芯片造脑:科幻照进现实?
2014/10/9 果壳网

     人脑那自傲、强大而又神秘无比的信息处理功能一直令人痴迷。也许是缘于这种痴迷,每当新的技术出现,它们总会被用来进行复制大脑的尝试。虽然在这一过程中我们收获了不少新的信息处理工具,但这些“复制品”和真正的大脑依然相差甚远,这也一次次证明了人类对脑的理解还仅处于“两小儿辩日”的启蒙阶段。

     然而就在最近半年里,“造脑行动”又有了新的进展:IBM 和高通(Qualcomm)两大巨头先后发布了基于神经拟态技术的“脑芯片”。IBM的SyNAPSE芯片号称模拟了一百万个神经元细胞和超过两亿个神经突触连接,初具人工大脑的规模。高通公司4月公布的Zeroth芯片也在硅片上高效地模拟了脑神经元,装载了该芯片的机器小车还能运用“受到人脑启发的算法”完成寻路、躲避障碍等任务。如果几十年前的人穿越过来,恐怕会以为科幻小说全面进入生活了。

    

     左:IBM 公司于2014年8月推出的SyNAPSE芯片外观;右:高通 Zeroth 芯片的宣传图

     那么,“仿真脑”的时代真的要来临了吗?现在下结论似乎还为时过早。在对人脑的模拟上,科学家们还面临着许多困惑和挑战。下面,就让我们来看看“造脑”这个科幻题目在现实世界中究竟现状如何吧。

     “神经拟态”芯片英雄谱

     仿照生命体的神经系统的架构来设计大规模集成电路(VLSI)的硬件电子技术,被称为“神经拟态工程” (Neuromorphic engineering),这门工程学开创于上世纪80年代。在近40年的发展中,神经拟态芯片屡有新作,尤其是最近10年,随着IBM、惠普、高通等电子硬件巨头的加入,神经拟态领域开始呈现加速赛跑的热闹场面。

     神经拟态的关键在于制造可以产生神经电信号的“拟真神经元”,要达到这一目的,有两种途径可走。第一种是利用硅的半导体特性,直接在硅元件上用积累的电压来模拟神经元的膜电位,这种方式被称为“模拟式神经拟态”。这种方案是神经拟态工程最经典的技术路线,它直接地将神经细胞的信号传导方式转换到了硅基导体上。用模拟方式制造出来的“神经元”能够轻松达到和生命体一样的运算速度,甚至更快。

     另一种模拟途径是制造一块类似小型电脑的数字芯片,然后在上面运行神经元的仿真程序,由仿真程序负责生成类似神经冲动的信号,这种方案被称为“数字式神经拟态”。开篇提到的IBM公司的 SyNAPSE 和高通公司的 Zeroth 芯片采用的都是数字式的拟态方案。数字模拟的优势在于可以灵活采用各种不同的神经元模型,例如在拟真度要求较高的应用中可以加入神经突触和离子通道的详细特性,而在速度要求较高的时候则可以简化模型来保证速度。数字方案虽然仿真速度有所下降,但经过优化后也能达到和神经元一样或更快的运算速度,而更高的灵活性也让它成为了神经拟态技术的热门选项。

     在各种神经拟态芯片中,绝大多数都混合集成了数字和模拟这两种技术,通过优势互补使芯片达到更好的性能。

     造脑的巨大挑战

     现在,已经有了相当多的“类脑”芯片问世,它们看起来相当“酷炫”,但似乎从未能够撼动传统计算机芯片的地位。这很大程度上是缘于“造脑”这件任务所带来的巨大挑战。

     对很多音乐发烧友来说,“魔声(Monster)”这个耳机品牌应该不陌生。创立魔声品牌的是美国加利福尼亚的华裔工程师李美圣(Noel Lee)。李先生年轻时对于音乐品质的细微挑剔已经到了苛刻的地步,以至于在常人所不注意的线材上都发现了可以提升音质的余地。所以魔声公司一炮走红的主打产品其实并不是我们所熟悉的耳机,而是又粗又壮的高端线材(Monster Cable) 。魔声公司在技术上的历程引发了一个思考:高质量的信息处理系统往往需要高质量的信号通路,传输通路的重要性有时甚至会超过信息的产生和处理本身。

