想突破人工智慧極限,先研究好「人類大腦」

2020-12-07 騰訊網

　　科學家回歸人類大腦的研究，為當今運算技術尋找新的替代方案，這並不是什麼新鮮事兒。

　　CEA-Leti首席科學家Barbara De Salvo指出，自1950年代中期人工智慧(AI)初露曙光以來，儘管有許多科學家和工程師對此概念一直十分感興趣，但有關AI的研究卻幾經波折。

　　然而，現在正是認真看待人腦啟發技術的時候了。至少，「我們應該體認到目前還有其他的技術典範，將有助於我們提出好的問題。」De Salvo在今年國際固態電路會議(ISSCC)發表專題演講後接受《EE Times》的訪問表示，「如果沒有新的運算典範和算法，業界最終將難以達到更嚴格的功耗要求。」

　　雖然業界一直在推動嵌入式AI平臺，如Movidius的Myriad 2、Mobileye的EyeQ5，以及Nvidia的Xavier；但為了符合以較少功耗在邊緣(edge)處理大量分析的終端設備需求，她指出：「我們距離需要達到的這一步還差很遠」。

　　（來源：CEA-Leti）*

　　De Salvo在專題演講中比較推論階段的運算效率(GOPS/W)和幾種AI晶片的運算性能(GOPS)。

　　她指出，在業界的需求和現有解決方案之間仍然存在巨大差距。「沒有任何晶片——無論是商用發布、原型、學術界進行設計或開發中的晶片——能夠滿足低於100μW的功耗要求。」然而，這正是邊緣設備需要達到的性能，因為它們必須依靠能量採集或微型電池持續運作多年。

　　為什麼回歸人腦研究？

　　De Salvo說，我們知道人類大腦的重量約為身體的2%，然而，卻使用了人體新陳代謝的20%。

　　在20W時，人類的大腦可以處理1,011個GOPS。De Salvo強調，迄今為止，世界上沒有任何處理器的「性能和功率能夠比得上人類的大腦」。

　　De Salvo解釋說，這種能效級在人類動物的進化過程中發展了很長的時間，在最大限度發揮大腦功能的同時，也使得能量的使用減至最低。

　　這正是半導體產業得以從生物學借鑑之處。她表示，傳統的運算架構正致力於滿足功耗要求，主要是因為「每當處理器和內存通訊時都需要消耗能量。」相形之下，大腦突觸在單一架構中包含了內存和運算。她解釋說，這種巧妙的技巧為大腦啟發的非馮·諾伊曼(non-von Neumann)計算機架構提供了基礎。

　　對於大腦啟發的運作原則，其本質在於像棘波編碼(spike coding)和棘波時序相關可塑性(spike-timing-dependent plasticity；STDP)等元素。她指出，以系統中編碼的神經元狀態來看：過去，神經元使用模擬或數值進行編碼；而今，神經形態運算的最新趨勢是將神經元的值編碼為脈衝或棘波。她並解釋說：「神經元沒有頻率，它們純粹是事件導向的。」

　　科學界認為棘波編碼和STDP具有發展前景。如果以脈衝(棘波)來表示輸入/輸出訊號，那麼輸入訊號和突觸權重之間的加乘將在突觸級時降至閘控作業。在此的目標是經由建置採用異質方案的棘波或基於事件的訊號表示，從而降低功耗。

　　這是否就像是Chronocam開發的事件驅動圖像處理技術？她回答說：「是的。但是，Chronocam的解決方案針對的是應用於人造視網膜的『視覺』。而我們的產業使命在於將神經形態原則擴展到超越視覺以外的整個運算領域。」

　　De Salvo表示，IBM的TrueNorth是神經形態CMOS晶片的理想範例。目前以28nm FD-SOI建置的動態神經形態異質處理器可擴展學習(DynapSEL)，則是大規模多核心神經形態處理器的另一個例子。DynapSEL目前是NeuRAM 3歐洲合作研究計劃旗下的開發計劃之一。

　　TrueNorth中的神經元以數字方式進行處理，而DynapSEL則是模擬的。然而，這兩種晶片都未能有效發揮神經形態系統的全部功能，因為內存並非基於神經形態的運作原理。

　　科學界正試圖讓內存接近處理單元，徹底改變傳統的內存分層架構，並實現「內存運算」(in-memory computing)。迄今為止，神經形態硬體尚未充份發揮潛力，De Salvo說：「我們需要在神經形態運算中使用超高密度的3D架構」，才能在神經元和突觸之間實現最大的連接性和可重配置性。

