解開大腦秘密：神經型運算引領人工智慧新躍進

研究人員勾勒出一項大膽策略，旨在擴充套件神經型運算，以期用最少的能源消耗達到人腦的功能水準。這包括研發先進的神經型晶片，以及促進業界與學界的強力合作，有望透過提升效率和能力，轉變人工智慧和醫療保健領域的發展。

神經型運算將神經科學原理應用於建立功能類似人腦的電腦系統，為了與傳統運算方法競爭，必須進行擴充套件。1月22日發表在《自然》期刊上的一篇最新評論文章，勾勒出實現這一目標的路線圖。這篇由23位研究人員（包括加州大學聖地牙哥分校的兩位學者）共同撰寫的論文，提供了開發與大腦認知能力相匹配、且在尺寸和能源效率上相近的運算系統的實用見解。

作者們寫道：「我們預計，大規模的神經型系統不會有萬用的解決方案，而是會根據應用需求，出現一系列不同特性的神經型硬體解決方案。」神經型運算的應用領域包括科學運算、人工智慧、擴增和虛擬實境、穿戴式裝置、智慧農業、智慧城市等等。神經型晶片在能源和空間效率以及效能方面，有潛力超越傳統電腦，這可能在包括人工智慧、醫療保健和機器人技術等各個領域帶來巨大優勢。隨著預計到2026年人工智慧的耗電量將翻倍，神經型運算成為一個有前景的解決方案。

加州大學聖地牙哥分校舒錢 - 雷根生物工程系傑出教授、論文共同作者之一格特・考文伯格表示：「在我們目睹耗電和耗資源的人工智慧系統難以持續擴充套件之際，神經型運算尤其具有現實意義。」

德州大學聖安東尼奧分校羅伯特・F・麥德莫特講席教授、論文通訊作者迪瑞莎・庫迪西普迪指出：「神經型運算正處於關鍵時刻。我們現在有巨大的機會構建新的架構和開放框架，並應用於商業領域。我堅信，促進業界和學界的緊密合作是塑造該領域未來的關鍵。我們的共同作者團隊就體現了這種合作。」

去年，考文伯格和庫迪西普迪獲得美國國家科學基金會400萬美元的資助，啟動了「雷神：神經型運算共享平臺」（THOR: The Neuromorphic Commons），這是首個提供開放式神經型運算硬體和工具的研究網路，以支援跨學科和合作研究。

2022年，由考文伯格領導的團隊設計的神經型晶片NeuRRAM展示出，這些晶片可以具有高度的動態性和通用性，同時不犧牲準確性和效率。NeuRRAM晶片直接在記憶體中進行運算，能夠執行各種人工智慧應用，而耗電量僅為通用人工智慧運算平臺的一小部分。考文伯格表示：「我們在《自然》期刊上發表的評論文章，探討瞭如何進一步擴充套件基於矽基的神經型人工智慧系統和新興晶片技術，以接近哺乳動物大腦的大規模和極高的自我學習效率。」

為了實現神經型運算的規模化，作者們提出了幾個必須最佳化的關鍵特性，包括稀疏性，這是人腦的一個顯著特徵。大腦在發育過程中先形成大量神經連線（緻密化），然後有選擇地修剪掉大部分連線。這種策略在保持高保真度資訊的同時，最佳化了空間效率。如果能成功模擬這一特性，神經型系統將顯著提高能源效率和緊湊性。

考文伯格指出：「可擴充套件性和卓越效率源於神經表示中的大規模並行性和層次結構，它將模擬大腦灰質的神經突觸核心內的密集區域性突觸連線，與模擬大腦白質的核心間神經通訊中的稀疏全域性連線相結合，並透過晶片上的高頻寬可重配置互連和跨晶片的層次結構互連來實現。」

加州大學聖地牙哥分校聖地牙哥超級電腦中心資料驅動科學運算部門主任、論文共同作者阿米塔瓦・馬朱姆達爾表示：「這篇論文顯示出神經型運算在實際應用中大規模使用的巨大潛力。在聖地牙哥超級電腦中心，我們將新的運算架構推向全國使用者群，這項合作研究為為全國使用者群提供神經型運算資源鋪平了道路。」

作者們還強調了學界內部以及學界與業界之間加強合作的必要性。他們提倡開發更易用的程式語言，使該領域更易於涉足。他們相信這些努力將鼓勵更多的跨學科和業界合作。

參考文獻：Dhireesha Kudithipudi、Catherine Schuman、Craig M. Vineyard、Tej Pandit、Cory Merkel、Rajkumar Kubendran、James B. Aimone、Garrick Orchard、Christian Mayr、Ryad Benosman、Joe Hays、Cliff Young、Chiara Bartolozzi、Amitava Majumdar、Suma George Cardwell、Melika Payvand、Sonia Buckley、Shruti Kulkarni、Hector A. Gonzalez、Gert Cauwenberghs、Chetan Singh Thakur、Anand Subramoney和Steve Furber所著的《大規模神經型運算》，2025年1月22日發表於《自然》期刊。DOI: 10.1038/s41586 - 024 - 08253 - 8