這家初創公司名叫Cortical Labs，來自澳大利亞，目前正訓練芯片來玩雅達利早期研發的遊戲“Pong”。
這一舉措如果成功，並且得到延伸拓展的話，那就可以解決深度學習極度耗能的問題了。
舉個例子，當年大熱的人機大戰，據科技公司Ceva估計，AlphaGo在玩遊戲時，消耗了1兆瓦的能量，相當於100戶人家一天的使用量。
而相比之下，人腦消耗的能量卻約為20瓦，是AlphaGo耗能的五萬分之一。
人類神經元如何與AI芯片結合？
具體如何結合，聯合創始人兼首席執行官Hon Weng Chong做出瞭解釋。
公司將用兩種方法來提取神經元：
1、從胚胎中提取小鼠神經元；2、將人類皮膚細胞轉化回幹細胞，然後誘導他們長成人類神經元。
隨後將這些神經元嵌入一個特製芯片頂部的液體培養基中。
在這個特製芯片上，有一個由22000個微小電極組成的網格，程序員可以通過這個網格提供點輸入，同時感知它們的輸出。
這樣做的目的就是去塑造神經元的行為。
神經元芯片的發展
不管是2016年IBM宣佈製造出世界首個人造納米級隨機相變神經元芯片，還是同年中星微研發的中國首款嵌入式網絡處理器芯片“星光智能一號”。
目前為止，大部分研發的AI芯片形式各有千秋。
但它們都屬於受到人腦機理的啟發，通過半導體電路與器件去實現的，都未曾將真正的神經元與半導體結合製成芯片。
而就在去年12月有了一個新進展。
科學家們宣佈製造出了一直微小新型硅微芯片。研究人員首次將生物神經元的電特性複製到半導體芯片上。這樣的芯片與人體存在的生物神經細胞幾乎相同。
這種芯片低功耗，製成電池可用於生物電子設備和植入物，從而對對抗阿爾茨海默病，心力衰竭等影響神經系統的疾病提供了新途徑。
如果此次該公司能夠研發成功，那麼也必將是一個很大的突破了。
生物神經網絡究竟會帶來什麼？
試著想想，除了低功耗以外，生物神經網絡還會帶來什麼？為何科學家們極力研究計算機模仿人腦神經形態，抑或是現在直接提取培養人類神經元與芯片結合。
那麼首先就是功能和結構的模塊化。
與目前的AI架構的同質性不同的是，大腦是有不同模塊組成，比如，海馬，小腦，基底神經節等。
不同的模塊有不同的功能和結構，從而使得人腦得以高效運轉。
其次是無監督學習與遷移學習。
AI系統需要大量的訓練數據才可以達到人類級別的性能。
就比如AlphaGo zero練習了490萬場才擊敗人類圍棋大師。如果一個人每天玩圍棋30年，那麼他每天必須玩450場比賽才能達到AlphaGo zero的練習量。
顯然，人類所需要的訓練量要少得多，而且他們還可以利用解決先前任務時所獲得的先驗知識，將其轉移到新任務中。
還有在理解，規劃及主動因果學習上，AI系統都有很大的上升空間。
倫敦大學學院神經學家弗里斯頓表示，這個團隊直接找到了真正的神經元，那麼所有基於軟件的神經網絡所具有的一些問題是都可以完全避免。
Chong表示，每個人都在競相製造AI系統，但是我們唯一知道的真正的AI是生物智能，人類智能。獲得人類智力水平的唯一方法是使用人類神經元。
參考鏈接：
https://fortune.com/2020/03/30/startup-human-neurons-computer-chips/
https://www.cclabs.ai/
https://neuroscience.stanford.edu/news/intertwined-quest-understanding-biological-intelligence-and-creating-artificial-intelligence
轉自 量子位
閱讀更多 中國人工智能學會 的文章
