神经计算网络

计算机擅长于数字的密集运算，但自然界生物体内的神经系统在多任务处理的方面要比电脑高效的多，在处理多个感受器数据方面更加游刃有余。比如，针头状的大脑使苍蝇能轻松躲避高速飞行物，即便目前世界上最先进的自动飞行驾驶系统也不能与之匹敌。然而，类似大脑功能的神经微处理器的到来将会改变这一现状，甚至可能还会在计算能力方面超过生物体的神经系统。

过去几十年间，人工神经网络历演化出多种形态，但它们的基础架构依然相同：信息处理单元，也被称作结点或神经元被互联在一个网络中，任一计算单元都与众多计算单元相连。如同大脑神经系统一样，神经元间的互联程度决定了网络对于信息数据的处理能力，而且网络通过学习可以改变神经计算单元之间的连结。

截至目前，神经计算网络绝大部分还停留在学术讨论的范畴内，但是商业化的版本不久就会出现。美国高通公司的芯片被使用在全球几乎每一部智能手机上，目前它正在拓宽其Zeroth计划，旨在研发出专门的神经微处理器。

高通公司的商务拓展总监Samir Kumar说：“我们期望能使智能设备在处理感应数据及数据匹配方面与生物体大脑的作用机制相同，比如在声音及图像的处理及反应方面，使设备更加智能。”

据Kumar称，搭载神经微处理器的硬件设备将会通过经验学习而非人为编程取得本领。神经微处理器通过积极强化学习学会发出正确指令，如同狗狗在做对一件事情时会得到食物奖励一样。在最近的一则通报中，一个搭载有Zeroth处理器的机器人被置于一个有不同颜色标记的体育场中，并非通过指令而是通过积极强化学习学会了仅在白色区域内活动。未来的设备将会更好地为人类服务，甚至，它们会比你更懂你。

神经微处理器可以使设备功能更加“类人化”，譬如可以把重要邮件与垃圾邮件分开，或者可以厘清需要清洗的玩具和家里的小宠物。搭载神经微处理器的健康监视器可以判断生物体脉搏与呼吸功能正常与否，而且能识别出潜在危险征兆。这些功能都不是惯常程序运行所能及的。 Kumar说高通有意将神经计算功能整合到骁龙系列的微处理器上，但是他并未透露何时（甚至说是否）行动。外界消息称，时间可能会在明年的某个时候。

高通并非在研发神经计算网络的硬件“大脑”，它是在探寻神经计算网络的数字化模拟。总部位于爱达荷州博伊西的Bio Inspired Technologies公司，则选择了一条更为激进的研发路线。他们研发了一种叫做“忆组器”的部件，由一种仅为发丝百分之一左右粗细的导线制成，这种导线的长度在通电后会发生改变，断电后会回复到原状。长度的变化幅度可以转化为电信号：导线越长，电阻越低。类似于大脑中的神经元，忆阻器的状态取决于其上加载的电信号强度。

Bio Inspired Technologies公司的CEO Terry Gafron称：“我们投资的忆组器的诱人前景在于，它与生物体神经突触的状态变化特征有着难以解释的相像性。”

在纷乱的真实世界里，诸如此类的硬件设备将会在复杂任务中发挥实质性作用，对于那些要以往经验来完成的任务而言尤其如此。

“人类大脑可以在不到一秒的时间内识别出厨房内的烤面包机，不管它是一个老物件或者它被人用锤子砸过，”Gafron说，“而一台装有摄像头，内置有烤面包机图片的数据库，且安装有最好的识别软件的电脑需要几个小时才能识别出来——当然，还是在它能做的情况下。”

在汽车领域，加载神经微处理器的“驾驶助手”会学习你的驾车方式并会提醒你潜在的事故风险。比如说，它会通过你的驾车行为判断出你没有留意到一辆车突然驶到了你的前面。在自主驾驶真正实现商业化的未来，这些智能设备会从机器人的刻板动作转变成人类一般的顺滑驾驶。同样也可以应用于无人驾驶飞机，帮助其躲避友机和空中障碍物。

Gafron进一步解释：“能模拟生物体突触功能的忆阻器可以被用在飞行控制系统上，可能会达到如同昆虫飞行一般的控制精度。

神经微处理器用处极为广泛，这意味着几乎每一个电子设备都能识别，适应并且自主学习以满足人类所需。它会使电视机知道你偏爱的电视频道及音量，它会使大门知道拦住孩子，或者它会使清洁机器人知道哪里以及何时需要留意，或者使笔记本电脑和智能手机更加人性化地与你互动。你可能需要将事情告知它们两遍，但之后它们就学会了。

最开始的神经微处理器将仅搭载几千个忆阻器，相对于人类大脑中神经元超过80亿个的数目只是一个小数字。苍蝇仅需要调用几千个神经元便可以完成令人眩晕的飞行动作，算得上是唾手可得。未来的忆阻器功能将会逐步变的强大，芯片上加载的神经计算单元也会越来越多。

“我们期望（微处理器上的神经计算单元数目）能出现摩尔定律般的倍增趋势”，Gafron说。

这将会很快的助力神经计算网络从昆虫神经系统级别到达更高级生命体的神经系统形式。人工合成的神经计算单元相比生物体内的神经元更具速度优势，可以更快速的进行数据处理。人类大脑的运行频率在50kHz以下，Bio Inspired Technologies的忆阻器的运行频率是人脑的几千倍。

Gafron说道，“如果我们能够把人脑的运作机制与忆阻器的高速运行速度成功结合，那么神经计算网络的能力会是相当令人震撼的。”