塊大腦高效設(shè)計(jì)，亦即人工突觸。
Alberto Salleo，材料科學(xué)與工程學(xué)副教授，研究生Scott Keene在確知用于神經(jīng)網(wǎng)絡(luò)計(jì)算的人工突觸的電化學(xué)性能。他們是創(chuàng)造這一新設(shè)備團(tuán)隊(duì)的成員。
Alberto Salleo說，它運(yùn)行起來就像是真的突觸，不過，它是一個(gè)可以制造出來的電子設(shè)備。Alberto Salleo是斯坦福大學(xué)材料科學(xué)與工程學(xué)副教授，也是這篇論文的資深作者（senior author）。「這是一套全新的設(shè)備系列，之前并沒有看到過這類架構(gòu)。許多關(guān)鍵標(biāo)準(zhǔn)測(cè)評(píng)后，我們發(fā)現(xiàn)，這款設(shè)備的性能要比其他任何非有機(jī)設(shè)備要好。」
相關(guān)研究發(fā)表在了2月20日的Nature Materials上，該人工突觸模仿了大腦突觸從通過其中的信號(hào)中進(jìn)行學(xué)習(xí)的方式。較之傳統(tǒng)計(jì)算方式，這種方式要節(jié)能得多，傳統(tǒng)方法通常分別處理信息然后再將這些信息存儲(chǔ)到存儲(chǔ)器中。就是在這里，處理過程創(chuàng)造出記憶。
或許有一天，這款突觸能夠成為一臺(tái)更接近大腦計(jì)算機(jī)的一部分，它特別有利于處理視覺、聽覺信號(hào)的計(jì)算過程。比如，聲控接口以及自動(dòng)駕駛汽車。過去，這一領(lǐng)域已經(jīng)研究出人工智能算法支持下的高效神經(jīng)網(wǎng)絡(luò)，但是，這些模仿者距離大腦仍然比較遙遠(yuǎn)，因?yàn)椋鼈冞€依賴傳統(tǒng)的能耗計(jì)算機(jī)硬件。
建造一個(gè)大腦
人類學(xué)習(xí)時(shí)，電子信號(hào)會(huì)在大腦神經(jīng)元之間傳遞。首次橫穿神經(jīng)元最耗費(fèi)能量。再往后，連接所需的能力就少了。這也是突觸為學(xué)習(xí)新東西、記住已學(xué)內(nèi)容創(chuàng)造便利條件的方式。人工突觸，和所有其他類腦計(jì)算版本不同，可以同時(shí)完成（學(xué)習(xí)和記憶）這兩項(xiàng)任務(wù)，并能顯著節(jié)省能量。
深度學(xué)習(xí)算法非常強(qiáng)大，不過，仍然依賴處理器來計(jì)算、模擬電子狀態(tài)并將其保存在某個(gè)地方，就能耗和時(shí)間而言，這可不夠高效，Yoeri van de Burgt說，他之前是Salleo lab的博士后研究人員（postdoctoral scholar），也是這篇論文的第一作者。「我們沒有模擬一個(gè)神經(jīng)網(wǎng)絡(luò)，而是試著制造一個(gè)神經(jīng)網(wǎng)絡(luò)。」
這款人工突觸是以電池設(shè)計(jì)為基礎(chǔ)的。由兩個(gè)靈活的薄膜組成，薄膜帶有三個(gè)終端，這些終端通過鹽水電解質(zhì)連接起來。它的功能就像一個(gè)晶體管，其中一個(gè)終端控制其與其他兩個(gè)終端之間的電流。
就像大腦中的神經(jīng)通路可以通過學(xué)習(xí)得到加強(qiáng)，研究人員通過重復(fù)放電、充電，為人工突觸編程。訓(xùn)練后，他們就能預(yù)測(cè)（不確定性僅為1%）需要多少伏電，才能讓突觸處于某種特定電信號(hào)狀態(tài)（electrical state），而且一旦抵達(dá)那種狀態(tài)，它就可以保持該狀態(tài)。易言之，不同于普通電腦，關(guān)掉電腦前，你會(huì)先將工作保存在硬件上，人工突觸能回憶起它的編程過程而無需任何其他操作或部件。
