類腦芯片會是AI的終極答案嗎

今年8月，有個消息轟動了中國科技界，尤其是AI圈。由中國科研團隊研發(fā)的“天機”芯片登上了《自然》雜志封面。相關(guān)文章展示了清華大學(xué)施路平團隊研發(fā)的世界首款異構(gòu)融合類腦芯片，它既可支持脈沖神經(jīng)網(wǎng)絡(luò)又支持人工神經(jīng)網(wǎng)路，并且公布了利用“天機芯片”完成自行車自動駕駛的實驗視頻。

這件事給投資界、產(chǎn)業(yè)界的直接影響，是在近段時間“類腦芯片”和“類腦計算”相關(guān)的投融資、并購與創(chuàng)業(yè)公司突然多了起來?！邦惸X”相關(guān)的會議活動也突然增加。雖然說“類腦熱”還遠遠談不上，但這個領(lǐng)域的突然升溫卻是真實可見的。

如果我們把目光放得更遠一點，類腦芯片確實在這幾年有了大規(guī)模的爆發(fā)。各大學(xué)實驗室以及科技巨頭紛紛拿出了類腦芯片產(chǎn)品，也有不少專家學(xué)者認為，人工智能要經(jīng)歷簡單人工智能、深度人工智能、通用人工智能三個階段。而今天的深度學(xué)習(xí)代表了第二階段的開始，類腦計算則是通用智能大門的鑰匙。

事已至此，可能給大眾的感覺是，類腦芯片已經(jīng)是注定的未來，人類已經(jīng)借由它找到了通向強人工智能的門徑。

然而果真如此嗎？類腦芯片是否就是AI的終極答案，今天還埋藏著太多不確定性。而想要客觀認識類腦芯片的未來，我們可能必須要把時間倒回一些，先理解它的過去。

一段人類認識神經(jīng)與大腦的過去。

神經(jīng)行為學(xué)：AI之外的另一條路

從人類的大腦和智慧中，抽取提煉某種技術(shù)，是一件源遠流長的工作。能不能讓機械像人類一樣識別、判斷和思考，最終發(fā)展出了今天的AI。

而在另一項“兄弟研究”里，卻一步步發(fā)展出了今天的類腦芯片——換言之，類腦芯片的起點某種程度上來說跟AI沒啥關(guān)系。因為它類的是青蛙的腦。

早在16世紀，達芬奇就在手稿中分析過無頭青蛙也能活的現(xiàn)象，某種程度上來說他發(fā)現(xiàn)了生物電和中樞神經(jīng)系統(tǒng)的秘密。但是我們知道達芬奇手稿近世才被披露，所以這個發(fā)現(xiàn)就像他很多驚天發(fā)明一樣變成了“達芬奇的秘密”。

1786年，伽格尼發(fā)現(xiàn)了青蛙掛在金屬柵欄上腿會抽動的現(xiàn)象，繼而一步步建立了早期生物電學(xué)。沿著青蛙們以高貴犧牲精神開拓的道路，人類逐漸發(fā)現(xiàn)了生物電和神經(jīng)系統(tǒng)的奧秘。即生物的神經(jīng)運轉(zhuǎn)，是依靠生物電刺激神經(jīng)元節(jié)點，最終實現(xiàn)了大腦控制機體的網(wǎng)狀神經(jīng)結(jié)構(gòu)。

由這個結(jié)構(gòu)開始，神經(jīng)學(xué)界很自然就會思考另一個問題：既然動物是依靠神經(jīng)元來傳遞信息、進行控制的，那么這種控制是如何發(fā)生的呢？

圍繞這個問題，人類在20世紀開始漫長的，對神經(jīng)傳遞、神經(jīng)動力的研究，并在1963年完成了神經(jīng)行為學(xué)的術(shù)語概念確認。這個學(xué)科中，研究者從生物、解剖、神經(jīng)反射等多個角度提出了關(guān)于神經(jīng)元的行為學(xué)模型。其中很多關(guān)于神經(jīng)元計算的討論，甚至早于AI概念的提出。

我們知道，今天人工神經(jīng)網(wǎng)絡(luò)是AI的基石，但人工神經(jīng)網(wǎng)絡(luò)的提出，其實只是上世紀70年代，AI和計算機學(xué)界對神經(jīng)元研究的一次借鑒，主要是模仿了神經(jīng)元分層處理的特征。它的基礎(chǔ)還是坐落在統(tǒng)計學(xué)和控制論的概念上。

但隨著AI和現(xiàn)代計算的不斷發(fā)展，作為“兄弟學(xué)科”的神經(jīng)行為學(xué)自身也在進步。于是就有人聯(lián)想到了，能不能直接整體移植神經(jīng)元系統(tǒng)，在現(xiàn)實世界里，把類似動物大腦中神經(jīng)元行為的動力機制變成一種運算機制？

