近日，英特爾中國研究院院長宋繼強與杜克大學電子與計算機工程系教授陳怡然教授以及浙江大學計算機學院教授唐華錦教授進行了一次有關(guān)神經(jīng)擬態(tài)計算的行業(yè)對話。

神經(jīng)擬態(tài)計算，又被稱為類腦計算和神經(jīng)形態(tài)計算，模擬的是人腦的神經(jīng)結(jié)構(gòu)和運行方式，其中的計算模塊類似于人腦中的神經(jīng)元，通過一種全新的模型——脈沖神經(jīng)網(wǎng)絡(luò)(SNNs)將神經(jīng)元進行重新分布。

芯片向人腦演化，對現(xiàn)有計算架構(gòu)的顛覆，神經(jīng)擬態(tài)計算已經(jīng)成為前沿科技中非常熱門的領(lǐng)域，并被賦予帶領(lǐng)人類進入新人工智能時代的使命。

三位學術(shù)界大咖在這次的行業(yè)對話中著重對神經(jīng)擬態(tài)計算的獨特優(yōu)勢、和目前主流的深度學習的對比、如何進一步突破以及未來的應(yīng)用方向等話題進行了意見交流，再次引起了業(yè)界對神經(jīng)擬態(tài)計算的關(guān)注和討論。

為AI注入新的想象

目前的人工智能正在面臨著諸多挑戰(zhàn)，其中一項就是對于能源的大量需求，造成對生態(tài)的污染問題。

國外的一項研究顯示，僅僅是訓練一個AI模型，所消耗的電力產(chǎn)生的碳排放量相當于5臺美式轎車整個生命周期的碳排放量?？梢哉f，目前的AI模式對生態(tài)環(huán)境構(gòu)成了一定的威脅。

作為下一代的AI芯片，神經(jīng)擬態(tài)計算能夠很好地解決這一問題。宋繼強表示:“神經(jīng)擬態(tài)計算在算法以及芯片的設(shè)計上可以實現(xiàn)以低一千倍以下的功耗去完成同樣效果的模型訓練?！眮碜哉憬髮W的唐華錦教授也認為神經(jīng)擬態(tài)芯片是一種環(huán)境友好型的芯片，“體積小、功耗低，符合生物進化最本質(zhì)的優(yōu)勢?！?/p>

除了能耗低的優(yōu)勢之外，神經(jīng)擬態(tài)計算還有諸多其他優(yōu)勢。唐華錦稱“神經(jīng)擬態(tài)計算最大的優(yōu)勢是神經(jīng)元的智能性和自主性，不是單純解決一個數(shù)據(jù)訓練、模式識別的問題，而是解決多模態(tài)感知、非結(jié)構(gòu)化信息的感知和推理?！?/p>

另外，來自杜克大學的陳怡然教授也表示神經(jīng)擬態(tài)計算相比目前的技術(shù)來說會更加安全，“神經(jīng)擬態(tài)計算可以通過不同信號相互之間連接，可以做得更‘魯棒’(Robust)，這對于外在的攻擊或者不友好的操作其實可以更有效的進行保護，現(xiàn)在這方面也有一些新的研究?！?/p>

能否取代深度學習?

在此次對談中，一個重要的談?wù)撝黝}是神經(jīng)擬態(tài)計算是否會在不遠的未來取代深度學習。Gartner此前的一份調(diào)查報告預測，到2025年神經(jīng)擬態(tài)計算有望取代GPU，成為下一代AI的主流計算形態(tài)。

對此，三位嘉賓的觀點不盡相同。宋繼強認為神經(jīng)擬態(tài)計算和深度學習的關(guān)系是兼收并蓄，而不是取代，“對于深度學習已經(jīng)非常擅長的，模擬人類視覺或者自然語言交互的任務(wù)，我們讓深度學習的網(wǎng)絡(luò)去模擬;對于其他不太適合用深度學習做的，如英特爾Loihi芯片做的嗅覺方面的研究，還有機器人操控、多模態(tài)甚至于跨模態(tài)之間的知識存儲，我們可以用神經(jīng)擬態(tài)計算去實現(xiàn)。”

唐華錦認為，在一些特殊場景中，比如并不需要精確的計算結(jié)果而是需要在一個實時環(huán)境中給出一個“魯棒”的響應(yīng)時，相比于深度學習算法，神經(jīng)擬態(tài)計算有著絕對優(yōu)勢。

不過在陳怡然看來，目前神經(jīng)擬態(tài)計算本質(zhì)上跟深度學習所能實現(xiàn)的功能沒有特別大的不同，“現(xiàn)在還沒有可靠的證據(jù)表明，神經(jīng)擬態(tài)計算能夠達到這一代人工智能技術(shù)所不能達到的新境界。”陳怡然也認可神經(jīng)擬態(tài)計算所具有的“魯棒”性以及實時性等優(yōu)勢，但這些只能說是在深度學習基礎(chǔ)上的提升而不是技術(shù)上的突破。“神經(jīng)擬態(tài)計算不應(yīng)該是深度學習的一個子集，而應(yīng)是全新的集合，”他表示。

科幻照進現(xiàn)實

對于神經(jīng)擬態(tài)計算，目前科研界、產(chǎn)業(yè)界都在抓緊研究和布局。近期，英特爾在神經(jīng)擬態(tài)計算領(lǐng)域取得了重大進展。《自然》雜志的一篇論文顯示，英特爾Loihi芯片僅需單一樣本便可學會識別10種有害氣體的氣味。英特爾最新發(fā)布的以Loihi芯片為基礎(chǔ)的神經(jīng)擬態(tài)計算系統(tǒng)Pohoiki Springs包含1億個神經(jīng)元，堪比小型哺乳動物的大腦容量。

對于未來的突破方向，陳怡然認為最根本的問題是“必須要軟硬協(xié)同，兩者必須要齊頭并進。”宋繼強則認為，盡快找到真正適應(yīng)神經(jīng)擬態(tài)計算的應(yīng)用方向，取得里程碑式的進展，有助于促進產(chǎn)業(yè)跟隨。為此，英特爾成立了INRC(神經(jīng)擬態(tài)研究社區(qū))，成員可以獲取英特爾Loihi測試芯片從而支持他們的神經(jīng)擬態(tài)研究。目前已經(jīng)有諸多科研機構(gòu)、大學、世界500強企業(yè)加入，促進神經(jīng)擬態(tài)計算應(yīng)用落地。

在此次對話中，有關(guān)未來神經(jīng)擬態(tài)計算的應(yīng)用方向，嘉賓們也作出了一些設(shè)想。唐華錦認為未來神經(jīng)擬態(tài)計算比較有前景的切入點主要有兩個：“一個是非結(jié)構(gòu)化數(shù)據(jù)，實時性要求很高的場景。另外一個是多模態(tài)的、實時的場景，比如說機器人、無人機等需要持續(xù)學習和自適應(yīng)學習的場景。”

宋繼強也認為，未來神經(jīng)擬態(tài)計算很有可能會落地到商用或者消費級的產(chǎn)品，“我們目前已經(jīng)看到在服務(wù)機器人以及智能家居等場景下，神經(jīng)擬態(tài)計算可以有很好的表現(xiàn)?！?/p>