2017 年 11 月 8 日,在北京国家会议中心举办的 AI WORLD 2017 世界人工智能大会开放售票!早鸟票 5 折抢票最后1天!还记得去年一票难求的AI WORLD 2016盛况吗?今年,我们邀请了冷扑大师”之父 Tuomas 亲临现场,且谷歌、微软、亚马逊、BAT、讯飞、京东和华为等企业重量级嘉宾均已确认出席。
关于大会,请关注新智元微信公众号或访问活动行页面:http://www.huodongxing.com/event/2405852054900?td=4231978320026了解更多
1新智元报道
来源:cbinsights.com
编译:马文
【新智元导读】牛津大学等的研究人员研发了一种模拟人脑突触行为、利用光子集成电路的“光子芯片”。在测试中,这种芯片的运算速度可以比人脑的速度快1000倍。这种芯片如果用于超级计算机,则可最大限度地同时储存信息,并只需使用最小的功率。
随着人工智能不断使机器变得更加智能,科技界许多人认为“奇点”——技术进步使得机器比人类聪明上指数级的倍数的时间点——就在眼前。
但是,当涉及到计算的时候,人类的大脑仍然比地球上任何一个技术处理系统都要强大得多(而且效率高得多)。
事实上,开发能够模仿大脑突触的工作方式的微芯片——特别是它们几乎不需要能量来处理和存储信息的能力——一直以来都是计算的“圣杯”。
来自艾克塞特大学、牛津大学和明斯特大学的研究人员领导的研究小组研发了一种专门的光子芯片。在测试中,这种芯片的运算速度可以比人脑的速度快1000倍。这种芯片如果用于超级计算机,则可最大限度地同时储存信息,并只需使用最小的功率。科学家们朝着这个计算的“圣杯”又迈近了一步。
因为这款微芯片是由光驱动的,它们也可以在比任何电子处理系统都更低的能量供应下执行高速计算。
在人类大脑中,突触将神经细胞(或神经元)连接在一起。构成记忆和思想的大脑信号以微小的电荷的形式通过这些神经细胞;当电荷到达突触时,它就会触发神经递质释放,神经递质是一种化学“信使”,在整个大脑中传递信息。
突触功能的图示
突触本质上是一种“电路”,它能促进我们的思维、感觉和活动的激活。而且突触的数量非常多:在一个健康的大脑中存在着大约1000亿个神经元,每个神经元都与其他成千上万的神经元相连接,大脑中突触的数量估计在100万亿到1000万亿个之间。
不过,比它们的数量更令人惊异的是它们的速度:大脑中数以万亿计的“突触连接”的运行速度与一台拥有每秒1万亿比特的处理器的计算机的速度类似。(作为参考,这比你办公室的每秒100兆比特的以太网速度要快1万倍。)
考虑到人类大脑天生的强大处理能力,“神经形态计算”领域的研究人员正在开发以大脑为灵感的计算机、设备以及用于商业用途的电子产品的模型。如果他们成功了,神经形态芯片(或神经芯片)有一天会取代我们的智能手机和其他设备里的CPU(中央处理器)。
现在,即使是世界上最快的处理器和CPU也无法接近大脑突触的处理速度。在一个模拟实验中,生物大脑1秒钟处理的计算量,在K计算机(地球上最快的超级计算机之一)中,超过8万个处理器工作了40分钟才完成。
让计算机变得更快是可能的,但也需要更多的能量。人类大脑的两个主要的组成部分相比机器占有优势。我们庞大的神经元网络和突触可以:
1)快速并同时地处理和存储大量信息(这被称为“并行处理”),以及
2)用非常少的能量进行并行处理,总共只需要几十瓦特的功率。
欧洲的研究人员用他们的光驱动芯片(light-powered microchip)解决了这两个问题——他们制造出一种速度惊人的“硬件突触”(hardware synapse),而且所需能量极低。
研究人员通过将“相变”(phase-change)材料和光子集成电路组合在一起,制造了这种芯片。相变材料在日常物品中有广泛应用,如可擦写型的CD和DVD。
相变材料是一类随温度变化,能够储或和释放大量能量的物质。同时,光子集成电路利用光而不是电子来操纵原子和执行其他功能。
使用光代替昂贵的、低效率的能源(例如电力)是许多科学家的目标。事实上,一个被称为“集成光子学”(integrated photonics)的学科专注于开发基于光信号的快速处理芯片,用于更快、更环保的电子产品。
由艾克赛特大学、牛津大学和明斯特大学的研究人员开发的光子芯片是一个很好的例子。根据研究小组的说法,他们的光子神经突触可以比人脑的速度快1000倍,这代表了破解大脑模拟计算机的“圣杯”的关键一步。
尽管迄今为止,研究团队只进行了测试,以证明该微芯片在“突触模拟”中的可编程性和有效性。但研究人员称,他们的这一大脑启发的创新显示了神经形态计算工具的解决方案的一个基本要求。而这正是研究人员所说的“开拓性突破”的意义所在。
再回到AI领域:如果在不久的将来,一个高速的、基于光的神经芯片被应用在我们的电子产品,那么这些设备将能够以比以往更快的速度、更低的能量需求处理AI算法。如果设备能够更快地支持AI和高级机器学习,人类的大脑就会失去它相对于机器的某些优势,这也许会让我们离奇点又近一步。
原文地址:https://www.cbinsights.com/research/human-brain-microchip-artificial-intelligence-processing/
联系客服