另辟蹊徑的類腦計算機

張澤玲

雖然計算機又被稱為“電腦”，并在計算能力上超過了人腦，而現有的人工智能和大數據等技術更是讓“電腦”如虎添翼，越來越智能化。但事實上，無論是我們家里的臺式機還是筆記本電腦，甚至我們手里的手機，其結構跟人類的大腦并不類似。這種“不類似”不僅僅是因為人類大腦為“碳基”，而計算機是“硅基”，計算機和人類大腦最根本的區別在于組成架構以及處理信息的方式都有所不同。那么如果讓計算機的組成架構與信息處理方式模擬人腦，會出現什么情況呢？這便是現在計算機領域的一個前沿研究方向——類腦計算機了。

傳統計算機瓶頸

當下絕大多數計算機遵循的都是“馮·諾依曼架構”。計算機由輸入設備（鍵盤、觸控屏、話筒、攝像頭等），輸出設備（顯示器、音響等），計算單元（CPU、GPU），控制單元（主板、電源控件等）和記憶存儲單元（RAM、硬盤等）組成。這種簡單明了的架構自1945年由馮·諾依曼提出后，經過了時間的考驗，如今我們還在廣泛使用這一架構。

隨著計算機性能的不斷提高，人們發現了這一架構也會存在很多問題。諸如“馮·諾伊曼瓶頸”。它主要存在于“馮·諾依曼架構”中計算、控制單元與記憶存儲單元之間的工作協作模式上。計算與控制單元從記憶存儲單元中讀取數據的速度，遠低于它們處理數據的速度，從而導致延遲。在處理海量數據時，這種延遲更加明顯。這好比我們在沒有課程記憶的情況下參加某課程的開卷考試，如果考試范圍很大，需要查看大量資料。在沒有預習的情況下，我們腦子再靈活，書寫速度再決，也會因為查資料浪費大量時間，導致做不完題目。

除此之外，計算機處理信息的方式是離散的。我們都知道計算機使用二進制，這是因為1和0剛好對應電路里“開”“關”兩個狀態。表達“開”“關”狀態的元件稱為“邏輯門”。計算機通過對多個邏輯門的組合，能處理更復雜的邏輯計算。因此計算機特別擅長數字計算與邏輯表達，但是面對一些混沌信息處理領域，計算機的瓶頸也顯露無遺。

基于上述兩個原因，目前人類技術的進步，無法完全解決讀取速度過低的問題。同時，預測處理器運算速度迅速翻倍的“摩爾定律”也已經失效，意味著計算機計算處理單元速度的提升也已經觸及了天花板。

LINK

人類大腦是由碳為主要成分的有機物組成，而計算機的芯片存儲器等半導體元件都是硅制成的。這就是“碳基”與“硅基”。

人腦帶來的啟發

相比而言，人類的大腦在思考過程中，基本不會受到“數據讀取”帶來的延遲。這一方面是因為人類大腦的架構是由海量神經元與突觸連接構成的神經網絡系統，這一系統并不遵循“馮·諾依曼架構”，也因此沒有所謂的“馮·諾依曼瓶頸”。此外，神經元作為人類大腦的基礎功能單元，大致相當于傳統計算機的邏輯門。但它們的判斷邏輯并不是簡單的0和1，而是存在一個連續非離散信息處理區間。在區間內根據受到的不同程度刺激，對應產生強度不同的電信號。而且神經元并不像邏輯門那樣一成不變，會生長變化，以及對經常出現的刺激信號做出更快的反應。

正是因為人腦這些獨特的機制，使得我們在絕大多數的思考時間里，并不是在做“非黑即白”的是非判斷題，而可以通過具有模糊性與連續性的運作機制，對某個范圍內的信息進行整體處理。例如計算機在處理圖片時，會將其拆分成單個的像素點，處理文字時也會根據預設的處理程序，將其拆成單獨字詞。而我們在看圖片時，幾乎在看到畫面或文字的同時，就能感受到整張圖片的含義，閱讀大段文字也不需要逐字理解。

讓電腦“類人腦”

正是考慮到目前計算機發展的局限性，加上人腦所帶來的啟示，讓一些計算機科學家想到了另辟蹊徑：既然人類的大腦這么聰明高效，我們是不是可以設計制造模擬人類大腦的計算機呢？這一新興的研究方向被稱為“類腦計算”。這個新的研究方向旨在打破當下計算機的模型結構，從軟件和硬件方面模擬人類大腦。

軟件模擬

類腦計算的研究模仿對象之一就是神經元。其實當下最流行的一些機器學習算法，如深度神經網絡、卷積神經網絡，就是在軟件層面上對神經元進行模擬。雖然看起來這些機器學習算法表現還不錯，但其實它們在運行時更加暴露了傳統計算機的問題：處理大量數據時計算速度不夠快，并且耗電量巨大。

硬件模擬

科研人員想到從硬件層面上也來模仿人類大腦。例如前不久發布的新聞中，浙江大學聯合之江實驗室，共同成功研制出了包含1.2億脈沖神經元、近千億神經突觸的類腦計算機DARWIN MOUSE，是目前國際上神經元規模最大的類腦計算機。該計算機使用的浙江大學自主研制的神經擬態類腦計算芯片“DARWIN2”，能夠模擬神經元接受刺激做出反應的過程，而多個芯片就組成了神經系統，可以處理復雜的任務。另外，2019年清華大學還成功研制出國際上首款異構融合的類腦芯片“天機芯”，支持人工神經網絡和脈沖神經網絡的混合架構。這意味著這個芯片同時模仿了神經元的兩類行為。（詳情見《科學Fans》2019年10期文章《向人腦，覓“天機”——清華天機芯是如何煉成的？》）

當然，類腦計算不僅僅局限于從軟件和硬件的角度模仿神經元。作為一個新興科研方向，它其實是多個前沿學科的交叉。它需要通過神經科學以及醫學來了解大腦運作機制;需要建立模擬大腦處理信息的數學模型;它還能利用“腦機接口”，通過外界硬件跟大腦直接溝通，構建“混合智能”。我們已經見識過人工智能的本領，期待類腦計算給人類帶來更多驚喜。