測(cè)試人工突觸網(wǎng)絡(luò)
桑迪亞國(guó)家實(shí)驗(yàn)室的研究者目前只制造了一個(gè)人工神經(jīng)突觸，但是，他們使用有關(guān)突觸實(shí)驗(yàn)中獲得的15,000個(gè)測(cè)量結(jié)果來模擬某一列（array）突觸在神經(jīng)網(wǎng)絡(luò)中的運(yùn)行方式。他們測(cè)試了模擬網(wǎng)絡(luò)識(shí)別手寫數(shù)字0到9的能力。三個(gè)數(shù)據(jù)集上的測(cè)試結(jié)果顯示其識(shí)別手寫數(shù)字準(zhǔn)確度達(dá)93%~97%。
盡管這項(xiàng)工作對(duì)于人類來說顯得相對(duì)簡(jiǎn)單，但是對(duì)于傳統(tǒng)計(jì)算機(jī)而言，要解釋視覺與聽覺信號(hào)曾經(jīng)是非常困難的。
「我們期望計(jì)算設(shè)備能做的工作越來越多，這就需要模擬大腦工作方式的計(jì)算方式，因?yàn)橛脗鹘y(tǒng)計(jì)算來完成這些工作，能耗巨大，」A. Alec Talin說，「我們已經(jīng)證實(shí)這款設(shè)備很適合實(shí)現(xiàn)這些算法，而且很節(jié)能。」A. Alec Talin是桑迪亞國(guó)家實(shí)驗(yàn)室的杰出技術(shù)研究員，也是這篇論文的資深作者。
該設(shè)備極其適合于傳統(tǒng)計(jì)算機(jī)執(zhí)行起來很費(fèi)勁的信號(hào)識(shí)別和分類工作。數(shù)字晶體管只能處于兩種狀態(tài)，比如0或1，但是研究人員在一個(gè)人工突觸上成功編碼了500種狀態(tài)，對(duì)于神經(jīng)元類計(jì)算模型來說，這很有用。從一種狀態(tài)切換到另一種狀態(tài)所使用的能耗約為當(dāng)前最先進(jìn)計(jì)算系統(tǒng)的1/10，最先進(jìn)的計(jì)算系統(tǒng)需要這些能耗將數(shù)據(jù)從處理單元移動(dòng)到存儲(chǔ)器。
然而，較之一個(gè)生物突觸引發(fā)放電所需的最低能耗，這款人工突觸仍然不夠節(jié)能，所需能耗是前者的10000倍。研究人員希望，一旦他們測(cè)試用于更小的設(shè)備的人工神經(jīng)突觸，他們可以實(shí)現(xiàn)類似生物神經(jīng)元級(jí)別的能耗水平。
有機(jī)材料的潛力
設(shè)備的每一部分都由便宜的有機(jī)材料制成。雖然在自然界中找不到這些材料，但是它們大部分都由氫、碳兩種元素構(gòu)成，而且與大腦化學(xué)物質(zhì)兼容。細(xì)胞已經(jīng)可以在這些物質(zhì)上生長(zhǎng)，并且已經(jīng)被來打造用于神經(jīng)遞質(zhì)（neural transmitters）的人工泵。用于訓(xùn)練這類人工突觸的電伏也和穿行人類神經(jīng)元所需的能量相同。
這些都使得人工神經(jīng)突觸與生物神經(jīng)元之間的交流成為可能，可借此改進(jìn)腦機(jī)接口。同時(shí)，設(shè)備的柔軟性與靈活性也使得它可被用于生物環(huán)境。但是，進(jìn)行任何生物學(xué)方面應(yīng)用之前，團(tuán)隊(duì)計(jì)劃先打造一列人工神經(jīng)突觸，用于進(jìn)一步研究與測(cè)試。
（來源：ZOL新聞中心2017年2月24日）
綜合信息