文|觀察未來科技
神經科學是關于大腦的科學，神經科學不僅幫助我們探索大腦和意識、治療疾病或增強人類的能力，它還將指導我們發明出新的合成大腦。神經學模型將引導設計新的，基于大腦工作方式的神經形態芯片，并為后摩爾時代帶來新的選擇。
如今，大腦的硬件——“神經形態芯片”，正在飛速發展。使用“神經形態芯片”的方法，不僅使得速度更快，并顯著地降低了功耗，讓智能技術邁入新階段，同時也增強了人們對大腦電路的理解，為未來的腦機接口和神經修復的硬件系統鋪平了道路。
打破“馮·諾依曼”瓶頸
傳統計算芯片采用的是馮·諾依曼架構，通過總線連接存儲器、處理器，擅長執行序列邏輯運算，有助于數據的解讀和處理。
然而，當前，隨著處理數據的海量增長，總線有限的數據傳輸速度則造成了“馮·諾依曼”瓶頸，主要就體現在自我糾錯能力受到局限、高功耗、低速率方面。對于正處在“后摩爾時代”的現在，傳統芯片的基本性能正在一步步逼近極限。
與傳統芯片相比，人腦的信息存儲和處理卻是通過突觸這一基本單元實現的，人腦中千萬億個突觸的可塑性使得人腦具備強大的記憶和學習能力。
不僅如此，就算與模擬人腦的超級計算機相比，大腦的優勢也顯而易見：從功耗角度來看，人腦的能耗僅約20瓦，而超級計算機需要數兆瓦的能量；容錯性方面，壞掉一個晶體管就能毀掉一塊微處理器，但是大腦不會因為意外失去的大量腦細胞而使整套系統的功能受影響。大腦擁有強大的自我糾正和修復能力，尤其是在我們進入睡眠狀態以后；此外，大腦在與外界互動的同時也會進行學習和改變，而不是遵循預設算法的固定路徑和分支運行。
基于此，模仿人腦架構設計，通過硅神經元模擬突觸并以大規模平行方式處理信息，模擬可變、可修飾的神經變化，從而像人腦一樣的神經形態芯片受到了關注。神經形態芯片源頭可以追溯到20世紀80年代加州理工學院的卡弗·米德（Carver Mead）的工作。當時卡弗并不打算制造更好的計算機，而只是想弄清楚“大腦如何做到它想做的事”。
然而，在實驗中，卡弗發現，細胞中離子通道和電子三極管具有十分相似的電壓——電流關系，于是，卡弗提出用模擬電路搭建硅神經元去模仿生物神經結構的脈沖特性，試圖用芯片來仿真神經系統的運行，提高計算機在處理感知數據上的思維能力與反應能力。遺憾的是，卡弗本人并沒有完成模擬芯片的設計。
好在如今，在科學家們的努力下，神經形態芯片得到了越來越多的重視以及飛速的發展，并逐漸走進現實。實際上，早在2014年《麻省理工科技評論》（MIT Technology Review）刊出的“十大突破性科學技術”的文章，高通（Qualcomm）公司的神經形態芯片就名列其中。
高通（Qualcomm）公司的“神經網絡處理器”與一般的處理器工作原理不同。從本質上講，它仍然是一個由硅晶體材料構成的典型計算機芯片，但是它能夠完成“定性”功能而非“定量”功能。高通開發的軟件工具可以模仿大腦活動，處理器上的“神經網絡”按照人類神經網絡傳輸信息的方式而設計，它可以允許開發者編寫基于“生物激勵”程序高通設想其“神經網絡處理器”可以完成“歸類”和“預測”等認知任務。
高通公司給其“神經網絡處理器”起名為“Zeroth”。Zeroth的名字起源于“第零原則”。“第零原則”規定，機器人不得傷害人類個體，或者因不作為致使人類個體受到傷害高通公司研發團隊一直致力于開發一種突破傳統模式的全新計算架構。他們希望打造一個全新的計算處理器，模仿人類的大腦和神經系統，使終端擁有大腦模擬計算驅動的嵌入式認知——這就是Zeroth。
顛覆性的改變
如今，摩爾定律正走向終結，芯片行業50年的神話正在被云計算以及全新的計算架構打破，面對萬億級傳感器的增量以及云端網絡巨量數據的壓力，在傳感器中內建中樞傳感器成為了緊迫需求，神經形態芯片也就是在這樣的背景下，成為了一個必然的選擇，并且還將為整個計算機乃至科技界帶來顛覆性的改變。
當然，神經形態芯片走到今天，也經過了漫長的發展過程。其中，IBM一直在從事神經形態芯片的研究：IBM公司自1956年創建第一臺人腦模擬器（512個神經元）以來，就一直在從事對類腦計算機的研究，模仿了突觸的線路組成、基于龐大的類神經系統群開發神經形態芯片也就自然而然地進入了其視野。
IBM第一代神經突觸（Neurosynaptic）芯片用于“認知計算機”的開發。盡管“認知計算機”無法像傳統計算機一樣進行編程，但可以通過積累經驗進行學習，發現事物之間的相互聯系，模擬大腦結構和突觸可塑性。