     不幸的是,建立通路在电子信息系统里是比较麻烦也比较昂贵的。如果用电子通路来模仿一个有N个神经元的神经网络,那么所有神经元之间两两互通就需要 N2 条通路。如果每条通路都用一条物理连接来建立,那么模拟的神经元数量稍微一多,线路就会乱作一团乱。目前的半导体芯片技术基本上还是二维布线,所以在一片硅片上能够允许的线路资源就更加有限。要想用这样的通路来实现人脑式的互联互通,几乎一定会被物理规律打翻在地。

    

     数据通路带来的灾难

     为了绕开物理连接的困境,很多神经拟态芯片采用了“互联网式”的方案:先给神经元编上“地址”,然后用路由器分发信息。这种方案虽然避免了纷繁交错的线路,但它的本质是用时间来换空间,如果不想搭出 N2 条物理通路,那么就得花 N2 倍的时间来处理路由。随着模拟神经元数量的增长,始终还是绕不过平方级增长的“维度灾难”。所以神经拟态芯片成败的关键往往不是能造出多少个神经元,而是怎么高效处理神经元之间的信息交互。IBM 公司的 SyNAPSE 芯片集成了2亿5千6百万个突触连接,这个数量级的信息交互已经算是相当了不起的成绩。

     造脑之路不仅受制于物理规律,而且在评价标准上也存在不少争议。世界各地的研究组在造脑课题上研究得很热闹:有的强攻仿真神经元和神经联结的数量,有的专注神经元突触的分子动力学建模,有的则侧重大脑的可塑性学习能力……然而,不客气地讲,不少“造脑”项目多少有点自己树靶子自己打的意思。即使这些努力全部宣告成功,可能研制出来的人工脑也只能在研究者自己划定的条条框框里做点演示而已,它们的功能依然具有很多局限性。

     造脑目标的困惑

     除了技术上的困难,制造“仿真脑”的目标也是一个值得思考的问题。除了纯粹用于研究以外,“仿真脑”还能为我们做点什么呢?

     当今流行的电子设备和人脑在形态上没有半点相似,在计算原理上也基本不搭界,然而这些电子设备在相当一部分任务中却表现得相当出色。这些任务包括设备控制、大规模批量处理、长时间重复作业等等。无论是在自动化生产的车间里,或是运营上千台网络计算机的“服务器农场(server farm)”里,甚至在更加新潮的无人管理的大型仓库里,那些原来由“人脑+人肉”完成的任务现在都已经转交给了机电设备,它们的高效、精确和可靠已经达到了令人脑难以企及的高度。

     这些机械化的任务无需创造力,而要求操作者务必精确、不能疲劳,它们简直天生就是给机器设计的。而相比之下,探索、学习和适应环境才是人脑真正有优势的领域。如果在“仿真脑”问世时,人们还是把传统的机械化任务交给它们,那么“仿真”恐怕也就失去了意义。

    

     无人值守,基于蜂巢智能的现代化仓库(Kiva Systems, LLC.)

     学习创造:“人脑模式”也未必更好

     然而,在学习和创造领域,模仿“人脑模式”也未必比现有的计算机技术更有优势。

     随着“大数据”的概念席卷全球,在实验室里酝酿多年的机器学习技术终于走出实验室,走进实际应用。很多原本被认为是“人脑独霸”的工作,譬如人脸识别、国际象棋、音乐创作等等,现在也慢慢出现了被电脑代庖的苗头。而完成这些任务的电脑,也并没有采取人脑的信息处理模式。

     为什么诸如探索、学习、创造这样本应由人脑固守的领地也会被攻破?这要追溯到人脑的一个底层缺陷——记忆能力不足。

     大脑的基本组分是神经元细胞,这种细胞可以组成高效的信息网络,但它并不是很好的记忆元件。神经元细胞从功能上来说像是一个传声筒,你这头传话进去,它在另一头变个声音传话出来。这种类似“滤波器”的结构能够迅速完成一些信号变换,但是却不适用于长期储存信息。相比之下,电子元件或者磁性元件能够长期保持在“电位高”、“电位低”或者“磁极南”、“磁极北”的状态,信息一旦写入就很久不会遗忘。正因为如此,计算机天生就能做到“过目不忘”,而人脑则要付出很多精力来巩固记忆。

