在人工智能领域的浪潮中，神经网络可以说是其发展的重要推动力之一。举个例子，神经网络可以处理大量数据，还可以完成一些诸如以近乎完美的准确度进行语音识别或者图像识别的工作，这些对人工智能的发展来说十分重要。
不过，即便已经取得了不小的进步，问题仍然存在：神经网络是根据人类大脑的结构所设计的，一般由软件构建而非硬件。通常情况下，软件运行在传统的计算机芯片上，而相对缓慢的传统硬件架构限制了神经网络的发挥。现在，IBM的研究结果表明，在硅中直接嵌入神经网络的关键特性可以使其效能提高100倍。另外，以这种方式构建的芯片在未来几年内很有可能会加速机器学习的进步。
详细来说，IBM提出的这款芯片，就像用软件编写的神经网络一样，可以模仿人类大脑中连接单个神经元的突触，通过调节突触连接的强度来让神经网络进行学习。而在人类的大脑中，神经元间的连接会随着时间生长或消亡，这正是学习的过程。对软件来说，这个过程很容易实现，但是在硬件中却困难重重。
近日，IBM研究人员在《Nature》杂志上发表了一篇论文，对这种微电子突触进行了描述。这一方法的灵感源于神经科学，同时使用了两种类型的突触——短期突触用于计算，长期突触用于记忆。对此，来自美国国家标准技术研究院，专注于研究神经系统计算机硬件的研究员Michael Schneider表示，这种方法“解决了一些关键问题，”最明显的莫过于在硅上构建AI神经网络时遇到的低精准度问题，这曾经严重阻碍了研究的进行。
据了解，研究人员测试了一个由两个简单的图像识别任务构成的神经网络，分别是手写文字识别以及彩色图像分类。结果显示，硬件神经网络的精度与软件神经网络相当，但其耗能仅为软件神经网络的1%。
这个发现不仅对人工智能的发展有重要意义。如果它可以扩展到商业生产方面，就意味着IBM押对了赌注。尽管目前该公司不销售计算机芯片，但却一直在投资研究计算机硬件，试图开发出一款可以为下一个重大进步提供动力的新型微电子元件。这项新技术可能就是发展的第一步，未来或许将极大地提高机器学习效率，并且更容易部署在智能手机等小型设备上。
Schneider表示：“能耗有一百倍的优化，对于全连接层的训练速度也快一百倍，这样的目标当然值得进一步的努力。”然而，并非每个人都这么认为。斯坦福大学计算机体系结构的研究员Kwabena Boahen说，这项研究让他想起了名为“忆阻器”的可调式晶体管，它有点类似于突触，也曾一度受到了广泛的关注，但是在近十多年来却依然没有什么进展。
从整体来看，IBM芯片的设计还相对笨拙，它由五个晶体管和三个其他组件组成，其中是普通芯片，就只具备一个晶体管。此外，到目前为止，该系统的某些方面只是在模拟中进行了测试（这是一种验证微芯片设计的常用技术），对IBM来说，该公司仍然需要构建一个完整的芯片，并展开实际测试。不过，尽管如此，这项工作对实现AI芯片计算机来说仍然具有重要的意义。
閱讀更多 AI小智君 的文章
