宗禾
【导读】
这是真正意义上的人工智能？最近《科学》杂志用封面报道的形式，介绍了美国IBM公司研发出的一种模拟人脑神经元结构的计算机芯片“TrueNorth”。这一美国国防部资助、康奈尔大学等科研机构参与研发的新型计算机，完全不同于此前所谓的“人工智能”——无论是战胜国际象棋大师的“深蓝”，还是通过了图灵测试的“尤金·古特曼”，都是依靠事先储存大量数据的方式来“伪装”博学，而IBM的新式神经元计算机则从硬件构架上模拟了人类神经系统，有望真正具备人类的学习能力。
人工智能研究专家称，在大脑的秘密完全被揭开之前，神经元计算机也不太可能完全模拟人脑。但至少IBM的这一技术是人类首次颠覆传统诺依曼式计算机的计算方式，可望成为个人电脑诞生以来，整个计算机行业最大的一次变革。这一芯片仅用现有的半导体材料和技术就可大规模生产，而且功耗极低，简单的实际应用并不遥远。
模拟神经元突触结构
8月8日，美国《科学》杂志以封面报道的形式介绍了美国IBM和美国康奈尔大学成功开发了一种模拟人类大脑的信息传递机制的SyNAPSE芯片(Systems of Neuromorphic Adaptive Plastic Scalable Electronics，即“自适应可塑型可伸缩电子神经形态系统”)。根据这种技术制造出的芯片从设计理念上不同于现有计算机使用的半导体芯片，将来可能应用于研发即使没有人类命令也能自己学习，进而解决问题的人工智能。
这款芯片名为“TrueNorth”，能够模拟神经元、突触的功能以及其他脑功能执行计算，由三星电子负责生产，拥有54亿个晶体管，是传统pc处理器的4倍以上。它的核心区域内密密麻麻地挤满了4096个处理核心，产生的效果相当于100万个神经元和2.56亿个突触。目前，IBM已经使用了16块芯片开发了一台神经突触超级计算机。
到目前为止，绝大多数试图仿真人类大脑的研究都集中在软件层面——这些软件最终的运算还是要由传统计算机用0和1来完成。从本质上说，它们依然没有摆脱传统计算机结构的束缚。而在今天，蓝色巨人IBM发布的一份研究报告彻底改变了这一现状，IBM研发出了名为“TrueNorth”的神经元芯片，它真正地从“头”开始，完完全全从底层模仿了人脑的结构。
人脑的计算方式和传统计算机完全不同。在人脑中，神经元相当于处理器，一个成年人的大脑至少有数百亿个神经元，每个神经元都与其他神经元相连，它们的连接处被称为突触。突触是人脑的存储器，用计算机术语来说，这是一个极其庞大的分布式计算系统。这种处理器与存储器紧密相连的结构，让人脑内的通信效率非常高。这里的效率并不单指计算速度，还包括对外部信息的感知能力。
TrueNorth的4096个核心之间就使用了类似于人脑的结构，每个核心包含了约120万个晶体管，其中负责数据处理和调度的部分只占掉少量晶体管，而大多数晶体管被用作了数据存储以及与其他核心沟通方面。在这4096个核心中，每个核心都有自己的本地内存，它们还能通过一种特殊的通讯模式与其他核心快速沟通，其工作方式非常类似于人脑神经元与突触之间的协同，只不过，化学信号在这里变成了电流脉冲。IBM把这种结构称为“神经突触内核架构”。
“不同于传统计算机的冯·诺伊曼架构，我们将处理器(神经元)与内存(突触)紧密结合在一起，能在并行计算中实现更高效的通信。”参与研发的IBM研究人员保罗·梅洛拉在论文里写道。
超越冯·诺伊曼？
从你每天会用上的手机，到每秒运算万亿次的超级计算机，目前几乎所有的处理器都依据冯·诺伊曼架构体系开发。在这种体系中，数据的存储和处理是分开进行的，处理器和内存各司其职，程序向计算机发出一组指令，数据此次从硬盘、内存、缓存、处理器寄存器中穿梭而过。
这样的体系最符合人类工业化所带来的生产条件，但它存在一些重大瓶颈——数据的传输路径过于冗长，不同数据组之间的沟通成本高昂，而且整个计算过程非常消耗能源。
IBM开发的“深蓝”超级计算机曾经战胜了国际象棋大师卡斯帕罗夫，但它依靠的并非智力，而是蛮力——击败卡斯帕罗夫的那台“深蓝”拥有90个机架，存储的象棋数据库超过1TB，每秒钟能分析2亿种走法，然后选出最优的那一步。但问题是，这些东西都是由科学家们教给它的，人们事先想好所有对策，“深蓝”只负责按部就班的执行。
