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