之所以要這么干，主要還是臨近21世紀，人類發(fā)現(xiàn)馮諾依曼架構(gòu)不斷抵近極限。一種從根兒上不同于經(jīng)典計算的計算架構(gòu)，或許是最一勞永逸的解決辦法。量子計算是一種解決方式，而全仿生神經(jīng)元行為學(xué)的解決方案則是另一種——這一種在大部分時候就被簡稱為類腦計算。

事實上，類腦計算中除了神經(jīng)元行為學(xué)的仿生計算，也還要其他計算方式。但今天，毫無疑問模仿神經(jīng)元行為是最成功的一種，于是我們今天看到的二者大體是可以劃等號的。

畢竟人腦肯定是最好的計算機，加上想發(fā)展AI，那么類似人腦結(jié)構(gòu)的計算方式顯然極具魅惑。于是類腦計算在眾多新計算形式中天然占據(jù)著加分項，而又過了幾十年，摩爾定律的極限愈發(fā)明顯的今天，類腦計算也確實拿出了一些成績。

類腦計算：比特之外的另一條路

想要了解芯片化的類腦計算之前，我們還要先了解兩個東西：SNN和人造突觸。

上面咱們說過了，人工神經(jīng)網(wǎng)絡(luò)（ANN），本質(zhì)上還是一種基于統(tǒng)計學(xué)遞歸原理所構(gòu)建的計算架構(gòu)。那么想要搞類腦計算，就需要一種更仿生大腦神經(jīng)元運作的計算架構(gòu)。這種架構(gòu)應(yīng)該體現(xiàn)出人腦計算的高效、精準和連續(xù)性，從而對存儲分離的馮諾依曼架構(gòu)提出挑戰(zhàn)。

是不是有這種東西呢？還真有。

這就是今天類腦芯片們的基礎(chǔ)檢驗標準：脈沖神經(jīng)網(wǎng)絡(luò)SNN。1952年，發(fā)現(xiàn)了神經(jīng)學(xué)的功能的離子學(xué)說和突觸電位的諾貝爾醫(yī)學(xué)獎得主，艾倫·勞埃德·霍奇金爵士提出了脈沖神經(jīng)網(wǎng)絡(luò)這種神經(jīng)行為學(xué)模型。

SNN的價值在于，它描述了神經(jīng)元之間的電位是如何產(chǎn)生和流動的，它認為神經(jīng)元之間的交換主要靠“神經(jīng)遞質(zhì)”來產(chǎn)生化學(xué)放電，從而在神經(jīng)網(wǎng)絡(luò)中實現(xiàn)復(fù)雜和可變的神經(jīng)系統(tǒng)交互。

這一發(fā)明來到了計算世界，就變成了一種高度模仿神經(jīng)元的計算架構(gòu)。它用發(fā)生脈沖的仿生來模擬神經(jīng)元電位，構(gòu)成了一種獨特的網(wǎng)絡(luò)結(jié)構(gòu)。 今天，SNN已經(jīng)在很多領(lǐng)域，比如低功耗和通用處理能力證明了自己的優(yōu)秀。

但是對于很多說SNN一定是ANN的進化，是下一代神經(jīng)網(wǎng)絡(luò)，這個說法有失偏頗。事實上，SNN的出現(xiàn)并不比ANN晚。說白了要有用早就用了，真正讓它停留在實驗室中的，還是缺乏實際的任務(wù)處理能力。但就像大規(guī)模并行計算重新激活了沉睡幾十年的ANN一樣，SNN的未來誰又說得準呢？

類腦計算的另一個關(guān)鍵點，是計算節(jié)點的問題。我們知道，比特計算的節(jié)點是晶體管的導(dǎo)電開關(guān)。而類腦計算則要求模擬出與人類神經(jīng)元相似的計算節(jié)點，來實現(xiàn)非比特計算的另一條路。這也就是說，我們需要人造神經(jīng)突觸。

今天關(guān)于如何模擬，或者制造人工突觸，已經(jīng)有相當多的探索。但整體而言新材料還有這樣那樣的問題，能夠量產(chǎn)的類腦芯片，基本還是用電路模擬人造突觸的方式來實現(xiàn)類腦計算。這樣做對工藝要求很高，生產(chǎn)效率地下，其實并非長久之計。

沿著這兩條路，人類慢慢就摸到了類腦芯片的大門。

2011年，IBM發(fā)布了TrueNorth芯片，這也是人類用電路模擬神經(jīng)行為學(xué)的開端。2014年TrueNorth更新了第二代，功耗達到了平方厘米消耗 20 毫瓦，印證了類腦芯片的低功耗價值，也在一些AI任務(wù)上印證了類腦芯片的實際工作能力。

而緊隨其后的，想想也知道應(yīng)該是英特爾。2017年，英特爾發(fā)布了類腦芯片Loihi，其擁有13萬個人造突觸。今年7月，英特爾發(fā)布了號稱業(yè)界首個大規(guī)模神經(jīng)形態(tài)計算系統(tǒng)Pohoiki Beach。這個系統(tǒng)由64塊Loihi組合而成，已經(jīng)可以在自動導(dǎo)航、陸續(xù)規(guī)劃等需要高效執(zhí)行的AI任務(wù)中帶來高于GPU的功耗和處理能力。

