人造神经元出世，但类脑计算仍任重道远
来源：The Economist | 翻译：sangba
转载自微信公众号：sangbatranslator
人造神经元能缩小生物大脑与人造大脑之间的差距
因为没有人真的清楚大脑是如何工作的，所以对大脑的研究只能诉诸于模拟实验。研究人员普遍认为大脑是一种生物版本的电子计算机，只是这个版本的计算机有点特殊——材质是黏糊糊的、运行结果是随机的。但是，模拟不仅能让研究人员对大脑进行仿真，也能带来其他收益——长久以来，计算机科学家们一直尝试从生物学汲取灵感提高人类的创造力。例如，人工智能中的一大分支“深度学习”（deep learning），在最近成为时髦用语并取得了快速发展，就是从生物大脑的构造模式中汲取了大量灵感。
20世纪80年代末期，计算机先驱科学家卡沃·米德（Carver Mead）提出了“类脑计算”（neuromorphic computing）的概念，即建设类似人类大脑的计算机。但人类大脑的高效和复杂却让科学家们举步维艰。人类大脑或许会运行缓慢、易犯错误，但同时又坚韧、自适应、能耗低。（许多研究表明，人类大脑平均每秒可执行1亿亿次操作，所需能量只有10～25瓦特。如果让一台超级计算机来完成同样的工作，需要消耗的能量超过人脑的1000万倍。）人类大脑擅长处理嘈杂环境中随机性强的数据（在处理一些模式识别等复杂任务时，比如从街道上嘈杂的汽车声中分辨出狗吠声，计算机也远不及我们的大脑），这种数据在现实世界中非常常见，但用传统的电子计算机按照约定俗成的算法去处理时却又“消化不良”。IBM一直致力于在类脑计算上攻难克艰。（2008年11月，美国国防高级研究计划局启动了“自适应、可塑、可扩展的神经形态电子系统”项目，该项目由IBM公司和HRL实验室主导，目标是在2016年建立“一个与哺乳动物大脑的形式、功能类似的新型计算机”。）8月3日，IBM苏黎世研究院的Evangelos Eleftheriou研究小组在《自然-纳米技术》（Nature Nanotechnology）上发表文章，宣布他们发明了一个人造神经元。
在真实的人类大脑中，神经元细胞纤弱又彼此高度关联，需承担主要的大脑工作。设计人造神经元的想法并不新奇。米德博士就曾对三极管进行专门调谐以模仿人类行为——三极管是一种微型电子开关，是搭建计算机的基础元件。现在，人造神经元应用范围广泛，通过在普通的硅器件上运行底层代码做软件仿真，既能在网页上提供广告服务，也能在Facebook页面上识别面孔。尽管如此，但是就像任何一位计算机科学家会告诉你的一样，相比简单地利用神经元的原理，用软件创建神经元仿制品不可避免地会导致精确度低下且计算成本高企。
神经元是模式识别设备。单个神经元与几十上百个神经元相连接，能“接收”“发送”电信号。如果神经元在足够短的时间内从其他神经元那儿接收到了足够数量的强信号，那么该神经元会“发火”，将强电信号发送出去，可能导致接收到的神经元也发火。如果接收到的信号太微弱，或者太稀少，神经元则会保持安静。
Eleftheriou博士发明的神经元的主要材料包括两个电极以及一小块夹在两个电极之间的锗锑碲化合物。众所周知，锗锑碲化合物是一种相变型材料。这意味着，其物理结构会随着电流的流通而发生改变。锗锑碲化合物的物理结构本来是无序的，没有规则的原子结构，导电能力极差。但一旦连接上一个低压电流振动器，一小部分材料就会变热，自行重排变成有序的晶体态，导电能力也大大加强。连接上足够的振动器，大部分材料都会变得具有导电能力，在某个临界点，电流流通——“神经元”发火，表现地像一个真正的神经元一样。再连接上高压电流，化合物回熔（变成非晶体态），“神经元”复位。
整个过程也通过另一种方式模拟了真正的神经元。神经元的行为是不可预测的。细胞内的波动意味着一个给定的输入不总是能产生相同的输出。对于一个电子工程师而言，这是非常令其烦扰的事。但是，这篇文章的首席作者Tomas Tuma却表示：自然界巧妙地利用了这种随机性——能被完整预测的神经元组无法完成无序的神经元组能完成的事情。例如，无序能将系统从局部最小值这一数学陷阱中“抖动”出来——然而数字计算机的算法遇到局部最小值问题，也可能会陷入困境。软件模拟神经元一定需要人工注入随机性。但因为IBM的人造神经元在结晶过程中其精确原子细节会发生周期性变化，所以“神经元”的行为必定具有微小的不可预测性。
研究团队将其人造电极神经元按步骤进行了测试。单个人造神经元连接上合适的输入，能在嘈杂的、波动的测试数据中进行可靠的模式识别。Tuma博士坚信，凭借现代的芯片制造工艺，他们的神经元将制作地比同等的传统电路小得多，且耗能更少。
Eleftheriou博士说，下一步是将“神经元”连接到网络上进行试验。带有“神经元”的系统具有广泛的应用。微型版本嵌进传感器，能探测工厂机器里的反常温度，能监控病人心脏中的电节律，还能在金融市场中对指定贸易类型进行考察。大型版本烤制到标准计算机芯片上，能变身快速低耗的协同处理器，擅长模式识别作业——譬如，语音识别和面部识别——如今，模式识别只能由标准电路上运行的软件来实现，低速又低效。通过这些应用，人工大脑和生物大脑在概念上的差距将会进一步缩小。
往期文章