它是AI的終極答案嗎？類腦芯片簡史_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2019-10-31 20:17
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的“天機”芯片登上了《自然》雜誌封面。相關文章展示了清華大學施路平團隊研發的世界首款異構融合類腦芯片，它既可支持脈衝神經網絡又支持人工神經網路，並且公佈了利用“天機芯片”完成自行車自動駕駛的實驗視頻。
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模的爆發。各大學實驗室以及科技巨頭紛紛拿出了類腦芯片產品，也有不少專家學者認為，人工智能要經歷簡單人工智能、深度人工智能、通用人工智能三個階段。而今天的深度學習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，類腦芯片已經是註定的未來，人類已經藉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，今天還埋藏着太多不確定性。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。
一段人類認識神經與大腦的過去。
神經行為學：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，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，最終發展出了今天的AI。
而在另一項“兄弟研究”裏，卻一步步發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説跟AI沒啥關係。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象，某種程度上來説他發現了生物電和中樞神經系統的秘密。但是我們知道達芬奇手稿近世才被披露，所以這個發現就像他很多驚天發明一樣變成了“達芬奇的秘密”。
1786年，伽格尼發現了青蛙掛在金屬柵欄上腿會抽動的現象，繼而一步步建立了早期生物電學。沿着青蛙們以高貴犧牲精神開拓的道路，人類逐漸發現了生物電和神經系統的奧秘。即生物的神經運轉，是依靠生物電刺激神經元節點，最終實現了大腦控制機體的網狀神經結構。
圍繞這個問題，人類在20世紀開始漫長的，對神經傳遞、神經動力的研究，並在1963年完成了神經行為學的術語概念確認。這個學科中，研究者從生物、解剖、神經反射等多個角度提出了關於神經元的行為學模型。其中很多關於神經元計算的討論，甚至早於AI概念的提出。
我們知道，今天人工神經網絡是AI的基石，但人工神經網絡的提出，其實只是上世紀70年代，AI和計算機學界對神經元研究的一次借鑑，主要是模仿了神經元分層處理的特徵。它的基礎還是坐落在統計學和控制論的概念上。
但隨着AI和現代計算的不斷發展，作為“兄弟學科”的神經行為學自身也在進步。於是就有人聯想到了，能不能直接整體移植神經元系統，在現實世界裏，把類似動物大腦中神經元行為的動力機制變成一種運算機制？
之所以要這麼幹，主要還是臨近21世紀，人類發現馮諾依曼架構不斷抵近極限。一種從根兒上不同於經典計算的計算架構，或許是最一勞永逸的解決辦法。量子計算是一種解決方式，而全仿生神經元行為學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元行為學的仿生計算，也還要其他計算方式。但今天，毫無疑問模仿神經元行為是最成功的一種，於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，加上想發展AI，那麼類似人腦結構的計算方式顯然極具魅惑。於是類腦計算在眾多新計算形式中天然佔據着加分項，而又過了幾十年，摩爾定律的極限愈發明顯的今天，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。
上面咱們説過了，人工神經網絡（ANN），本質上還是一種基於統計學遞歸原理所構建的計算架構。那麼想要搞類腦計算，就需要一種更仿生大腦神經元運作的計算架構。這種架構應該體現出人腦計算的高效、精準和連續性，從而對存儲分離的馮諾依曼架構提出挑戰。
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檢驗標準：脈衝神經網絡SNN。1952年，發現了神經學的功能的離子學説和突觸電位的諾貝爾醫學獎得主，艾倫·勞埃德·霍奇金爵士提出了脈衝神經網絡這種神經行為學模型。
SNN的價值在於，它描述了神經元之間的電位是如何產生和流動的，它認為神經元之間的交換主要靠“神經遞質”來產生化學放電，從而在神經網絡中實現複雜和可變的神經系統交互。
