深度學(xué)習(xí)軟件毫無(wú)疑問(wèn)推動(dòng)了人工智能的浪潮。現(xiàn)在，許多公司和研究人員都在花大力氣在軟硬件上對(duì)人腦進(jìn)行模擬。      

在硬件方面主要是通過(guò)對(duì)大型神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真。如Google的深度學(xué)習(xí)系統(tǒng)GoogleBrain，微軟的Adam等。但是這些網(wǎng)絡(luò)需要大量傳統(tǒng)計(jì)算機(jī)的集群。比方說(shuō)GoogleBrain就采用了1000臺(tái)各帶16核處理器的計(jì)算機(jī)，這種架構(gòu)盡管展現(xiàn)出了相當(dāng)?shù)哪芰?，但是能耗依然巨大?      

而IBM則是從芯片著手進(jìn)行模仿。：它設(shè)計(jì)了一種叫TrueNorth的仿人腦電腦芯片，并把它當(dāng)做深度學(xué)習(xí)的硬件平臺(tái)。目前，公司正在對(duì)該芯片的性能進(jìn)行研究測(cè)試。      

深度學(xué)習(xí)之所以能力強(qiáng)大，關(guān)鍵在于其中的一項(xiàng)算法——卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetworks）。它包含了大量的節(jié)點(diǎn)層（layersofnodes），也稱神經(jīng)元（neurons）。像這樣的神經(jīng)網(wǎng)絡(luò)可以通過(guò)深度結(jié)構(gòu)過(guò)濾大量的信息，進(jìn)而實(shí)現(xiàn)自動(dòng)識(shí)別人臉或理解不同語(yǔ)言的功能。      

IBM不久前的一項(xiàng)研究顯示，在能支持多種神經(jīng)網(wǎng)絡(luò)的仿人腦硬件上，卷積神經(jīng)網(wǎng)絡(luò)算法同樣有用。      

7月9日，IBM把自己的一項(xiàng)研究成果刊登在了ProceedingsoftheNationalAcademyofSciences上。該項(xiàng)研究由U.S.DefenseAdvancedResearchProjectsAgency(DARPA)資助，數(shù)額近100萬(wàn)美元。這項(xiàng)支持是該機(jī)構(gòu)皮質(zhì)處理器項(xiàng)目（CorticalProcessorprogram）的一部分，旨在促進(jìn)能識(shí)別復(fù)雜情況和適應(yīng)環(huán)境變化的仿人腦人工智能的研究。      

DharmendraModha是IBM研究中心Almaden仿人腦計(jì)算項(xiàng)目首席科學(xué)家。他表示：這個(gè)研究具有里程碑式的意義，而且證實(shí)了一個(gè)顯而易見(jiàn)的概念：仿人腦計(jì)算的運(yùn)行效率會(huì)隨著深度學(xué)習(xí)效率的提升而提升，而這又為新一代芯片和算法提高工作效率和正確率鋪平了道路。      

2011年，IBM第一次對(duì)外具體公布TrueNorth和其芯片原型，而以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)發(fā)展起來(lái)的深度學(xué)習(xí)革命卻開(kāi)始于2012年。由此可看出，剛開(kāi)始并不是專門為了應(yīng)用深度學(xué)習(xí)而設(shè)計(jì)TrueNorth，反而有了TrueNorth才促進(jìn)了脈沖神經(jīng)網(wǎng)絡(luò)去模仿真實(shí)生物大腦中的神經(jīng)元連接構(gòu)造。      

脈沖神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元并不是在每一次迭代傳播中都被激活（而在典型的多層感知機(jī)網(wǎng)絡(luò)中卻是），而是在它的膜電位達(dá)到某一個(gè)特定值后才被激活。這有效減少了圖形認(rèn)知或語(yǔ)言處理的運(yùn)行速度。      

但深度學(xué)習(xí)專家卻覺(jué)得，同樣是用在機(jī)器學(xué)習(xí)上，至少和卷積神經(jīng)網(wǎng)絡(luò)相比，脈沖神經(jīng)網(wǎng)絡(luò)的效率并不夠高。      

YannLeCun是Facebook人工智能研究院理事、深度學(xué)習(xí)領(lǐng)域的先驅(qū)。他曾批評(píng)過(guò)IBM的TrueNorth芯片，把它稱之為草包族科學(xué)。他說(shuō)，IBM只是復(fù)制了機(jī)器的表象，卻沒(méi)有深入理解及其背后的原理。      