“简单说，冯·诺伊曼体系的计算机是一个又快又笨的东西。事先编好程序，它能每秒完成数亿次计算。但它想不出任何聪明的解题方法。”科学家迈克尔·特罗特(Michael Trott)这样解释人脑与计算机的差异。
从冯·诺伊曼计算机被发明那一天开始，科学家们另辟蹊径、开发其他计算机体系的尝试就从来没有停止过。很多人寄希望于模仿人脑——它是有史以来最复杂、最聪明的机器，TrueNorth的出现让我们离这个梦想又近了一步。
如果研究进展顺利，TrueNorth将是自个人电脑诞生以来，整个计算机行业最大的一次变革——也许，未来的计算机不仅仅只是依靠计算速度和海量数据库进行工作，它们还能真正进行“思考”。
研发阵容豪华
尽管外行人知之甚少，但TrueNorth的研发工作在业内可谓规模巨大、阵容豪华。早在2001年，IBM就宣布正在致力研究新一代智能计算机系统，这种计算机系统以人的神经系统为基本模型，可以称得上是一种全新的智能神经计算机。
为了获得业界和学术界的支持，IBM公司发送了大约75万份声明，希望全球各地的业界专家和学者能够支持公司的这项计划。IBM公司还出资进行“自动”技术的研究，“自动”技术能够帮助智能计算机摆脱对人类的依赖，自动对自身的状态进行调节。
2008年初，TrueNorth研究项目获得了美国五角大楼高级计划研究局(DARPA)5300万美元注资。该局是一个负责互联网开发援助等的美国政府科研援助机构。DARPA认为，IBM的研究有助于突破传统的冯·诺伊曼计算机体系，为未来的计算机模式注入新鲜血液。
该项目还同包括哈佛大学、斯坦福大学、康奈尔大学、麻省理工学院在内的诸多科研机构和高通等商业公司进行了大量的合作。
已具备商用条件
值得一提的是，此次发布的TrueNorth已经是商用版本，它由三星代工生产，完全使用市面上现成的半导体技术制成，芯片的主要成分是硅，没有使用任何复杂的材料或生产工艺——换句话说，只要IBM愿意，三星可以像生产Galaxy手机一样把它量产出来。
“这是一个非常干净、整洁的架构，他们迈出了正确的一步。”拥有“神经元芯片之父”头衔的加州技术研究所工程师、名誉教授卡佛·米德评价道。
TrueNorth神经元芯片在降低功耗方面同样做出了表率。与人脑一样，TrueNorth的每一个内核都使用了事件驱动设计。也就是说，它不会一直运行，只有在需要的时候才会启动。这样的设计让芯片更加节能，标准处理器每平方厘米的功耗是50～100瓦，而TrueNorth每平方厘米的芯片只会消耗20毫瓦或千分之一瓦的能量。
成人大脑的功耗与一只灯泡差不多，却比今天任何一台超级计算机都能更准确地识别语音和图像。参与新架构开发的IBM研究院科学家约翰·阿瑟说：“系统和芯片的架构设计尽可能效仿脑内的神经网络，因为大脑的架构效率非常高。”
IBM已经开发出一台神经元计算机原型，它搭载了16颗TrueNorth芯片。IBM对它进行了一系列测试，结果让人欣喜——“神经突触内核架构”可以像普通处理器一样快速识别图像、区分场景，而消耗的能源要少得多。
在与斯坦福大学合作的一次“模糊逻辑”测试中，用TrueNorth芯片搭建的神经元计算机对人、自行车、轿车、大巴、卡车有80%以上的识别率。更令人欣喜的是，TrueNorth芯片可以用30fps的速度播放高清流媒体视频，而消耗的能源只有63毫瓦。
“没有CPU、没有GPU，但我们消耗的能源要低好几个数量级。”测试负责人Dharmendra Modha说，“它简直就像是为了效率而生的有生命的机器，这是计算机发展史上一个新的里程碑。”
去年9月，在IDEMI国际设计、工程与管理一体化大会上，IBM就公布了TrueNorth一些可能的商业应用场景，包括实时分析环境为盲人导航、与人对话、识别数字、图像等。TrueNorth表现出了初步的“认知计算”能力，它甚至不需要程序员事先“教导”，就能通过自学理解简单的电子游戏规则。
尽管以TrueNorth为基础打造的神经元计算机并没有产生科幻小说那样的自我意识，在人脑之谜真正解开以前，计算机诞生自我意识恐怕也只是一个科学幻想。但由于上述优点，这种芯片的实际应用或许并不遥远。
(来源：观察者网等)
专家点评
人工智能“奇点”临近
美国科幻电影《钢铁侠》中，主人公与电脑系统之间发生一连串流畅而拟人的对话式交互让人印象难忘。在现实生活里，这样的交互模式被看作人工智能的一种重要方式，并且越来越多科学家相信，人工智能才是未来人机交互的终极形态。
