| 《连线》杂志近日撰文指出，神经形态芯片(neuromorphics)被设计专门用于模仿人类大脑，他们可能很快取代CPU。下面就随网络通信小编一起来了解一下相关内容吧。 类似于苹果Siri这样的人工智能服务，都需要把用户问题传输到遥远的数据中心，然后通过数据中心的运算再传回答复。此类人工智能服务需要依托云计算，是因为目前的电子设备还没有足够的计算力，来运行机器学习所需的超强处理算法。
目前绝大多数智能手机中配置的CPU，都无法单独支持在设备中运行像Siri这样的系统能够。不过理论神经科学家、加拿大人工智能初创公司Applied Brain Research联席首席执行官克里斯·艾利斯密斯(Chris Eliasmith)，对新型芯片将会改变这一切充满了信心。
“许多人都认为摩尔定律已走向终结，这意味着使用同样的方式，我们将无法廉价的获得‘更多计算力’，”艾利斯密斯说。在他看来，神经形态芯片的快速发展将会解决这一问题。虽然神经形态芯片并不广为人知，但若干家大型芯片制造商已在开发此类芯片。
传统CPU的处理指令基于“时钟时间”--信息如同被节拍器管理一样按一定的时间间隔发送。神经形态芯片在芯片中模拟人脑同步处理多种数据的能力。根据图像、声音或其他信号的变化，神经元可以改变与其他神经元之间的联系。所以说，这些神经形态芯片模拟的是人脑的神经网络，可以实现人脑的部分功能。
神经形态芯片之所以具有巨大的市场潜力，是因为此类芯片处理人工智能算法的耗电量极低。举例来说，一块由IBM制造的神经形态芯片包含了五倍于英特尔标准处理器的的晶体管，但却只需要耗费70毫瓦特的电量。而一块英特尔处理器需要35至140瓦特的电量，耗电量最高达到神经形态芯片的2000倍。
艾利斯密斯指出，神经形态芯片的概念并不新鲜，从上世纪80年代就已开始设计。但是当时的设计需要把特定算法直接植入到芯片当中，这意味着需要一块芯片了识别动作，用另一块芯片来检测声音，还没有芯片能够像人类大脑皮层一样扮演通用处理器的角色。
这部分的源自于程序员还没有办法设计出与通用芯片配合使用的算法。因此即便是类似大脑的芯片早已被开发出来，为它们开发算法仍是研究人员主要的挑战之一。
这些努力的核心是一款名为“Nengo”的编译器，开发者使用它为能够在通用神经形态芯片硬件中运行的人工智能应用开发自己的算法。编译器是程序员用于编写代码的软件工具，它把代码翻译成复杂的指令，让硬件能够做一些事情。
让Nengo实用性增强的是它使用了程序员们熟悉的Python变成语言，以及它把算法加载到如神经形态芯片等许多不同硬件平台中的能力。很快，熟悉Python的程序员就能够为神经形态芯片硬件编写复杂的神经网(neural nets)。
“类似于视觉系统、语言系统、动作控制和适应性自动控制器早已被植入了Nengo，”Applied Brain Research另一位联席首席执行官彼得·苏玛(Peter Suma)表示。
使用Nengo编译器编写的最令人印象深刻的系统名为Spaun。在2012年发布之后，Spaun被誉为计算机模拟的最复杂的大脑模型。Spaun能够接收视觉输入，计算结果，并通过机械手书写下来。它的表现出来的智能，曾经只被人类所拥有。虽然Spaun不够完美，但它极佳的表明，计算机终有一天会模糊人类与机器认知的界限。最近通过使用神经形态芯片，大多数Spaun的运行速度提升了9000倍，且耗电量要比原来使用常规CPU更低。到2017年年底，所有的Spaun都将会在神经形态芯片硬件中运行。
艾利斯密斯因为自己的项目赢得了加拿大自然科学与工程技术研究理事会(NSERC)的约翰·波兰尼奖(John C. Polyani)，此奖也是加拿大对突破性科学成就的最高认可。在苏玛偶然知道了艾利斯密斯的研究项目之后，他们二人开始携手商业化这些工具。
“Spaun向我们表明，终有一天人类能够开发出流畅的智能推理系统，而神经形态芯片将会在短期内让人工智能了解许多类型的语境，”苏玛说。苏玛还强调，“像Siri一样，在明确的发出指令之前，如今的人工智能仍都处于离线状态，我们很快将会拥有永远在线、陪伴在用户左右的人工智能助理。” | 