     除此以外,电磁元件的状态只要通过简单的操作就能在几微秒内翻转变换,所以信息不但存得久,而且可以迅速进行更改。然而,在神经元细胞构成的大脑网络中,要想快速改变状态就不那么容易了。一种公认的方法是通过“神经可塑性”(neuroplasticity)来改变神经元的活性,但这种机制需要细胞的输入端和输出端发生成千上万次的脉冲耦合,当这些巧合发生之后才能够对神经突触的强度有所影响,耗时也从几分钟到几十年不等。所以从存入信息的速度上来说,计算机天生“一目十行”,而人若能如此估计早就上了“最强大脑”。

     像识脸、下棋、作曲这些任务固然需要学习、联想和创造,但更重要的其实是积累庞大的信息数据库作为支持。而由于长久记忆和快速固化能力的先天不足,人脑要花超过电脑很多倍的时间才能储备足够的数据。如果在仿真大脑的研究领域,记忆能力不足的问题没有得到解决,那么“仿真脑”在这些学习任务上也就没了优势。

     人脑至今领跑的项目:运动控制

     那么在人脑的功能里,究竟有哪些是电子设备至今还难以企及的呢?孤悬于海中的一盏明灯乃是人脑对肢体运动的控制。

     人体的运动神经信号传输质量其实远远比不上电子设备。人体中的神经脉冲信号常年经受着各种噪声和扰动的影响,如果插管侦听的话就会发现神经元脉冲的规则程度经常比“收听敌台”好不了多少。此外,神经信号的延迟也十分可观,神经脉冲的传播速度平均下来只有几十米/秒,就算完成一次最简单的脊髓反射也需要花费掉30毫秒之巨。而在这30毫秒之内, 一个不算太高端的嵌入式控制器(假定1000Hz采样率)已经完成了30次微调控。

     然而,在这些巨大的劣势之下,人类居然还能完成各种跑跳投捻推揉,行动的过程中还能根据外界环境的变化实时调节动作。这些重重挑战简直就是机械疙瘩和硅片脑袋的噩梦。

     如果真要用芯片来制造“仿真脑”,运动能力大概会是一个不错的研究方向。而仿真神经网络能否让机器人运动自如,这还需要更多研究才能下结论。

     造脑的终极走向

     脑神经科学最近40年来得到了突飞猛进的发展,大脑的神秘面纱已经一点点被揭开。与此同时,计算机科学同样也是兵多将广,很多传统概念中“人脑专属”的功能也在非人脑体系中得以实现。在脑神经科学和计算机科学的双重夹击下,用电子技术来“重造大脑”这个比较古老也比较另类的技术流派,它的目标需要重新定义,带来的意义也必须重新思考。

     从研究角度讲,“拟真大脑”应该帮助人类揭开脑科学中的谜团。而从实用技术角度看,造脑的目的则应该是剥离出人脑真正强势的功能,制造出超越人脑且超越电脑的新体制智能设备。如前所述,我们对于大脑的热情膜拜在一项项工程突破面前开始降温,但在肢体运动控制这样的领域,“人脑模式”的表现依然值得期待。

     要想制造出具有人脑般性能的芯片,研究者们还有很长的路要走。不过从另外一个角度来看,人们似乎已经在无意之中造出了像人脑一般运行的事物——互联网。其实,整个互联网越来越像是一个人脑:结点的数量规模也相当庞大;各个节点之间任意互联、高度协作;网络结构根据实际需求在不断自我调整;结点之间完全独立并发、互相协调但互不隶属。2012年全球估计接入互联网的电脑数量是10亿左右,虽然和大脑的几百亿神经元还有差距,但也算是初具“神经网络”的规模。我们在这里为了芯片造脑而绞尽脑汁的时候,整个人类说不定已经自组织成了另一个尺度上的“大脑”呢。(编辑:窗敲雨)

     扩展阅读

     你知道大脑遗忘信息的速度吗?

     请戳“阅读原文

    http://www.duyihua.cn
返回 果壳网 返回首页 返回百拇医药