尽管科技已经如此发达，但对于那些在人工智能（AI）领域的研究者来说，让电脑模拟大脑活动仍是一项庞大的任务，如果硬件能够设计更像大脑的硬件，那么管理起来将会更容易。

是的，大家都是这么想的，那么话说回来，究竟这个“期望”有多么困难？

日本研究单位 5 年前就曾经进行过一项大脑活动模拟测试，这个运用世界上最强大超级电脑之一所进行的例子应该能作为一些参考。

在 2013 年时，日本理化学研究所（Riken）运用超级电脑“京”（K computer）进行的对大脑活动的模拟测试；“京”一共使用了 82,944 个处理器和 1 PB（约 1,000 TB）主存储器，几乎相当于当时 25 万台电脑的运算单位。

而这样一台电脑为了模拟大脑中 10.4 万亿突触所连接的 17.3 亿神经元活动的 1 秒钟，就花上了 40 分钟；尽管听起来已经非常厉害，但事实上是，这一切仍只是大脑活动中的百分之一。

即使是现在，大脑仍是比任何电脑都还要更为强大，它包含着 800 亿神经元和超过 100 万亿个神经突触，随时都在控制讯息的通过，相较之下，目前电脑芯片仍是以二进制语言在传输讯号，每一条讯息都以 1、0 在进行编码。

科学家认为，如果芯片运用类似突触的连接方式，电脑使用的讯号将可能更加多样化，进而实现“突触式”的学习。

在大脑中，突触负责“管理”讯息的传递，而神经元则会根据穿过突触的离子数量和种类来动作，这些都帮助大脑识别模式、记住事实并执行任务；科学家将这种新兴研究领域称为神经形态工程学（Neuromorphic engineering）。

迄今为止，想要让芯片拥有这种学习方式已被证明是困难的，但 ScienceAlert 报导指出，随着麻省理工（MIT）工程师成功克服障碍设计出一种由硅锗（SiGe）制成的人造突触芯片，未来“突触式”学习的发展将有可能达成。

MIT电子与微系统技术实验室的JeehwanKim教授和他的研究团队设计出一种材料为硅鍺的人工突触芯片，可以精确地控制电流的强度，就像神经元可以定量释放多少神经递质一样。相关研究已发布在《自然-材料》（Nature Materials）期刊中。

△ MIT电子与微系统技术实验室的Jeehwan Kim教授

论文中显示，这款人工突触芯片已经可以支持识别手写字体的机器学习算法，准确率达到95%。尽管低于现有的芯片的基准表现97%，不过依然相当promising。

可以说，这篇文章的研究工作奠定了未来神经形态芯片的发展基础。

以后我们的移动设备，可能得靠这种芯片来支持图像识别和其他机器学习任务了。又考虑到移动设备有限的续航能力，这芯片不光要体积小，还得低耗才行。

能快速运算AI算法，便携，低耗是未来市场对这种芯片的基础要求。

▌待解决的难题：太多条“路”可以走

Kim教授说，现有的大部分神经形态芯片都尝试模仿神经突触，将两个可导电的层用另一种纤维介质分隔开。由于所用的介质材料是非晶态的，电子可以朝所有可能的方向跑，像弹珠机一样。即使人工突触的空间结构是模仿出来了，却无法精准控制“递质释放的浓度”——电流的强度。

控制不了电流的强度，那么所携带的信息也就复现不了。这就是人工突触芯片面临的最大难题，缺乏信息传递的一致性。

▌完美的不匹配

为了解决这个问题，Kim研究团队锁定了一种由连续排列的原子组成的无缺陷导电材料，单晶硅。这样就可以准确预测电子的流动了。

后来进一步研究发现，硅锗的晶格稍大于硅的晶格，这两种完全不匹配的材料可以形成漏斗状的错位，反而能形成单一的离子流通路径。

这个由硅锗制成的人工突触芯片，每个“突触”间隙约25纳米。实验中对每个突触施加电压，发现所有突触都表现出差不多的电流，不同突触之间的差异大概为4％。与由非晶态的材料制成的“突触”相比，电流强度大小更可控。

对单个“突触”的700次重复施电压实验中，“突触”所输出的电流都是相同的，偏差均在1％。

Kim说：“这是我们目前能够达到的（电流强度）最一致的芯片了。”对于提高未来人工神经网络性能来说，这工作迈出了很关键的一步。

▌识别手写数字的表现

电流强度是控制得不错了，那么和现有的冯诺依曼结构的芯片比，计算性能表现怎么样？

Kim团队给这种芯片布置了一个机器学习的任务：识别手写数字。这是人工突触芯片的第一次实际测试。

例如，当一个输入是手写的“1”，输出标记为“1”时，不仅会有输出神经元被输入神经元激活，还会收到人造突触权重的影响。

如果输入神经元感知到不同样本之间，可能存在某些同一个字母的相似特征时（你可以想象为更多的手写“1”的例子输入同一个芯片时），相同的输出神经元就被激活，和我们大脑的学习过程一样。

最后这种硅鍺材质的人工突触芯片表现还不赖，手写数字识别准确率为95%，略微低于现在的基准线97%。

在 Kim 看来，这项研究就像一块垫脚石，带领人们走向生产真正的 AI 硬件目标前进，他说：“我们希望最终能以一个指甲大小的芯片，来取代巨大的超级电脑。”

这项研究已经得到了美国国家科学基金会的部分支持。

 来源：科技新报、专注报道AI