這一發明來到了計算世界，就變成了一種高度模仿神經元的計算架構。它用發生脈衝的仿生來模擬神經元電位，構成了一種獨特的網絡結構。 今天，SNN已經在很多領域，比如低功耗和通用處理能力證明了自己的優秀。
但是對於很多説SNN一定是ANN的進化，是下一代神經網絡，這個説法有失偏頗。事實上，SNN的出現並不比ANN晚。説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處理能力。但就像大規模並行計算重新激活了沉睡幾十年的ANN一樣，SNN的未來誰又説得準呢？
類腦計算的另一個關鍵點，是計算節點的問題。我們知道，比特計算的節點是晶體管的導電開關。而類腦計算則要求模擬出與人類神經元相似的計算節點，來實現非比特計算的另一條路。這也就是説，我們需要人造神經突觸。
今天關於如何模擬，或者製造人工突觸，已經有相當多的探索。但整體而言新材料還有這樣那樣的問題，能夠量產的類腦芯片，基本還是用電路模擬人造突觸的方式來實現類腦計算。這樣做對工藝要求很高，生產效率地下，其實並非長久之計。
沿着這兩條路，人類慢慢就摸到了類腦芯片的大門。
2011年，IBM發佈了TrueNorth芯片，這也是人類用電路模擬神經行為學的開端。2014年TrueNorth更新了第二代，功耗達到了平方釐米消耗 20 毫瓦，印證了類腦芯片的低功耗價值，也在一些AI任務上印證了類腦芯片的實際工作能力。
而緊隨其後的，想想也知道應該是英特爾。2017年，英特爾發佈了類腦芯片Loihi，其擁有13萬個人造突觸。今年7月，英特爾發佈了號稱業界首個大規模神經形態計算系統Pohoiki Beach。這個系統由64塊Loihi組合而成，已經可以在自動導航、陸續規劃等需要高效執行的AI任務中帶來高於GPU的功耗和處理能力。
事實上，某種程度上看2019年是類腦芯片爆發應用潛力的一年。無論是中國的天機，還是英特爾和IBM的類腦芯片，都已經在今天被證明了在低功耗和超高速反應上，具有值得期待的效果。這可能給AI領域的一些相關任務，比如非監督學習、快速定位、路徑規劃上帶來幫助。
但是客觀來説，類腦芯片並不是完全成熟的。雖然主流科技公司紛紛佈局，中國浙大的“達爾文”芯片、清華的“天機”芯片都已經在路上。但類腦芯片距離真正確立產業價值，從實驗室步入現實世界，還有很長的路要走。
已知的，未知的：類腦芯片的今天
類腦芯片到底是什麼？是人類的朗基努斯槍，還是唐·吉歌德面向風車的宣言？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，今天類腦芯片的發展至今，已經可以明確它的幾大優勢和特性，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，這是類腦計算的核心突破。
2、功耗極低，並且不會因計算任務的架構複雜化而功耗激增。這終於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代表的類神經元計算架構，在未來AI發展之路上想想無限。並且具備架構靈活，陣列化計算效率不衰減等等優點。
當然，最根本的優勢在於，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。
但是光明面的背後當然就是陰影，也要確實看到的是，類腦芯片在今天還有極大的不確定性，尤其是有一些基礎問題無從解答。
另一方面，用電子電路模擬人造突觸，是極其不划算的一件事。它要花費極高的工藝與技術成本，來實現效率並不高的神經元模擬。所以面向未來，更多人認為一定要找到可以代替經晶體管的，屬於類腦計算的新材料——但是這個材料是什麼，如何才能做到像硅晶片一樣便宜，今天都是未知數。
另一方面，適配類腦計算的架構、算法、編程方案等等也處在廣泛的空白期。總體來看，類腦芯片今天就像一片新的開發區，附近有機場，有鐵路，但其他東西都還停留在開發方案上。
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火了之後，更未來更AI的技術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。今天在產業中討論它，很多時候都是漫無邊際的非理性暢想。
筆者曾經參加過一些地方產業組織牽頭舉辦的類腦芯片活動，現場討論莫衷一是，產學各界代表完全沒有在統一的技術邏輯上展開對話。亂拳打死老師傅模式的盲目發展類腦，很可能最終留下“遇事不決，量子力學”般的一攤漿糊。
回到類腦芯片的真實發展路徑，今天的類腦芯片，本質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麼，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，非常適合放在這裏作為結尾：
“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”