2008年，在美國國防高級研究計劃局（DARPA）的資助下，IBM的“自適應可變神經可塑可擴展電子設備系統”項目（SyNAPSE）第二階段項目則致力于創造既能同時處理多源信息又能根據環境不斷自我更新的系統，實現神經系統的學習性和可塑性、容錯、免編程以及低能耗等特征。項目負責人莫得哈（Modha D）認為，神經芯片將是計算機進化史上的又一座里程碑。
2011年，IBM首先推出了單核含256個神經元、256×256個突觸和256個軸突的芯片原型。當時的芯片原型已經可以處理像玩Pong游戲這樣復雜的任務。不過相對來說還是比較簡單，從規模上來說，這樣的單核腦容量僅相當于昆蟲大腦的水平。到2019年，IBM已經計劃利用88萬個CPU，研制出與人腦速度相當的模擬人腦系統。
歐洲也很早就啟動了人類大腦計劃。歐洲的人類大腦計劃（Human Brain Project，HBP），開始于2013年，投資總額10億歐元，吸納來自24個國家800多名科學家的參與，這也是歐盟未來旗艦技術項目之一。計劃在2023年完成一份大腦模擬圖以及一系列仿腦計算原型工具。
其中，德國海得堡大學和英國曼徹斯特大學是從事神經形態項目研究的主力，都試圖設計出一臺具有大腦認知和計算功能的計算機。
海得堡大學的邁耶博士團隊負責設計制造的Spikey模擬計算機，其核心的神經形態芯片是采用所謂的模擬式神經擬態方式，用連續變化的電壓而不是采用0/1數字狀態來仿真神經系統的運行方式，通過定制操作系統，仿真突觸神經元間高度復雜的連通性，對神經系統建模。報告顯示，該團隊成功模擬出昆蟲氣味處理系統，可以通過聞花來判斷植物種類。
曼徹斯特大學的史蒂文·菲布爾團隊負責設計的搭載神經形態芯片數字計算機SpiNNaker，由定制的100萬顆異步處理的微處理器所構成，用來建立1%的大腦模型并仿真，屬于數字式神經擬態。
可以說，當前神經形態芯片的發展，正在推翻傳統的處理器，而走向“人類大腦處理器”，這也是芯片產業界正在積極尋求新一輪打開新時代的鑰匙。
仿生科學研究的勝利
無疑，神經形態芯片在多感官類數據處理方面的高性能，在人工智能、深度學習方面得天獨厚的優勢，再加上其低功耗的特點，從硬件優勢到軟件靈活性都讓其未來的應用空間無可限量，一旦成功普及將徹底改變我們的生活。
神經形態芯片實現了從硬件維度讓機器像人一樣思考行動。尤其是對于人工智能來說，配置了神經形態芯片的機器，其仿腦能力倍增，加之機器比人腦更強的記憶能力，人機優勢在硬件層的強強聯手，將大大提升人工智能進步的速率，加速人工智能、無人化的發展進程，開創一個智能化社會的新紀元。
除此之外，神經形態芯片還增強了我們對大腦電路的理解，為未來的腦機接口和神經修復的硬件系統鋪平了道路。長期以來，人們對人腦的了解幾乎都來自對沒有任何電活動的死亡組織的研究。正如英國神經科學家戴維·馬爾（David Marr）所說的：“通過了解神經元來理解感知，就像通過研究羽毛來了解鳥類的飛行，這是行不通的。”但模擬人類大腦的神經形態芯片卻給了人們新機會。
實際上，神經形態芯片的研究方向主要可以分為兩大方向：一方面，是數字式神經擬態，通過研究神經的運行機制，在數字芯片上運行神經元的仿真程序并生成類似神經沖動的信號，擬態神經元模型進行數據處理，例如，視皮層模擬、神經形態計算等。另一方面，就是模擬式神經擬態，利用硅的半導體特性，直接將神經細胞的信號傳導方式轉換到硅基導體上做電路模擬，這種模擬式神經元能夠較真實地達到和生命體一樣的運算速度。其中，最典型的例子就是將芯片植入人腦內，進行記憶修復。
當前，腦機接口已被用于治療癲癇：植入癲癇患者大腦深部，為每個受試者建立記憶事物的個體模型。植入電極處于靜態，一旦受到訓練過的感知需求記憶算法的刺激，就會產生促進作用。或許，人工智能和神經科學融合的最好例證，是通過將硅神經元與生物體整合，制造出“生物混合”計算機。
芯片行業正投入更多努力以利用大腦電路的知識設計特殊的芯片。正如斯坦福大學前任校長約翰·漢尼斯（John Hennessy）所說：“現有的方法已無用武之地，人們正試圖重構這一系統。”將擁有數百種算法的神經網絡訓練安裝到這種低功耗的專用芯片上，不但可以提高效率，還能節省計算能力。
因此，隨著計算機再現人類大腦功能的技術逐步向前推進，功能變得越來越強大，而神經形態芯片作為一次仿生科學研究的成功實踐，其研制思路、成果可也將擴散至生物計算、神經網絡、機器學習、類腦計算機等領域的研究，為整個計算機乃至科技界帶來顛覆性的改變。