除此之外，業(yè)界比較出名的類腦芯片還有高通的Zeroth，以及一些高校實驗室和創(chuàng)業(yè)公司發(fā)明的芯片。吃瓜群眾一致表示，這個場子現(xiàn)在就缺谷歌了。

事實上，某種程度上看2019年是類腦芯片爆發(fā)應(yīng)用潛力的一年。無論是中國的天機，還是英特爾和IBM的類腦芯片，都已經(jīng)在今天被證明了在低功耗和超高速反應(yīng)上，具有值得期待的效果。這可能給AI領(lǐng)域的一些相關(guān)任務(wù)，比如非監(jiān)督學(xué)習(xí)、快速定位、路徑規(guī)劃上帶來幫助。

但是客觀來說，類腦芯片并不是完全成熟的。雖然主流科技公司紛紛布局，中國浙大的“達爾文”芯片、清華的“天機”芯片都已經(jīng)在路上。但類腦芯片距離真正確立產(chǎn)業(yè)價值，從實驗室步入現(xiàn)實世界，還有很長的路要走。

已知的，未知的：類腦芯片的今天

類腦芯片到底是什么？是人類的朗基努斯槍，還是唐·吉歌德面向風(fēng)車的宣言？或許我們真的沒有必要在今天就給出答案。計算史上從來不是每一次嘗試都必須成功，同時很多失敗也具有偉大的價值。

綜合來看，今天類腦芯片的發(fā)展至今，已經(jīng)可以明確它的幾大優(yōu)勢和特性，也就是類腦芯片的光明面：

1、像人腦一樣的存算一體，打破了存儲計算分離的架構(gòu)，這是類腦計算的核心突破。

2、功耗極低，并且不會因計算任務(wù)的架構(gòu)復(fù)雜化而功耗激增。這終于讓計算耗電和散熱兩大難題找到了新的方向。

3、可能更適合SNN代表的類神經(jīng)元計算架構(gòu)，在未來AI發(fā)展之路上想想無限。并且具備架構(gòu)靈活，陣列化計算效率不衰減等等優(yōu)點。

當然，最根本的優(yōu)勢在于，類腦計算可以繞開比特編程和摩爾定律。在算力極限面前，是跟量子計算一樣都是人類的主要救生船。

但是光明面的背后當然就是陰影，也要確實看到的是，類腦芯片在今天還有極大的不確定性，尤其是有一些基礎(chǔ)問題無從解答。

比如類腦芯片的任務(wù)性處理能力差、算力水平過低。第一代TrueNorth甚至無法處理任何有價值的任務(wù)。雖然經(jīng)過幾年的發(fā)展，類腦計算可以處理的任務(wù)越來越多，但是要看到這些任務(wù)都有嚴苛的先決條件。對于絕大部分計算目標來說，類腦芯片都表示帶不動。

另一方面，用電子電路模擬人造突觸，是極其不劃算的一件事。它要花費極高的工藝與技術(shù)成本，來實現(xiàn)效率并不高的神經(jīng)元模擬。所以面向未來，更多人認為一定要找到可以代替經(jīng)晶體管的，屬于類腦計算的新材料——但是這個材料是什么，如何才能做到像硅晶片一樣便宜，今天都是未知數(shù)。

另一方面，適配類腦計算的架構(gòu)、算法、編程方案等等也處在廣泛的空白期?？傮w來看，類腦芯片今天就像一片新的開發(fā)區(qū)，附近有機場，有鐵路，但其他東西都還停留在開發(fā)方案上。

尤其在我們身邊，還要特別警惕一件事，那就是類腦芯片虛假繁榮帶來的危險。AI火了之后，更未來更AI的技術(shù)成為投融資與政府扶持熱點，是一件很自然的事。但類腦計算和類腦芯片，事實上還有非常遠的路要走。今天在產(chǎn)業(yè)中討論它，很多時候都是漫無邊際的非理性暢想。

筆者曾經(jīng)參加過一些地方產(chǎn)業(yè)組織牽頭舉辦的類腦芯片活動，現(xiàn)場討論莫衷一是，產(chǎn)學(xué)各界代表完全沒有在統(tǒng)一的技術(shù)邏輯上展開對話。亂拳打死老師傅模式的盲目發(fā)展類腦，很可能最終留下“遇事不決，量子力學(xué)”般的一攤漿糊。

回到類腦芯片的真實發(fā)展路徑，今天的類腦芯片，本質(zhì)上還處在有太多不確定性的實驗室探索階段。它的進步在真實發(fā)生，中國也確實站在非常具有想象力的起跑線上，但想讓類腦芯片為世界貢獻些什么，我們可能還要拿出更多，更多的，以及更多的耐心。

不知道大家看過電影《富春山居圖》沒有？那是一部劃時代的爛片，但它主題曲的幾句歌詞，非常適合放在這里作為結(jié)尾：

“反正你的親吻無憑無證

就隨天機而死天意而生

只要答案，不要問”

責(zé)任編輯：ct