　　昆蟲的大腦

　　我們現在已知人腦中有1,000億個神經元，而像蜜蜂等智慧昆蟲在其約1mm立方體大小的腦中則有950,000個神經元。De Salvo指出，在各種昆蟲中，蜜蜂的大腦是最大的，她說：「我們已能掌握蜜蜂大腦中的神經元映射，然而，對於人腦內的神經元所知甚少。」

　　科學家熱衷於剖析蜜蜂的大腦，因為「蜜蜂十分聰明。（蜜蜂）有許多傳感器，能夠透過其導航方式進行覓食，而且知道如何在一個群體進行溝通。要在一個群體中共同生活，蜜蜂必須知道其他蜜蜂的功能。」

　　蜜蜂有著出色的感測系統，並且具備學習和記憶的能力。他們知道如何整合感官數據——以「傳感器融合」(sensor fusion)的方式，做出複雜的決定。

　　「當然，蜜蜂的大腦很小。但其簡化的形式為AI系統提供了很好的範本，」De Salvo說：「它強調需要以系統化的方式進行思考，因為有機體並不會分離傳感器和訊號處理。」

　　AI最新進展？

　　十年前，沒人能想像到我們如今從AI中看到的突破性進展。

　　CEA-Leti首席科學家Barbara De Salvo

　　然而，根據De Salvo的觀察，業界可能由於看好AI的前景，而太快將研究重心轉向 AI應用。事實上，她說：「我們仍然缺乏對於AI系統的全面理解…就像深度學習一樣。」

　　她解釋說，深度學習中存在著隱藏的分層，以及由此產生的系統複雜性，使得很難說哪些屬性對於提高性能擔負最大的責任。「相較於一般智慧，學習、抽象和推理能力所取得的普遍性仍然非常有限。」

　　深度學習在分類方面非常出色，但「預測仍然是神經運算的基本問題，」De Salvo說：「最近，神經網絡在執行簡單的任務時出現失敗，而人類在這方面從未失手。」De Salvo並引用A. Nguyen等人發表的「深層神經網絡易於被愚弄：對未辨識影像的高可信度預測」(Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognized Images)論文，她擔心這最終會阻礙市場發展，甚至「背叛用戶的信任，從而引發嚴重的道德問」。

