认知计算 IBM TrueNorth人脑芯片揭秘

　　机器人代替人类，大规模应用于制造业中，这被世界各国认为是个共同的趋势，尽管这会带来大量的社会问题，但谁都知道机器人的革命不可避免，正如当年英国工业革命时出现的“机器吃人”一样。

　　事实上，只要你置身于任何一家汽车工厂、芯片工厂中，都会看到大量的自动化机器手，它们从事简单、重复性的体力劳动，让人类获得解放。在战场中，可自主发动攻击的无人机已磨刀霍霍，虽然受到强大的道德阻力，但我们丝毫不怀疑，这一天终将还是会到来。

　　计算机的出现，帮助人类在计算力方面获得解放，并促使50年来技术的革命性飞跃。而机器人的广泛应用，又让人类获得体力上的解放—我们今天在讨论无人驾驶、VR虚拟现实，纯机器人工厂，接下去，我们都想制作出完全以假乱真的机器人，它拥有人类一样的外表，也拥有人类一样的运动能力，更关键的是，它还拥有人类一样思考方式的大脑，比如说，你可以在电影《普罗米修斯》中的机器人“大卫”中看到未来机器人的真实样子。

　　任何一个庞大的工程，都是从最基本的单元开始的，IBM近期解密的“TrueNorth”智能芯片，向我们揭示了这样的未来。

　　冯.诺依曼计算架构不适用机器人时代

　　在介绍“TrueNorth”芯片之前，我们要先来分析现行的计算机系统。我们知道，无论是“天河”超级计算机还是银行所用的IBM大型机，数据中心的x86服务器、商用的PC或笔记本电脑，或者譬如智能手机、单片机、数字电视控制系统等等，它们都遵循相同的基本架构：CPU负责计算任务，数据和指令存放于内存中，两者通过数据总线交换信息。这种工作机制一般被称为冯·诺依曼结构计算机。

　　在冯·诺依曼结构中，计算与存储是分离的，在工作中，内存与CPU必须不断地反复交换信息，而这种过程不仅导致运行速度慢、也要浪费了很多能量，虽然经过几十年的发展，引入的多核芯片和高速缓存技术极大幅度的提升了运行性能，但是其能耗并没有获得本质性的降低。更要命的是，数据的处理永远是无法实时完成的，这是因为CPU和内存的通信延迟永远存在。

　　第二点，现行的体系架构中，CPU更适合进行线性的数学计算，尽管这种数学计算能力可以远远超出人类的大脑，但它只能完成具有既定结果的任务，比如算术演算、语言分析、知识获取等等，很难完成诸如环境感知、形状识别等非标准的任务。简单点说，就好比是人类的左脑与右脑，现行计算体系只相当于人类的左脑、却很难达成右脑的功能。

　　我们其实可以将人类大脑当作一部超强的生物计算机，我们知道，大脑的各个区域有着不同的功能，有的负责语言能力、有的负责数学能力，有的负责视觉识别，有的负责逻辑思维等等，这些单元分布于大脑的各处，彼此通过神经元实现信号传递。相对于计算机总线，神经元的传导速度其实非常慢，但它的数量非常巨大、达到千亿个量体，且每个神经元都通过成千上万个突触与其他的神经元相连，从而形成规模庞大的神经元网络。信号的传导是分布式和并发性的，这与巨型规模的并行计算系统极为相似，这也有效地弥补了单个神经元的不足。比如，当我们眼睛看见某个物体，光信号通过视网膜进入大脑的感官区域，生成图像，同时这些信息到达所有的功能单元计算，让我们可以得出全方位的评判。

　　人脑还有一个重要的特点，就是能耗非常低。虽然神经元的数量如此庞大，但它只有在需要使用时才开启，不需要使用时处于关闭状态，从而保持很低的能源消耗。当然，计算机的能源是电力，而人脑使用的能源是葡萄糖和碳水化合物，计算机的优势在于它可以不知疲倦地运行，而我们人类每天都需要睡眠，在睡眠时大脑的各个功能单元可以得到充分的休息恢复，以备次日的接受任务。