让机器具有人类思维
让机器具有人类思维，似乎是件很久远的事情；“但事实上，很多科学家认为，未来10年可以看到这项技术的重大突破。 ”百度高级副总裁王劲说。百度创始人兼首席执行官李彦宏也认为，技术正在改变互联网，大数据就是这样的技术。“大数据使人的智力越来越被电脑所模仿。通过大数据，电脑智力超越人脑并不会遥远。”
科学家们将机器变得超级聪明的时刻叫作“技术奇点”。美国科学家、人工智能权威专家库兹韦尔在《奇点临近》一书中预测了这一时刻。他说，21世纪30年代，人类大脑信息上传成为可能；40年代，技术使人体进化成非肉体的、可以随意变形的形态，人们大多数时间沉浸于虚拟现实(如《黑客帝国》)；2045年，奇点来临，人工智能完全超越人类智能。
“技术积累过程当中，你可能不会感觉到；积累到一定地步，质变时可能被打得措手不及。”李彦宏认为“奇点”就是那个质变时刻，而质变是需要量变的积累。“我们都知道摩尔定律，每隔18个月计算机计算能力会增加一倍，成本会下降到原来一半，是一种量变，摩尔定律继续做十年二十年，质变就会发生，这样的一个大脑很有可能比人脑还要聪明。”
人工智能领域3个顶尖科学家
这或许是人工智能走到拐点的一个标志性事件：世界上3名最顶尖的科学家，在去年至今年上半年，先后加入大公司。之前，他们分别拥有自己的创业公司。
百度挖到的吴恩达，是3人中最年轻的一位，王劲评价他也是最有创造力的一位。吴恩达是华裔美国人，1976年出生在英国伦敦。他是斯坦福大学计算机科学系和电子工程系副教授、人工智能实验室主任。2010年，吴恩达加入谷歌，2011年创建“谷歌大脑”项目。他所开发的人工神经网络通过随机观看YouTube上的视频，在一周时间内自主学会了“什么是猫”。这个案例为人工智能领域翻开崭新一页。吴恩达表示，未来将会在谷歌无人驾驶汽车上使用该项技术，来识别车前面的动物或者小孩，从而及时躲避。
2014年5月16日吴恩达加入百度，担任百度公司首席科学家。这是中国互联网公司迄今为止引进的最重量级人物。
另两位是多伦多大学的Geoffrey Hinton、纽约大学的Yann LeCun。 Geoffrey Hinton目前主要研究领域包括机器学习，以及机器如何在庞大、复杂的数据中执行辨认功能，谷歌2013年收购了他和他的两个研究生创办的公司DNNResearch。外界评价，他在这些方面的领先研究能够推进谷歌在神经网络学习以及语音方面前进不止一大步。 Yann LeCun则被Facebook网罗进新成立的人工智能实验室，时间是2013年底。
业界公认Hinton是机器深度学习的鼻祖，他生于1947年。Yann LeCun生于1960年。吴恩达今年才38岁，前途无量。
为何3位科学家不约而同作此选择，王劲解释得明白：因为学术界都认为一定要加入工业界才能把理论和实际结合在一起，就是真正用技术来改变世界，大家都看到了同样的情况。
深度学习：让机器学会自我控制
如今，全球工业界都在尝试人工智能的新突破点。在百度看来，人工智能突破口是深度学习。
什么是深度学习？百度美国硅谷实验室负责人、首席科学家吴恩达在斯坦福大学的一次公开课上的解释似乎更容易让人理解。
“你们看这架无人驾驶的直升机。没错，它就在斯坦福的校园里飞行。如果我让你直接写一个程序，控制它飞行，那几乎做不到，但你可以通过深度学习算法做到。就好像当你的狗做对了一件事情，你会说‘好狗’；它做错了，你就说‘坏狗’。慢慢地，它就学会了。而机器人通过深度学习算法，也可以这样慢慢学会如何控制他自己，以获得更多积极的回应。 ”
大数据：改变人类思维方式
中国科学院院士怀进鹏将大数据对人类思维方式的改变归纳为：从抽样到全样；从精确到非精确；从因果到关联。
“第一，从抽样到全样。过去我们检验产品基本特征时，会采取抽样的方式。比如做菜时，将不同成熟度的材料放进去，我们可能会尝一尝，看看材料是不是分布均匀。 ‘尝一尝’是现代工业给我们的基本数据。但大数据时代；因为大数据是与时俱进的，所以我们会采取全样的方式，第二，从精确到非精确。我们知道，在大数据下没有完整的精确，不再是绝对追求目标，需对宏观趋势给出快速预测；第三，从因果到关联。仅需知其然，无需知其所以然。大数据用于发现事实、预测未来。 ”