擴充套件類腦計算：隨時隨地實現更高效能的人工智慧

類腦計算——一個將神經科學原理應用於計算系統，以模擬大腦功能和結構的領域——若要有效與現有計算方法競爭，就必須進行擴充套件。在1月22日發表於《自然》期刊的一篇評論文章中，包括加州大學聖地牙哥分校兩位學者在內的23位研究人員，提出了達成這一目標所需的詳細路線圖。這篇文章為以相近的外形尺寸和功耗達到人腦的認知能力，提供了全新且實用的觀點。

作者們寫道：「我們預計，針對大規模的類腦系統，不會有一種萬能的解決方案，而是會根據應用需求，出現一系列具有不同特性的類腦硬體解決方案。」類腦計算的應用範圍包括科學計算、人工智慧、擴增實境和虛擬實境、穿戴式裝置、智慧農業、智慧城市等等。

類腦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。這在包括人工智慧、醫療保健和機器人技術等各個領域，都可能帶來顯著優勢。隨著預計到2026年人工智慧的耗電量將翻倍，類腦計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 - 利根生物工程系傑出教授、論文共同作者之一格特·考恩伯格斯表示：「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，類腦計算尤其具有重要意義。」

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，類腦計算正處於關鍵時刻。她說：「我們現在正處於一個千載難逢的時機，可以構建新的架構和開放框架，並將其應用於商業用途。我堅信，促進產業界和學術界的緊密合作，是塑造這個領域未來的關鍵。我們的共同作者團隊就體現了這種合作。」

2022年，由考恩伯格斯領導的團隊設計的一款類腦晶片表明，這些晶片可以在不犧牲準確性和效率的前提下，具有高度的動態性和通用性。NeuRRAM晶片可直接在記憶體中進行運算，能夠執行各種各樣的人工智慧應用，而且耗電量僅為通用人工智慧計算平臺的一小部分。

考恩伯格斯表示：「我們發表在《自然》的評論文章，為類腦人工智慧系統在矽基和新興晶片技術方面的進一步擴充套件提供了觀點，以接近哺乳動物大腦的大規模和極高的自我學習效率。」

為了實現類腦計算的規模化，作者們提出了幾個必須最佳化的關鍵特性，其中包括稀疏性，這是人腦的一個顯著特徵。大腦在發育過程中，先形成大量的神經連線（緻密化），然後有選擇地修剪掉其中大部分。這種策略在保持高保真度資訊的同時，最佳化了空間效率。如果能夠成功模擬這一特性，類腦系統將顯著提高能源效率，並更加精簡。

考恩伯格斯說：「可擴充套件性和卓越效率源自神經表示中的大規模並行性和層次結構，將以大腦灰質為模型的神經突觸核心內的密集區域性突觸連線，與以大腦白質為模型的核心間神經通訊中的稀疏全域性連線相結合，透過晶片上的高頻寬可重構互連以及晶片間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計算部門主任、論文共同作者阿米塔瓦·馬朱姆達爾表示：「這篇論文顯示出類腦計算在實際應用中進行大規模應用的巨大潛力。在聖地牙哥超級電腦中心，我們將新的計算架構引入全國使用者群體，這項合作研究為為全國使用者群體引入類腦計算資源鋪平了道路。」

此外，作者們還呼籲加強學術界內部以及學術界與產業界之間的合作，並開發更多易用的程式語言，以降低進入該領域的門檻。他們認為，這將促進更多的合作，尤其是跨學科和跨產業的合作。