　　通过这样的对比，我们可以发现，计算机与人脑其实没有本质性不同。在几十年前，科学家们就致力于在软硬件上对人脑的工作模式进行模拟。在硬件层面上，近年所采用的多是大型计算机集群，比如谷歌的深度学习系统“Google Brain”，微软的“Adam”，以及IBM的“Watson”等。其中Google Brain采用了1000部超级计算机，并且这些计算机都搭载了高性能的16核处理器；IBM Watson则基于数量庞大的Power计算平台。它们的共同点都是性能强悍、但是能耗巨大，而且并行能力根本无法与人脑相提并论。

　　突破：IBM展示SyNapse

　　认知芯片

　　早在2008年11月，美国国防高级研究计划局（DARPA）启动了“Systemsof Neuromorphic Adaptive Plastic Scalable Electronics（自适应弹性电子神经系统）”研究项目，简称“SyNapse”，这个项目旨在设计一种类似于人脑的神经系统网络，终极目标就是开发出非冯结构的下一代计算机。IBM及五所大学参与了这个项目。

　　2011年8月，IBM公司率先宣布获得突破性进展，它成功地设计出世界上第一款“SyNapse认知计算芯片“——这种芯片模仿了由神经细胞及突触构成的人脑构造，即由“神经细胞’单元负责计算，突触负责信号的开关通信，但它并未使用生物有机材料，而是完全基于现行的硅半导体芯片构建。

　　IBM一共制作出两种类型的SyNapse认知芯片，两者都基于45纳米SOI工艺，具备256个负责计算的数字处理器（相当于生物中的神经元），其中一枚芯片内配置了多达26万2144个可编程的突触，另一枚则配置了6万5536个具备学习功能的突触。与传统计算芯片不同，SyNapse芯片的每一个神经元都包括CPU、内存和突触部件，信息的处理完全都在本地进行，而且每个神经元内部的处理数据量都不大，传统计算机的CPU-内存瓶颈就不复存在。同时，神经元之间可以通过突触的控制方便快捷地相互沟通，每个神经元之间都直接联结在一起，只要接收到其他神经元发过来的脉冲信号，这些神经元就会同时作出响应。

　　籍由这套运行机制，SyNapse芯片可以无需准备直接运行程序，实现了类似人脑的实时分布式、并行处理。IBM介绍说，这种认知芯片的长处在于图像识别、联想记忆、信息分类等模糊应用，与现行的计算机系统构成互补。而在实验测试中，原型系统已经可以处理像玩”Pong“游戏这样复杂的任务，基本实现了类似人类的认知能力。当然就目前来说它还是非常简单，单核脑容量仅与低等的昆虫相当。

　　与人脑一样，SyNapse芯片只有需要它们的时候才会启用对应的神经元，其他神经元则处于完全关闭状态，它的运行功耗只有70毫瓦—很好地实现了预期目标。

　　进化：更强大的TrueNorth处理器

　　2014年，IBM再次发布了它们的突破性进展，他们成功了设计出拥有100万个神经元的“TrueNorth”芯片，晶体管集成度也提升到54亿个。TrueNorth芯片包含多达2.56亿个电突触，100万个神经元可以通过这些电突触联结在一起。

　　与传统计算机用FLOPS（每秒浮点运算次数）衡量计算能力一样，IBM使用SOP（每秒突触运算数）来衡量这种计算机的能力和能效。TrueNorth芯片默认工作在0.8伏电压下，此时它每秒可以执行460亿次突触运算，而它的功耗仅为70毫瓦，一块小小的纽扣电池就能驱动。而要完成同等并行度的神经网络计算，传统计算机需要动用大型计算集群才能解决—两者的能耗尺度完全不可比拟。再者，TrueNorth芯片只有区区几厘米大小，和一块常规的x86处理器差不多，成本也要低得多。