　　編譯：Susan Hong

　　本文授權編譯自EE Times，版權所有，謝絕轉載

相關焦點

  • AI哲學家:人工智慧應該先研究細胞而不是大腦
    智力是智能的一個非正式的同義詞，而且，對天賦和智慧的任何討論都將大腦作為隱喻。自然地，當技術發展到人類決定在機器中複製人類智能的時候，我們的目標是在人工智慧中模擬大腦。但如果這是錯誤的呢？如果所有關於創造「神經網絡」和機器人大腦的討論都是一種誤入歧途的做法呢？如果在推進人工智慧方面，我們拋棄了大腦的比喻，轉而支持更小的細胞呢？
  • 要像人類一樣聰明AI需突破算力極限
    那麼，為何深度學習算法十分依賴算力的增長，現在算力的極限在哪裡，如何突破；除了算力，深度學習還能否依靠其他方式改進算法性能；革命性算法的標準是什麼？算力觸底遭遇瓶頸美國麻省理工學院、安德伍德國際學院和巴西利亞大學的研究人員在最近的一項研究中發現，深度學習的進步「強烈地」依賴於計算的增長。然而，深度學習需要大量數據和算力，這二者的發展是促進人工智慧發展的重要因素。但是，研究人員認為，深度學習正在逼近算力極限。
  • 我們的大腦是一臺量子計算機，人類是「神」創造出來的人工智慧？
    hello，大家好！如果我們的大腦是一臺量子計算機，而我們的靈魂很有可能就是這臺計算機的作業系統，今天我們從量子大腦理論以及神創論的角度一起來探討一下。我們地球上所有的生物，都有自己的作業系統，只不過有的簡單，有的複雜而已，這些生物個體都能夠自主繁殖，這也是造物主寫好的一套完整的原始碼。可能連我們生活的整個宇宙都是造物主設定好的。我們生活的地球只是這個宇宙的滄海一粟。
  • 我們的大腦是一臺量子計算機,人類是「神」創造出來的人工智慧?
    hello，大家好！如果我們的大腦是一臺量子計算機，而我們的靈魂很有可能就是這臺計算機的作業系統，今天我們從量子大腦理論以及「神」創論的角度一起來探討一下。人類就好像突然出現的，並且突然擁有了智慧。這就非常的不可思議。達爾文自己也說過：「最不符合進化論的就是我們人類自己」。如今，我們人類創造出了人工智慧，我們也害怕人工智慧超越人類之後不受控制，因此我們得想辦法約束人工智慧。
  • 破解人類大腦謠言,大腦真的只開發了10%?突破極限變數學家
    人類的大腦是讓我們區別於地球所有生物的器官，大腦的奧秘也是如今科學家們最為費解的未解之謎。全世界的腦科專家都在嘗試解開人類大腦的秘密，那今天我就來帶大家看看人腦的奧秘。電影中說，人類的大腦只使用了10%，這10%的大腦使用率已經是人類從學會取火到如今登陸宇宙。而攝入的CPH4的女主，大腦使用率突破了20%，並且大腦一旦使用率突破20%，那麼就好像一個被水衝開了的水壩再也收不住了。最後女主的大腦使用率達到了百分之百，一切物質形態對她而言都不再存在，她可以根據自己大腦所想，將身體拆分成原子以及分子形態，也可以打散重組成任何形態。當然了，這只不過是電影的想像力。
  • 人工智慧 | 物理學家用數學理論證明人工智慧無法超越人類智慧
    關於人工智慧，回看歷史至少引起過人類社會三次恐慌。第一次是在圖靈的年代，美國大片這是個好東西。《模仿遊戲》可以去看看。這次恐慌源於計算機的誕生，人們傳統認為不可破譯的密碼，被計算機搞定了。這個趨勢發展下去，是不是遲早有一天計算機就可以超過人類？八十年代以後個人電腦的普及帶來了又一次恐慌。美國電影《機械戰警》、《終結者》都是這個時期的代表。
  • ...人工智慧:與其坐等認知科學家「猜謎」,不如直接繪製大腦結構圖譜
    人類大腦是宇宙間已知的最複雜的對象，擁有已知的最強的智能。儘管計算機在計算速度等方面已經遠遠超過人類大腦，在圍棋這種高智力項目中人工智慧系統也已經把人類遠遠甩到後面，但這都是「單項比賽」，大腦無疑是唯一的智能最強的全能選手。
  • 不是你不夠努力,是沒有喚醒大腦。突破極限,學習力就是超能力
    也可以說，人類的大腦並不是鎖定在6、7歲就不再發育了，它就像肌肉一樣，越鍛鍊越發達。可能你已經踏入成年，但高效運用我們的大腦，依然可以讓我們實現夢想。01 從「腦子壞掉的孩子」到大腦教訓曾經，幼兒園裡有一個聰明的小男孩，因為小朋友的惡作劇摔壞了腦袋。
  • 破解人類大腦謠言,大腦真的只開發了10%?男子突破極限變數學家
    那麼天才只是少數人擁有的一種不一樣的大腦天賦，還是說我們每一個人都擁有天才的頭腦，只是不懂如何運用它呢？人類的大腦是讓我們區別於地球所有生物的器官，大腦的奧秘也是如今科學家們最為費解的未解之謎。全世界的腦科專家都在嘗試解開人類大腦的秘密，那今天我就來帶大家看看人腦的奧秘。
  • 解剖人工智慧以更好地理解人類大腦
    奧利瓦在CNS研討會上發表了她的研究成果，神經科學家正在研究背景線索在人類圖像識別中的作用。通過使用「人工神經元」——本質上是幾行代碼、軟體——和神經網絡模型，他們可以分析出識別特定地點或物體的各種元素。
