模拟人脑的神经形态计算方式渐成学界热点

我的目标是一个新的计算模型。

夸贝纳·博恩把神经形态电路板放在他的神经网格设备里。照片来源:自然

1982年，夸贝纳·博亨还是个十几岁的少年时，就拥有了他的第一台电脑，当时他住在加纳的阿克拉。“那真是一台很酷的机器。”他回忆道。当观察计算机如何工作时，他本能地觉得计算机在设计中需要更多的“非洲”感觉:更多的分散、更强的移动性和更少的刚性。

现在，作为加州斯坦福大学的生物工程师，博恩和其他研究人员正试图通过大脑的逆向工程来创建这个计算模型。

大脑非常高效节能，能够执行挑战世界上最大的超级计算机的操作，尽管它所依赖的组件并不完美:神经元缓慢、易变且混乱。理解语言、抽象推理和控制运动——这些大脑可以做到这一点，而且都发生在比鞋盒小的区域，消耗的能量比家用灯泡少。

为了使硅能够实现这些功能，研究人员正在构建非数字芯片系统，并使它们的功能尽可能类似于真正的神经网络。几年前，博亨完成了一项名为“神经网格”的设备，它可以模拟一百万个神经元——相当于一只蜜蜂的大脑。如今，经过25年的发展，“神经形态学技术”的应用终于在望。这项技术有望支持低功耗、小体积的设备，从智能手机和机器人到人造眼睛和耳朵。在过去的五年里，良好的前景吸引了许多研究人员加入这一领域，美国和欧洲的机构也投资了数亿美元。

瑞士苏黎士神经信息学研究所(INI)的贾科莫·因迪维里认为，神经形态设备也为神经科学家提供了一个强有力的研究工具。通过观察哪些神经功能模型可以用于实际的物理系统，“人们可以理解为什么大脑是以这种方式构建的”。

“我的目标是一个新的计算模型，”博恩说。"即使组件太小，它们也能计算."

硅网络

神经形态学的概念可以追溯到20世纪80年代卡弗·米德的想法。米德是加州理工学院微芯片设计的先驱。他发明了“神经形态学”这个术语，并且是第一个强调大脑巨大节能优势的学者。“我感受到了它的魅力。”他说，“大脑是如何做到的？”

米德探索这个问题的策略是使用“亚阈值”硅来模拟大脑的低功率处理。在一个特别小的电压下，仍然有微小的、不规则的电子细流通过晶体管，其大小和可变性与在神经元通道中流动的离子所携带的电子流相似。米德认为，这些电流可以通过微小的电容、电阻和其他元件来控制，因此这种装置可能会形成与真正的神经元具有相同电特性的微小电路。它们可以连接在一个分布式网络中，这个网络非常类似于大脑中的真实神经回路，因此在不同组件之间产生通信线路，而不需要经过*处理器。

在20世纪90年代，米德和他的同事发现建立一个硅神经元网络是可能的，它的电流和电压不限于传统芯片中的几个离散值。它模拟了大脑低功率运行的关键点:像大脑一样，硅神经元只需要很少的能量来整合输入。然而，传统的计算机需要持续的能量来运行它的内部时钟，不管芯片是否在工作。

研发挑战

博亨于1990年加入米德实验室。他说，在最初阶段，研究人员忙于研究单芯片设备。但是到了20世纪90年代末，“我们想建立一个‘大脑’，所以我们需要大规模的芯片间通信。”这是一个巨大的挑战:芯片间通信的标准编码算法是专门为数字信号的精确协调而设计的，不会在具有更多随机尖峰的神经形态系统中工作。

21世纪初，博鳌等研究人员发明了在这种混沌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。

就效率而言，博鳌的神经网络与大脑非常相似，远远领先于其他大规模的神经形态系统INI的联合创始人和硅神经元的联合开发者罗德尼·道格拉斯评论道。

但正如博鳌自己所说，没有一个系统是完美的。神经网络最大的缺点之一是它的突触连接简单，不能单独修改。这意味着该系统不能用于模拟学习，但在大脑中，它可以通过经验修改突触来实现。

另一个问题来自制造过程中不可避免的变化，这意味着每个神经形态芯片的操作略有不同。"它的可变性仍然远远低于在大脑中观察到的情况。"伯翰说。

这个问题导致一些研究人员放弃了米德最初使用“亚阈值”硅片的想法。他们使用严格意义上仍有神经形态的传统数据系统——他们可以模拟单个神经元的电特性，但它们更容易预测，也更容易编程，代价是能耗更高。

实际应用

这些研究项目的成功激起了人们将神经形态学硬件应用于实用超低功耗设备(从手机到机器人)的兴趣。

另一方面，博恩正在追求他自己的实际应用方法，这从他4月份开始的一个未命名的计划中可以明显看出。该项目基于人工大脑Spaun:大脑的计算机模型，包括负责视觉、运动和决策的部分。西班牙语依赖于10年前由加拿大滑铁卢大学的理论神经科学家克里斯·埃利史密斯开发的神经回路编程语言。用户只需要指定所需的神经功能，埃利史密斯的系统会自动拍摄神经网络来实现该功能。

在联系了埃利史密斯之后，博恩介绍了他的建议，用实时神经形态硬件构建一个物理版本的Spaun。“我非常兴奋。”埃利史密斯说。在他看来，这场比赛是完美的，“你有花生酱，我们有巧克力”！

美国海军研究办公室已经为他们提供了资金。博恩和埃利史密斯已经组建了一个团队，计划在3年内建立一个小型原型，并在5年内建立一个综合系统。

该系统是专为现实世界的应用而设计的。博恩说，在五年内，“我们设想建造完全自主的机器人，能够以有意义的方式与环境互动，并完成实时操作，同时只消耗手机电池那么多的能量。这种设备比今天的自动机器人更灵活，适应性更强，同时消耗的能量很少。

博恩补充说，从长远来看，这项技术将用于任何计算机系统中更紧凑和低功耗的处理器，而不仅仅是机器人。如果研究人员已经成功捕捉到使大脑如此高效和紧凑的关键因素，这对需要更小芯片的行业将是一个福音。

“但我们不能确定。”"除非你尝试。"(张冬冬)

中国科学新闻(2013-12-13第三版国际版)