　　IBM向外界展示了TrueNorth芯片在认知方面的能力，它使用了以30秒每帧正常速度拍摄的十字路口视频，视频中包括行人、自行车、公交和卡车等，虽然只是原型程序，TrueNorth芯片已能够实时地识别出这些目标对象，准确率达到80%！相较而言，如果用一台笔记本电脑来编程、执行同等的分析任务，那它的速度要比TrueNorth芯片慢上100倍，也就是根本做不到实时的识别，同时能耗却是TrueNorth芯片的一万倍！两者的差距完全是不对等的。

　　人类大脑虽然强大，但它是单独的生物个体，两个大脑之间是无法直接通信的。在这一点上，TrueNorth芯片就充分展现了硅工业的优势：任意数量的TrueNorth芯片可以联结为一个整体，就像一个大脑一样。这种能力显著超越了人类！而只要动用48枚芯片，就可以构建4800万个神经元的认知系统，其实际能力相当于一只老鼠的大脑。显然，芯片的数量越多，系统的运算能力就越强，你可以理解为智商就越高。

　　2016年3月，美国劳伦斯.利佛莫尔国家实验室（LLNL）宣布，向IBM购买一套搭载16个TrueNorth芯片的认知计算机。该系统共有1600万个神经元和40亿个突触，根据合同，IBM将给LLNL提供整套解决方案，包括模拟器、编程语言、集成式编程环境、算法和应用库、深度学习工具等等，这也是我们所知，非冯结构计算机的第一次应用。LLNL的计算机科学家们希望，能够借助这套平台，将神经突触架构、系统设计、算法及软件生态系统的覆盖范围扩展到新的领域，或者说，是探索这套系统的应用边界。

　　IBM的最终目标是能设计出包含百亿个神经元+百万亿个突触的超级芯片，同时将整套系统的功耗控制在1千瓦左右、体积在两升左右（10厘米×10厘米×20厘米），相当于人脑的尺度，而处理能力可以达到人脑的十分之一。

　　TrueNorth认知计算可以应用在哪些领域

　　与人脑非常相似，TrueNorth的长处在于认知、识别、判断的能力，而密集计算能力就不是它的强项。在现行的神经网络计算系统中，一般是通过深度学习来获得人工智能，这样的系统需要非常强大的计算力，所以一般都是由GPU来完成，这也是近几年非常火热的GPU通用计算应用——当然，这种趋势今天仍然在继续。而像智能手机这样的便携设备，如果要执行人工智能相关的任务，就必须通过网络和远程数据库来获取结果。我们所说的GoogleBrain、IBM的Watson，其实都是这样的模式。

　　而TrueNorth平台可以有效改变这种状态，比如它可以作为一个协处理器装进手机，从而高速、快捷地完成认知、识别任务，而消耗的电力几乎可以忽略不计。IBM介绍中，目前在地球监测等科学研究领域，应用TrueNorth芯片可以获得理想成效。我们知道，科研机构会在地球各处、尤其是海洋中放置各种各样的传感器，监测温度、风力、地震波、大气压力、海浪、电磁辐射等各类参数，过去这些参数的处理最初是通过人工进行，效率低下、准确率低，现在则换成具有超强计算力的数据中心。但在具体的认知层面，还是需要由对应领域的专家完成。而借助TrueNorth认知系统，对于地球的监测可以实时地、自动地完成，显著提高监测的效率和结果，比如可以更准确地预报出长远的气候变动趋势，通过岩层和大气的参数、提早识别出地震，让人类拥有充分的应对时间。

　　TrueNorth芯片的信号与大脑中的电脉冲高度相似，这一点让我们可以开发出更多的仿真程序。IBM的科学家认为，用TrueNorth可以很好地处理人类感官的信息，比如视觉、听觉甚至触觉，关键在于程序员能够为此进行编程，而这又涉及到对人类行为的仿真。我们所见一个非常现实的好处是：现在的电子假肢已经可以从人脑中直接获得脉冲信号，但传统的计算芯片无法实现实时的处理，若TrueNorth方案一旦获得成熟，那么这种电子假肢的灵活性，将超过人类所拥有的真实肢体—你可以获得千里眼、也可以获得顺风耳、或者变成大力神，而我们所能想到的一个名词，就是“超人”！