  • 認識論和方法論是突破人工智慧基礎理論的關鍵
    新的哲學將消除唯物主義和唯心主義各種派別之間的鬥爭，將會填平它們之間的鴻溝，它將為人工智慧提供一種更為科學的認識論和方法論——生成論和整體論。「生成論」將不再只是把人類的認識看作是一種反映，它同時還會把人類的認識看成是一種「生成」——亦即人類的認識是通過眼、耳、鼻、舌等感覺器官和大腦加工「生成」的，它將涵蓋反映論，它將讓我們對這個世界的認識變得更為簡單。
  • 喜歡運動的你,知道人類耐力極限是多少嗎?| 一周科技
    人類耐力的極限在哪裡？可是，人類的耐力即使再強大，也會有極限嗎？本周，《科學進展》雜誌發表的研究給出了肯定的答案。紐約大學亨特學院等機構的學者分析了鐵人三項、環法自行車賽、馬拉松等極限運動員以及懷孕婦女的運動情況。他們得出結論認為，不論運動類型和運動時長怎樣，當人體消耗能量的速度達到靜止時新陳代謝速度的2.5倍時，人類的耐力就會達到極限。如果在此之後還要繼續運動，那麼人體仍將分解自身組織。
  • 人工智慧的突破需要顛覆圖靈機嗎?
    編者按：Bragi Lovetrue是Demiurge Technologies 的聯合創始人，該公司位於瑞士，旨在推進服務於人類的深度學習、類腦工程和智慧機器人領域的科技突破與應用轉化。作為一位跨領域科學家，Bragi 在美國紐約大學和卡耐基梅隆大學期間為了發現制約人工智慧發展的根本問題，設計了一套重新改造計算機科學基礎的綜合性研究項目。Bragi 和他的聯合創始人Idonae Lovetrue正在帶領一支全球最頂尖的專家團隊測試實現下一代人工智慧的感知計算「圖靈機」。
  • 腦機接口新突破,七旬老人用意念喝可樂,人工智慧進入新時代
    原來，七旬老人姓張，是退休的中學老校長，前半生教書育人，本想著後半生兒孫繞膝，可惜遭遇車禍，導致高位截癱；如今在浙大的幫助下，植入腦機接口，竟能「動手」喝可樂（意念操縱），人工智慧進入了新的時代，一種新的生命形式或將誕生。腦機接口新突破浙大科研團隊研製的腦機接口絕對是新的突破，將人工智慧加以應用，藉助機械手臂，讓七旬老人用意念完成喝可樂的壯舉。
  • 新神經技術正在突破人類大腦損傷後恢復的極限
    為了突破這一治療瓶頸，神經病學研究中心利用可攜式神經調節刺激裝置（簡稱 PoNS）啟動了為期14周的強化試驗。PoNS是一種神經刺激技術，它可以通過舌頭向人體大腦發送一系列的小型電脈衝（也就是我們所熟知的語言神經刺激方式），從而安全地促進人體神經的可塑性。研究小組使用NeuroCatch平臺（或者稱作NeuroCatch）追蹤了大腦生命體徵的改善情況。NeuroCatch是一種快速客觀測量大腦認知腦功能的方法。
  • 新的神經技術正在突破人類大腦損傷後恢復的極限
    這項發表在Frontiers of Human Neuroscience上的研究是由神經科學家Ryan D'Arcy博士領導，研究內容涉及到對Greene上尉使用最新且最先進的大腦技術，對大腦神經可塑性、生理、認知以及創傷後應激障礙（PTSD）的改善情況。
  • 人工智慧將無法突破物理規律的限制
    這就跟蜜罐策略一樣，你不想讓它走出它被你限制的區域，但卻又因為各種無可避免的問題而不斷地「引誘」它走出來，使它們自然而然地朝著一種想要獲得更多動力的方向去做出一些行動，最終的可能就是它們會突破，並完成它們在人工智慧上的那種裡程碑式的「進化」。 　　而對於這種「進化」的結果可能就是它們在智力上得到飛躍式的提升，可在智慧上卻遠比不上人類。
  • 美新研究 藉助人工智慧了解大腦思維
    美國貝勒醫學院（Baylor College of Medicine）和萊斯大學（Rice University）的研究人員利用人工智慧模型，為大腦活動的研究開啟了一個新的思路。「幾個世紀以來，神經科學家都是通過把大腦活動與輸入和輸出的信息聯繫起來研究大腦的工作方式。比如，要研究運動的神經科學，科學家先測量肌肉的運動和大腦的神經元活動，然後把兩者聯繫起來尋找規律。」
  • Facebook連夜關停人工智慧系統 AI真的已經突破人類認知了嗎?
    根據相關的外媒報導稱，此次Facebook做出這項決定，主要是由於AI研究實驗室的研究人員發現，正在開發的聊天機器人已經逐漸擺脫了腳本的控制，並且在沒有人工幹預的前提下開發並使用出一種新的語言邏輯。從Facebook人工智慧研究部研究員的口中得知，此次研究的智能對話機器人完全是基於文本上的。
  • 新世界來臨，讓大腦打開插口，人工智慧，馬斯克率先取得成功。
    日本在2008年就提出了「腦科學戰略研究項目」，重點開展腦機接口、腦計算機研發和神經信息相關的理論構建；歐盟在2013年提出「人類腦計劃」（HBP），重點開展人腦模擬、神經形態計算、神經機器人等領域研究；美國也同時啟動了「BRAIN計劃」，將大腦結構圖建立、類腦相關理論建模、