猎云网2月13日报道 （编译：Panda）
猎云网注：或许你以前也听人说过：在不远的将来，我们将能制造出像人类那样的机器，它不但可以学习、推理，甚至可以像人类一样情感化地处理问题。你一定会觉得是痴人说梦，不过这一天真的不远了。
对一些人来说，“大脑”芯片是他们梦寐以求的东西；如果能研发出可以像大脑一样工作的电脑芯片，这会为由人工智能的发展为完全智能提供无数的可能性。
而对另一些人来说，他们认为“大脑”芯片就和飞行汽车一样是不切合实际的想法，“大脑”芯片不过是他们众多感兴趣的事物之一。
“大脑”芯片也被称为神经型态晶片，这种芯片的真相在于中部的某个地方。
神经网络技术的主要驱动力是一个难以忽视的真相：著名的物理学家和数学家约翰·冯·诺伊曼创造了一套驱动信息时代发展的结构（称为冯诺依曼体系结构），这套结构也很好的解释了限制神经网络技术发展的物理因素。
你或许已经见识到这些影响：你注意到了你的新手机并没有比你的旧手机先进多少吗？这是由于应用冯·诺依曼体系结构的芯片面临性能瓶颈的问题，因而设计师现在必须在芯片的功能和耗电量之间实现很好的平衡。否则你会拥有一个功能非常强大的手机，不过它的电池只能维持12分钟。
相比之下：配备有“大脑”芯片的计算机功能十分强大，并且你若用它阅读只会消耗20瓦特的电量。若是达到如此高的能量效率，这将会引领机器智能进入一个新的时代。所以还犹豫什么呢？
神经网络并不是一个新的想法。关于神经网络的研究可以追溯到1940年关于计算机芯片技术的研究。
如今，许多专注于图像识别功能的互联网巨头都加入到了神经网络软件的竞争中，像Google公司和Facebook公司都在相关的创业公司投入了很多物力财力。然而，由于这些芯片应用于昂贵的超级计算机，因而它们的潜力总是很有限。神经网络芯片应用于神经网络软件。与其它芯片的不同之处在于，神经网络芯片使用自主的系统结构，这成为神经网络吸引人的关键因素之一。
那么，我们还要用多久才能获得这些神经网络芯片呢？
事实上，从1993年起就有一类神经型态芯片可供使用了。1993年一个小独立团队带着一个想法来到了IBM，这个团队想研发一款神经网络芯片，他们把它称为ZISC（零指令型计算机），这款芯片成为世界上第一个商用神经型态芯片。
这个独立团队之前有过相关经验，他们曾在欧洲核子研究中心为超级质子同步加速器、粒子加速器和大型强子对撞机的模式识别构建神经网络软件。
这个独立团队对于在冯·诺依曼体系运行神经网络的内在的局限性感到很沮丧，最终他们得出结论，构建神经型态硬件是利用神经网络的独特功能和IBM专长的最好方法，就这样配备有36个人工神经元的 ZISC36 芯片诞生了。IBM和General Vision 公司从1993年到2001年这8年间一直出售这款芯片和之后推出的ZISC78 芯片(78个神经元)，在2001年IBM选择退出商业ZISC芯片的制造和研发。
而General Vision公司选择继续商业ZISC芯片的制造和研发，因为他们相信这项技术有许多未开发的应用程序。经过5年的项目工作之后，他们利用他们的专业知识继续从事神经型态技术的开发工作；他们想方设法筹足足够的资金去研发ZISC芯片的新产品。在2007年，General Vision公司推出Cognitive Memory 1000，即CM1K：这是一款由1024个人工神经元并行工作而构成的神经型态芯片，它的耗电量仅有0.5瓦，并且能够在几微妙的时间识别和应对各种数据模式（图像/代码/文本/任何）。貌似这场关于神经型态芯片的赌博可以有所斩获，因为之后神经型态研究的进程加快了。
在2008年，仅仅是 CM1K芯片研发出来后的一年。美国国防部高等研究计划署（DARPA）宣布了SyNAPSE计划，即神经性自适应塑料可微缩电子系统。美国国防部高等研究计划署授权IBM和HRL实验室从事神经型态芯片的研发。
在之后的2009年，据报道一个欧洲团队正在研发一个具有20万个神经元和5000万个神经突触连接的芯片，这得益于欧洲提出的FACETS（在瞬间快速完成模拟计算）计划。FACETS计划反过来又导致了新的欧洲计划，这项于2014年推出的计划被称为人类大脑计划。
许多大学也开始（或者更新旧计划）计划研究神经型态芯片，并且这一兴趣还在持续不断地发酵。
在2012年，英特尔宣布他们正在研发具有新结构的神经型态芯片，而高通在2013年收购了一些新成立的神经网络创业公司。就在最近，在2014年8月IBM发布了TrueNorth芯片，这个芯片配备有100万个神经元和2.56亿个编程突触，这是世界上功能最强大并且最复杂的芯片之一。这个芯片有自己的自定义编程语言，所有的这些都来自于美国国防部高级研究计划局的SyNAPSE项目。
TrueNorth芯片是一项令人印象深刻的技术，它预示着一些关于神经网络的更崇高的梦想，但是很遗憾的是由于成本的原因，TrueNorth芯片不可能应用到你的下一个平板电脑。不过它确实证明了一个点：我们正在进入神经型网络芯片可以工作的时代，神经型网络芯片不再停留在纯粹的科幻小说的领域。
为什么神经型态技术用了这么多年才获得成功呢？
在某种程度上，摩尔定律的成功意味着工程师不再需要神经网络结构，听到这里你也许会大吃一惊，但是神经型芯片应用缓慢的问题绝不是由于技术原因造成的，而是源于信仰缺失。神经性芯片重新引起举世的瞩目，这也使得人们对“大脑”芯片持开放态度，这也是一款可以达到8岁智商的芯片为什么仍可引起人们兴趣的原因。这是种芯片可以被教会一些东西，是的你没听错，是教会，而不是编码。你可以教它识别人脸以及代码，之后你也可以教会它在几微秒的时间从大量数据中识别出它学会的东西。当然这种芯片很容易和几乎所有的现代电子集成。
神经型态技术有改变一切东西的潜能。或许有一天我们有能力将自己下载到大脑神经型态芯片，这样我们就能实现某种意义上的永生。也许这一天还要很等很久，不过在这之前更多的实际应用都变得指日可待了。
这些实际的应用包括：应用于脑电图/心电图自动监测器，当检测到的心率不齐时，会给出报警；也可以应用于手机，它可以识别出所拍照片上朋友们的脸，并自动给他们发一个副本；应用于宠物门，这种宠物门能仅允许你的宠物通过；应用于汽车，这种汽车能识别出它的主人并且自动调整设置；也可以应用于机器人或是无人机……这样的应用实例不胜枚举。
通过大脑神经型态芯片，我们可以让我们使用的东西“认识”我们，也可以创造出一些神经型态的东西，还可以开启一个真正的“智能”技术时代。我们坦白地讲：事实上你的智能手机并不“智能”，它不过是一个经过精心构思的工具。我们说某事物聪明：比如说“智能”，它必须首先具备识别输入数据和模式识别的能力，而这些都是神经型态芯片非常擅长的东西。你甚至可以说神经型态芯片具备认知能力。
Source:TC