　　困难与挑战

　　TrueNorth芯片展现了不可预知的未来，但很多传统的计算机专家对此并不看好。比如我们知道，无论Google Brain还是IBM Watson，它们的认知能力都基于机器学习，而机器学习都依赖于既有的经验，就像人类一样，从婴儿到成年，需要经过大量的学习，拥有大量的知识和经验，才会形成对事物的判断能力。现行的机器学习系统，都是通过超级计算机，在海量的资料数据中寻找关联、提出假设、记忆，据此得出答案，同时根据结果再学习—每一个这样的过程，都涉及大量的数据处理，只有海量的计算才能够完成。其次，机器学习的算法必须经常调整，以此精确地模拟现实社会的情况，这种灵活的可编程能力，我们暂时还无法在TrueNorth芯片中看到。

　　从硬件结构上看，TrueNorth的确是对大脑的高度仿真，而大脑的判断机理，又是基于深度学习而来，人类将多年学习的成果存储在大脑中的某处，需要时才调用出来—这一点，TrueNorth目前还是无法仿真。也就是说，它能够具有判断的能力，但无法将海量学习的成果存放起来，以在需要的时候随时调用。

　　对此，IBM的研究人员清晰地给出了答案：TrueNorth好比是大脑中的判断逻辑，而深度学习仍然依赖于传统的计算机集群进行—比如，我们现在向IBMWatson提出一个关于疾病的问题，Watson会给出多个不同的解决方案，然后我们并非医学专家，其实还是很难对此判定。而结合TrueNorth认知计算，系统会给出一个最佳的方案，这就相当于，有一个世界顶尖的医学专家，可以随时听候你的差遣。

　　IBM为TrueNorth发布了一套开发工具，当然对它的编程还是非常困难的—这其实不是什么问题，正如当年编程只能用汇编一样，发展到现在有了大量的开发工具和开发库可用；随着时间的推移，TrueNorth的开发平台也会逐渐成熟。TrueNorth当前的意义，在于它确立了非冯结构的计算机，实现了对人类大脑的精确模拟，在认知计算领域获得突破，为即将到来的人工智能时代打下了基础。

　　搭载TrueNorth芯片的未来机器人，可以在大街上认出你并喊你的名字，随着运算力的增强，TrueNorth机器人会拥有高于你的智商，他们可以通过网络连接到人类的知识库中，每一个机器人都是所有行业的专家，每一个机器人都和其他机器人连接成为一个整体，这向我们展现了一个惊悚的未来机器人世界—现在，我们可以想象到的一个名词，就是“天网”。

　　前瞻：人类世界尚未做好准备

　　对于技术的探索，是每一个科学家难以禁足的诱惑。在电影《普罗米修斯》中，人类问造物者，为什么要创造我们？造物者的回答是，“因为我们有这个能力”。机器人大卫也有这样的疑问，人类的回答也是，“因为我们有这个能力”。

　　在众多计算机科学家中，比尔乔伊已经淡出世人的视野，他是SUN公司的创立者，TCP/IP栈、VI编辑器、SPARC处理器以及Java程序语言的作者，这位计算工业的达·芬奇，早在2000年曾发布一篇檄文：“未来为何不需要我们人类？”，他认为随着机器的智能化程度增高，人类对机器将会越来越依赖，最终离开了机器将无法生存。而机器最终将掌管一切。比尔乔伊最终退出计算机科学界，成为一名著名的反科技主义者。

　　TrueNorth向我们人类展示这样的未来，但最终的开关，应该要掌握在人类的手中。这种模拟人类的认知计算技术，在给我们带来巨大诱惑的同时，也让人类面临前所未有的危险境地。尽管诸如《终结者》、《我，机器人》、《太空堡垒卡拉狄加》之类的影视作品相当多，但人类社会从来都没有认真对待，我们始终认为，具有意识、判断力的机器人只是科学幻想，永远不可能成真，机器人就是工厂里不知疲倦的机器手，我们从来未想过，有一天他会在街上向你问好，随时向你解释相对论和量子力学，或者几分钟内给人类做一个高精密的大脑外科手术。

　　文/张健浪