人工智能浪潮下的洋流 類腦計(jì)算悄然走紅

，從性能上追求大幅度超越生物大腦，也稱神經(jīng)形態(tài)計(jì)算。”黃鐵軍接受科技日報(bào)記者采訪時(shí)說。

類腦計(jì)算試圖模擬生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和信息加工過程。它在軟件層面的嘗試之一是脈沖神經(jīng)網(wǎng)絡(luò)(SNN)

。

現(xiàn)在深度學(xué)習(xí)一般通過卷積神經(jīng)網(wǎng)絡(luò)(CNN)或遞歸神經(jīng)網(wǎng)絡(luò)(RNN)來實(shí)現(xiàn)

。“CNN和RNN都屬于人工神經(jīng)網(wǎng)絡(luò)，其中的人工神經(jīng)元，至今仍在使用上世紀(jì)40年代時(shí)的模型。”黃鐵軍說，雖然現(xiàn)在設(shè)計(jì)出的人工神經(jīng)網(wǎng)絡(luò)越來越大，也越來越復(fù)雜，但從根本上講，其神經(jīng)元模型沒有太大改進(jìn)。

另一方面

，在深度學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間的連接被稱為權(quán)值。它們是人工神經(jīng)網(wǎng)絡(luò)的關(guān)鍵要素。

而在脈沖神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間卻是神經(jīng)脈沖

，信息的表達(dá)和處理通過神經(jīng)脈沖發(fā)送來實(shí)現(xiàn)。就像我們的大腦中，有大量神經(jīng)脈沖在傳遞和流轉(zhuǎn)。

黃鐵軍告訴記者

，由于神經(jīng)脈沖在不停地傳遞和流轉(zhuǎn)，脈沖神經(jīng)網(wǎng)絡(luò)在表達(dá)和處理信息時(shí)，比深度學(xué)習(xí)的時(shí)間性更突出，更加適合進(jìn)行高效的時(shí)空信息處理。

推廣應(yīng)用可能不需太久

也有人從硬件層面去實(shí)現(xiàn)類腦計(jì)算

，比如神經(jīng)形態(tài)芯片。

2019年7月，英特爾發(fā)布消息稱

，其神經(jīng)形態(tài)研究芯片Loihi執(zhí)行專用任務(wù)的速度可比普通CPU快1000倍