有反對(duì)的聲音，但也有支持的聲音。ZacharyChaseLipton是加州大學(xué)（位于圣地亞哥）人工智能團(tuán)隊(duì)深度學(xué)習(xí)研究員。他說(shuō)，TrueNorth可以促進(jìn)實(shí)現(xiàn)神經(jīng)形態(tài)計(jì)算，要知道，深層次模仿和理解生物大腦正是神經(jīng)形態(tài)計(jì)算的功勞。      

通過(guò)對(duì)比不同學(xué)者們的觀點(diǎn)可以發(fā)現(xiàn)，深度學(xué)習(xí)研究人員通常更關(guān)心的是如何使實(shí)踐結(jié)果應(yīng)用到以人工智能為技術(shù)支撐的服務(wù)和產(chǎn)品上。      

還拿那個(gè)老套的鳥(niǎo)和飛機(jī)的比喻做例子。你可能覺(jué)得卷積神經(jīng)科學(xué)研究鳥(niǎo)更多；而脈沖神經(jīng)科學(xué)則更多關(guān)注空氣動(dòng)力學(xué)，生物學(xué)可有可無(wú)。      

專有計(jì)算機(jī)硬件對(duì)機(jī)器學(xué)習(xí)的好處越來(lái)越明顯。因此，神經(jīng)形態(tài)芯片并沒(méi)有讓人覺(jué)得很興奮的原因主要是，在深度學(xué)習(xí)中脈沖神經(jīng)網(wǎng)絡(luò)并沒(méi)有那么流行。      

因此，為了使TrueNorth芯片能更好的應(yīng)用機(jī)器學(xué)習(xí)，IBM必須研究出一種新的算法來(lái)幫助卷積神經(jīng)網(wǎng)絡(luò)在神經(jīng)形態(tài)計(jì)算機(jī)硬件上運(yùn)行的更好。      

在研究測(cè)試中，TrueNorth可以給圖片數(shù)據(jù)分類，每秒速度1200-2600幀，能耗25-275毫瓦。處理器還能夠識(shí)別圖片模式，這些圖片是50-100個(gè)攝像頭以每秒24幀的速度拍攝的。      

TrueNorth剛開(kāi)始進(jìn)行深度學(xué)習(xí)測(cè)試就獲得這樣的結(jié)果，給人的印象好像還挺深刻。但是，大家還是謹(jǐn)慎為好，Lipton說(shuō)，畢竟視覺(jué)數(shù)據(jù)集在處理32×32素的圖像時(shí)，還存在有少量問(wèn)題。      

不過(guò)這可影響不到Modha。他依舊懷著熱切的心情繼續(xù)著TrueNorth深度學(xué)習(xí)測(cè)試。他和他的同事希望芯片測(cè)試能在無(wú)限制的深度學(xué)習(xí)環(huán)境下進(jìn)行。這需要他們?cè)谟?xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)逐步引進(jìn)硬件限制，而不是從一開(kāi)始就對(duì)其完全限制。      

Modha還指出，TrueNorth的其中一個(gè)優(yōu)勢(shì)是它的普適性，其他很多深度學(xué)習(xí)硬件都只能在卷積神經(jīng)網(wǎng)絡(luò)上運(yùn)行，但TrueNorth可以接受多種類型的人工智能網(wǎng)絡(luò)。      

“TrueNorth不僅可運(yùn)行卷積神經(jīng)網(wǎng)絡(luò)（雖然設(shè)計(jì)者一開(kāi)始無(wú)意于此），支持多種包括反饋、橫向以及前饋的連接模式，還能應(yīng)用多種其他的算法。”      

像這樣的類生物芯片只有比其他深度學(xué)習(xí)硬件應(yīng)用更出眾才能流行起來(lái)，Lipton說(shuō)。同時(shí)，他還建議到，IBM可以利用它的硬件公司，和Google、Intel一起為設(shè)計(jì)深度學(xué)習(xí)專用芯片而奮斗。      

“我想，未來(lái)肯定會(huì)一些神經(jīng)形態(tài)芯片制造商，他們會(huì)通過(guò)自己的硬件公司來(lái)加速芯片的發(fā)展以使整個(gè)行業(yè)更集中于實(shí)踐性深度學(xué)習(xí)的應(yīng)用，而不是純粹的生物模仿。”