十年前，有這樣一個問題：軟硬體是否可以像生物大腦一樣工作？
如今，這個問題的回答是「可以」，但行業面臨的挑戰是，如何利用神經形態技術開發的歷史、如何應對緊迫的、甚至是生死攸關的計算挑戰？
就這一話題，科技作者 William Van Winkle 在外媒 VentureBeat 發表了一篇文章，主要觀點包括：
行業合作和原型基準正在推進數十年來在實時計算視覺、語音識別、物聯網、自動駕駛和機器人技術等領域的實際應用研究。
神經形態計算可能會以低功耗和高效率補充 CPU、GPU 和 FPGA 技術，用於包括學習、搜索和感知在內的一些任務。
行業對其的預測千差萬別，比如預測全球神經形態計算市場 2028 年複合增長率在 12% 到 50% 之間。
以下是雷鋒網(公眾號：雷鋒網)未改變文章原意的編譯。
2020 年 7 月，美國能源部橡樹嶺國家實驗室主辦了第三屆神經形態系統國際年會（ICONS），來自世界各地的 234 名研究人員參與了此次線上活動，與會者規模幾乎是去年的 2 倍。
會議期間，一篇題為《用基於尖峰的模型模擬流行病傳播》的論文探索了使用神經形態計算來減緩潛在感染群體的患病機率。無疑，如果一個更好、更精準的模型可以指導國家政策、拯救無數人的生命，那麼這樣的研究就是至關重要的。
這一會議反映了一項仍處於萌芽狀態的技術及其生態。研究人員對神經形態計算的潛力表示肯定，但迄今為止，大多數進展都只發生在學術機構、政府和企業的實驗室裡，似乎已經準備好改變了。
研究機構 Sheer Analytics & Insights 預測，2020 年全球神經形態計算市場將達到 2990 萬美元，未來 8 年複合增長率為 50.3%，2028 年將達到 7.8 億美元。
與之形成鮮明對比的是——2018 年 KBV 研究報告預測，2023 年全球神經形態計算市場複合增長率為 18.3%，即 37 億美元；Mordor Intelligence 則預測，2019 年全球神經形態計算市場為 1.11 億美元，複合年增長率為 12%，到 2025 年將達到 3.66 億美元。
顯然，預測各不相同，但大幅增長的趨勢卻是可能的，這一市場的主要參與者包括英特爾、IBM、三星和高通。
當前，研究人員關心的一個話題是，神經形態計算首先會落地哪一領域。答案很有可能是視覺、語音識別；自動駕駛也可從類似人類的學習中獲益，避免出現人類的分心或認知錯誤；從工廠到戰場，物聯網的機會到處都有。
不論如何可以肯定的是，神經形態計算不會取代 CPU 和 GPU，相反，兩種計算方法將是一個互補的關係，每種方法都適合自己的算法和應用。
神經形態計算始於使用模擬電路來模擬大腦中的突觸結構，大腦擅長通過噪音和學習確定模式， 神經形態 CPU 擅長處理離散、清晰的數據。
因此，許多人認為神經形態計算可以解決阻礙傳統計算系統數十年的問題。一方面，基於 von Neumann 架構的處理器必須等待數據進出系統內存。緩存結構有助於減輕這種延遲，但隨著晶片速度的加快，數據瓶頸愈發明顯。另一方面，神經形態處理器目標在於通過模擬大腦的核心工作方式來提供更省電的操作。
神經元通過一種被稱為是「尖峰」的脈衝模式相互發送信息脈衝，其關鍵在於時間，時間本身就傳達著信息。
我們可將尖峰用一個比特來表示，與傳統的數據通信方法相比，它更高效、更省電。20 世紀 50 年代，對尖峰神經活動的理解和建模出現，但接下來的 50 年，基於硬體的計算應用並未開始。
2008 年，美國國防高級研究計劃局（DARPA）啟動了一個名為「神經形態自適應塑料可擴展電子系統」（SyNAPSE）的項目，旨在開發可擴展到生物水平的低功耗電子神經形態計算機。該項目的第一階段是開發模擬大腦突觸活動的納米級突觸，並期待其在微電路結構中發揮作用。
2009 年，IBM Research 和 HRL Laboratories（通用汽車和波音公司共同擁有）贏得了 SyNAPSE 合同，成為競爭對手。
2011 年，HRL 宣布了第一個「記憶電阻器」陣列，即一種可應用於神經形態計算的非易失性內存存儲形式。兩年後，HRL 打造出了第一個神經形態晶片 Surfrider——在 50 毫瓦的功率下有 576 個神經元。
研究人員將晶片安裝在一架配備光學、紅外和超聲波傳感器的不足 100 克的無人機上，並將無人機送入三個房間。無人機通過感官輸入「學習」了第一個房間的布局和內部的物品，基於此，它可在新房間「動態學習」，或是認出曾進入過的房間。
2014 年，IBM 在 Science 發表論文稱，他們製造了有著 54 億個電晶體的晶片 TrueNorth，4096 個神經突觸核心通過一個集成了 100 萬個可編程尖峰神經元和 2.56 億個可配置突觸的晶片相互連接，能以每秒 30 幀的速度輸入 400 × 240 像素的視頻，晶片功耗 63 毫瓦。
該領域的研究並不少見，比如 2009 年史丹福大學的模擬突觸方法 NeuroGrid；2015 年歐盟資助的 BrainScaleS 項目；曼徹斯特大學的 SpiNNaker 神經網絡體系結構超級計算機等等。
許多專家認為，商業應用將在未來三到五年內真正到來，而這也僅僅是個開始。
2019 年，三星宣布將其神經形態處理單元（NPU）部門的規模擴大 10 倍，原本的 200 名員工將增加到 2030 年的 2000 名員工。原因在於，三星預計到 2023 年，神經形態晶片市場的年增長率將達到 52%。
神經形態領域的下一個挑戰將是如何定義標準工作負載和基準測試方法。當前，3DMark 和 SPECint 等基準應用發揮著關鍵作用，但正如 2019 年 9 月《自然-機器智能》雜誌所討論的那樣，儘管英特爾實驗室提出了一種稱為 SpikeMark 的尖峰神經形態系統的建議，但神經形態領域還是缺少這樣的基準。
神經形態計算仍處於研發階段，如今該領域幾乎沒有任何商業產品。但越來越明顯的是，某些應用非常適合神經形態計算，神經形態處理器將更快、更省電。不過，CPU 和 GPU 計算並不會消失，神經形態計算只會出現在其左右，扮演更好、更快、更有效的處理角色，這將是我們從未見過的。
編譯來源：
https://venturebeat.com/2020/12/15/neuromorphic-computing-the-long-path-from-roots-to-real-life/
雷鋒網雷鋒網雷鋒網
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。