鹭羽 发自 凹非寺

量子位 | 公众号 QbitAI

「西部世界」真的要来了！科学家们正试图为AI装上人类大脑。

美国国家实验室引领了这一领域的最新突破。研究人员正致力于将科幻作品中的概念变为现实，他们正努力研制一台体积仅占两平方米、其神经元数量可与人类大脑皮层相媲美的超级计算机。

令人叹为观止的是，数据揭示，该神经形态计算机的运行效率或许超越生物大脑25至100万倍，同时其能耗仅需10千瓦（略超家用空调），这无疑为当前人工智能发展的瓶颈注入了一剂强心针。

当前，人工智能正遭遇一场“能源危机”，伴随着大语言模型等技术的迅猛发展，其庞大的能耗问题已变得不容忽视，成为一项沉重的负担。

预测结果表明，到了2027年，仅是这些模型运行所需的电费便可能攀升至25万亿美元之巨——这一数字甚至可能超过了美国历史上的GDP总和。

然而，与自然界中最卓越的智能体——人类的大脑相比，其每日的能耗仅需约20瓦，这还不及家用LED灯泡的功率。这让科学家们不禁产生疑问：我们是否能够使人工智能的运行也达到如此高效的水平？

答案是：神经形态计算。

这项前沿技术致力于模仿人脑的结构与工作原理，目前被视为人工智能领域未来发展的核心趋势之一；其核心目标之一便是通过低能耗的“灯泡级”能源消耗，激发出强大的智能能力。

神经形态计算：向大脑学习

在人类大脑内部，大约有八百六十亿个结构复杂的神经元紧密协作，它们通过无数连接点——即突触——相互连接，共同构筑了一个庞大的信号传输网络，该网络规模宏大，跨越了百亿个连接。

神经形态计算借鉴了生物神经系统的结构和功能，通过构建节能的电子与光子网络，具体而言是脉冲神经网络（SNN），力求将记忆、处理和学习功能融合进一个统一的设计理念中。

其主要特点包含：

事件驱动通信模式下，仅在数据高峰或事件触发时启动所需电路，以此实现能耗的降低。在内存计算中，数据处理直接在存储位置进行，以此缩短数据传输的延迟。系统具备适应性，能够随着时间自主学习和进步，无需集中进行更新操作。神经形态系统的架构设计具有可扩展性，它能够便捷地扩展规模，适应更广泛和复杂的网络需求，同时不会显著提升资源消耗。

与现有的依赖二进制超级计算机进行运算的人工智能模型相异，该模型能够依据对世界的理解进行实时调整，因而展现出更高的智能水平、更强的适应性，并且抗干扰能力也更为显著。

以一个实例来说明，若测试人员身着带有停车标识的T恤在自动驾驶车辆旁经过，那些由传统人工智能系统操控的车辆，由于无法正确理解情境，便启动了停车程序。

与之相对，神经形态计算机运用反馈循环以及基于上下文的验证机制来处理数据，它能够准确识别出停车标志出现在T恤之上，进而使得车辆得以继续前行。

这种差异并不令人感到惊讶，因为神经形态计算所模拟的是自然界中最高效能、最强大的推理与预测机制。科学家们基于此，普遍认为人工智能领域即将迎来新一轮的技术革新，而这将是由物理学与神经科学相互融合所催生的。

新一轮技术革命前瞻

目前，相关研究正进行得非常热烈。现有的神经形态计算机，其神经元数量已超过十亿，突触连接数更是高达千亿以上，尽管与人类大脑的复杂性相比尚显微不足道，但它已充分展示了实现大脑级扩展的潜力。

美国国家技术标准研究院的专家杰夫·谢伊纳林指出：

IBM与英特尔等科技巨头站在技术革新的最尖端，2014年IBM推出的TrueNorth芯片，以及2018年英特尔发布的Loihi芯片，这两款芯片均致力于模仿大脑神经活动，为新一代人工智能模型的发展奠定了坚实基础。

此外，诸多致力于神经形态计算领域的新兴企业亦逐渐引起关注，比如BrainChip公司推出的Akida神经形态处理器，该处理器特别为低能耗且性能卓越的边缘人工智能应用而设计，其应用范围广泛，涵盖了持续在线的智能家庭设备、工业设施以及城市中的传感器系统。

The Business Research Company预测，至2025年，全球神经形态计算市场将经历迅猛扩张，预计规模将攀升至18.1亿美元，且其复合年增长率将高达25.7%。

从长远视角出发，科学家们期望神经形态计算能够突破人工智能的常规框架，更贴近人类的推理思维方式，从而为下一代智能系统，乃至是通用人工智能（AGI），开辟全新的技术革新之路。

参考链接：

美国国家实验室的媒体发布页面提供了关于神经形态计算的出版物链接，具体地址为https://www.lanl.gov/media/publications/1663/1269-neuromorphic-computing。

在https://news.ycombinator.com/item?id=44194469这个链接中，可以找到相关信息。

在LinkedIn上的一篇文章中，作者探讨了神经形态计算与量子计算以及甚至人类智能之间的关联与比较。

在prodigitalweb.com的网站上，有一篇关于神经形态计算和灵感来源于大脑的人工智能的文章。

禁止访问该网站，请勿点击链接，以免遭受潜在风险。