本文转载自雷锋网。如需转载，请在雷锋网官网申请授权。十年前，有这样一个问题：硬件和软件能否像生物大脑一样工作？今天，这个问题的答案是肯定的，但业界面临的挑战是如何利用神经形态技术发展的历史来应对紧迫的、甚至生死攸关的计算挑战？关于这个话题，技术作者威廉范温克尔在外媒VentureBeat发表了一篇文章。主要内容包括：行业合作和原型基准在实时计算视觉、语音识别、物联网、自动驾驶和机器人等领域推进数十年的实际应用研究。神经形态计算可能会以低功耗和高效率的方式补充CPU、GPU和FPGA技术，以完成包括学习、搜索和感知在内的任务。行业预测差异很大，比如预测2028年全球神经拟态计算市场的复合增长率在12%到50%之间。以下为雷锋网不改文章原意的编译。从潜力到实际2020年7月，美国能源部橡树岭国家实验室主办了第三届神经形态系统国际会议(ICONS)。来自世界各地的234名研究人员参加了此次在线活动。与会者的规模几乎是去年的两倍。会议期间，一篇名为《用基于尖峰的模型模拟流行病传播》的论文探讨了使用神经形态计算来降低潜在感染人群患病的几率。毫无疑问，如果一个更好、更准确的模型要指导国家政策并拯救无数生命，这样的研究是至关重要的。这次会议反映了一项尚处于起步阶段的技术及其生态。研究人员对神经形态计算的潜力持积极态度，但到目前为止，大多数进展仅发生在学术、政府和企业实验室，而且这种情况似乎有望改变。研究公司SheerAnalytics&Insights预测，2020年全球神经拟态计算市场规模将达到2990万美元，未来八年的复合增长率为50.3%，2028年将达到7.8亿美元。与之形成鲜明对比的是，2018年KBV研究报告预测，2023年全球神经拟态计算市场复合增长率为18.3%，即37亿美元；MordorIntelligence预测，2019年全球神经拟态计算市场规模为1.11亿美元，CAGR为12%，到2025年将达到3.66亿美元。显然，预测各不相同，但大幅增长趋势是可能的，主要参与者在这市场包括英特尔、IBM、三星和高通。目前，研究人员关心的一个话题是神经拟态计算将首先登陆哪个领域。答案很可能是视觉、语音识别；自动驾驶还可以受益于类似人类的学习，避免人类分心或认知错误；从工厂到战场，物联网的机会无处不在。无论如何，可以肯定的是，神经拟态计算不会取代CPU和GPU。相反，这两种计算方式会是一种互补的关系，每种方式都适合自己的算法和应用。灵感：SpikingandSynapses神经拟态计算开始于使用模拟电路模拟大脑中的突触结构，擅长通过噪声和学习确定模式，神经拟态CPU擅长处理离散、清晰的数据。因此，许多人认为神经形态计算可以解决几十年来阻碍传统计算系统的问题。一方面，基于冯·诺依曼架构的处理器必须等待数据传入和传出系统内存。缓存结构有助于减轻这种延迟，但随着芯片变得更快，数据瓶颈变得更加明显。另一方面，神经形态处理器旨在通过模拟大脑的核心工作来提供更节能的操作。神经元通过称为“尖峰”的尖峰模式相互发送信息脉冲。关键是时机，它本身就传达了信息。尖峰可以用一位表示，这比传统的数据通信方法更高效、更省电。对尖峰神经活动的理解和建模出现于1950年代，但在接下来的50年里，基于硬件的计算应用并没有开始。DARPA开启了富有成效的十年2008年，美国国防高级研究计划局(DARPA)启动了一个名为神经形态自适应塑料可扩展电子系统(SyNAPSE)的项目，以开发低功耗电子神经形态计算机。该项目的第一阶段是开发模拟大脑突触活动的纳米级突触，并期待它们在微电路结构中发挥作用。2009年，IBMResearch和HRLLaboratories（由通用汽车和波音公司共同拥有）在赢得SyNAPSE合同后成为竞争对手。2011年，HRL宣布了第一个“忆阻器”阵列，这是一种可应用于神经形态计算的非易失性存储器存储形式。两年后，HRL创建了第一个神经形态芯片Surfrider——50毫瓦时有576个神经元。研究人员将芯片安装在配备光学、红外和超声波传感器的重达100克的无人机上，并将无人机送入三个房间。无人机通过感官输入“学习”第一个房间的布局和内容，并以此为基础在新房间“动态学习”，或者识别之前进入过的房间。2014年，IBM在《科学》杂志发表论文称，他们通过集成100万个可编程脉冲神经元和2.56亿个可配置突触的芯片，制造出TrueNorth芯片，该芯片拥有54亿个晶体管、4096个突触核心。互连，能够以每秒30帧的速度输入400x240像素的视频，并消耗63毫瓦的芯片功率。这方面的研究并不少见，比如2009年斯坦福大学的模拟突触方法NeuroGrid；2015年欧盟资助的BrainScaleS项目；曼彻斯特大学的SpiNNaker神经网络架构超级计算机等神经拟态计算的未来许多专家认为，商业应用将在未来三到五年内真正到来，而这仅仅是个开始。2019年，三星宣布将其神经形态处理单元（NPU）部门的规模扩大10倍，到2030年员工人数从200人增加到2000人。原因是三星预计神经形态芯片市场的年增长率为52%到2023年。神经形态领域的下一个挑战将是如何定义标准工作负载和基准测试方法。目前，3DMark和SPECint等基准测试应用发挥着关键作用，但正如2019年9月的《自然-机器智能》杂志所讨论的那样，尽管英特尔实验室提出了一种名为SpikeMark的尖峰神经拟态系统，但神经拟态领域仍然缺乏此类基准。神经形态计算仍处于研发阶段，目前该领域几乎没有任何商业产品。但越来越明显的是，某些应用程序非常适合神经形态计算，而且神经形态处理器将更快、更省电。然而，CPU和GPU计算并没有消失，神经拟态计算只会出现在它们周围，发挥我们前所未见的更好、更快、更高效的处理作用。
