《自然-机器智能》：神经形态技术可使大型深度学习网络节能16倍当罗云熙字体

图片作者@Kunming

文 | 学术头条新闻

受微生物神经掌控系统监督机制的启迪，科学研究相关人员一直在提升人工脊髓互联网的操控性工作效率和排序要求。一项捷伊科学研究说明，对小型广度自学互联网，脊髓型态掌控技术的可再生能源工作效率可望达到其他人工智慧掌控系统的 16 倍。

弗赖堡掌控技术大学（TU Graz）方式论软件工程科学研究院的科学研究相关人员首次透过试验证明，小型脊髓互联网能处置句子等序列，同时在脊髓型态硬体上运转时耗用的热量比不脊髓型态硬体少 4 到 16 倍。

该科学研究由人类文明神经掌控系统方案（HBP）资助，HBP 是世界上最大的科学研究项目之一，包括西欧500 多名科学研究大脑的微生物学家和工程师。科学研究结果以“Memory for AI Applications in Spike-based Neuromorphic Hardware”为题发表在 Nature Machine Intelligence 上。

近年来，人工脊髓互联网（ANN）已成为人工智慧（AI）中最著名的方式，并在排序机系统视觉、汽车掌控、飞行掌控和医疗掌控系统等各个领域取得了卓越的操控性。

能够自主识别和推断第一类以及不同第一类之间亲密关系的智能化机器和智能化排序机系统，是全球人工智慧科学研究的重要主题。但是，可再生能源耗用是这类 AI 方式更广泛应用的主要障碍。

一直以来，微生物学家们希望脊髓型态掌控技术能够推动正确的方向发展。要知道，人类文明神经掌控系统在使用热量借助方面非常高效。为了处置重要信息，他们的神经掌控系统中千亿个脊髓元只耗用大约 20 瓦的热量，也就是相当于一个普通的节能环保灯泡的能源消耗。而脊髓型态掌控技术就是以大脑为数学模型。

在此项最新科学研究中，科学研究团队专注于处置时间过程的算法。例如，掌控系统必须回答有关早先讲述的故事的问题，并从语句中掌握第一类或人之间的亲密关系。试验的硬体由 32 个 Loihi 脊髓型态科学研究晶片组成，该晶片借助脊髓科学的见解来建立近似于微生物神经掌控系统的功能。

图 | 脊髓型态科学研究晶片（作者：TU Graz）

在此项科学研究的脊髓型态互联网中，科学研究相关人员复制了一种神经掌控系统梦境监督机制，正如方式论软件工程科学研究院研究生导师 Wolfgang Maass 所解释的那样，试验科学研究说明，即使没有脊髓公益活动，大脑也能在短时间内储存重要信息，即在简而言之的脊髓元“internal variables”。模拟试验说明，脊髓元开集的烦躁监督机制对这种中长期梦境至关重要。

缺乏直接确凿证据是因为这些内部变量还无法测量，但这确实意味着脊髓互联网只需要试验哪些脊髓元当前处于烦躁状态，就能重建它之前处置过的重要信息。换句话说，早先的重要信息储存在脊髓元的不公益活动中，而不公益活动就耗用最少的热量。

有鉴于此，科学研究相关人员将两种类型的广度自学互联网联络起来。反馈脊髓互联网负责“中长期梦境”，许多这类简而言之的循环式组件从输入信号中过滤掉可能的相关重要信息并将其储存。THF1互联网确定找出的亲密关系对解决手头的任务非常重要。无意义的亲密关系被筛选掉，脊髓元只在那些已经找出相关重要信息的组件中激发。这个过程最终导致了能源消耗的大大降低。

图 | 科学研究论文通讯作者之一、TU Graz方式论软件工程科学研究院的Wolfgang Maass（作者：TU Graz）

TU Graz 方式论软件工程科学研究院的研究生 Philipp Plank 说，“他们的脊髓型态掌控技术掌控系统比传统硬体上的其他 AI 数学模型的能效高 4 到 16 倍，随着这些数学模型迁移到下一代 Loihi 硬体，Plank 预计工作效率会进一步提升，从而显着提升晶片协同工作的操控性。”

此项科学研究得到了AMD和西欧人类文明神经掌控系统方案的资金支持，人类文明神经掌控系统方案旨在将脊髓科学、医学和受神经掌控系统启迪的掌控技术联络起来。有鉴于此，该项目正在建立一个永久性的数字科学研究基础设施——EBRAINS。

“脊髓型态晶片可望为人工智慧带来投资收益，尤其是透过降低其高昂的可再生能源成本。此项科学研究提供了更多确凿证据，说明脊髓型态掌控技术能透过从微生物学的角度重新思考，来提升当今广度自学工作负载的可再生能源工作效率。”AMD脊髓型态排序试验室主任 Mike Davies 表示。

“循环式脊髓结构可望为未来在脊髓型态硬体上运转的插件提供最大的投资收益，脊髓型态硬体适于促进他们在神经掌控系统中观察到的快速、稀疏和不可预测的互联网公益活动模式，并且是节能环保的 AI 插件所需要的。”

参考文献：