IBM用超级计算机模拟人脑计划迈出重要一步.PDF

IBM 用超级计算机模拟人脑计划迈出重要一步   凭借着世界上最强大的超级计算机和一个全新的、扩展性很强的超低 功耗计算机架构，IBM 模拟出了5,300 亿个神经元和137 万亿个神经突触 —— 这一数字已经足以和人类大脑相媲美。这个代号为“Compass” 的项目， 向真正意义上的“人工大脑”迈出了重要的一步。 1. 认知计算 人脑也许是宇宙中最复杂的存在了，但同时它又十分节能。人类的大 脑可以同时收集上千个感官信号，并对它们进行判断、分析，把具体的感 知转化为抽象的概念，同时在这一过程中进行学习、规划和创造。据IBM 估计，以现有的科技水平，一台与人类大脑复杂度相当的计算机需要近100 兆瓦的能量供应。而人类大脑进行这一切活动，只需要区区 20 瓦的功率 就够了。 如此巨大的能量消耗显然是不现实的。要解决这一问题，我们需要一 套全新的思路。IBM 提出的方案就是“认知计算” 。这一全新的领域凝聚了 来自神经科学、纳米科技和超级计算机等领域的最新研究成果。 神经科学家们发现，人类大脑之所以如此的节能，是因为它是由“事件 驱动” 的。简单的说，神经元、神经突触和轴突只在接收到感觉信号或者来 自其他神经元的信号时才会被激活，而其他时间它们是不消耗能量的。和 它们相比，现在的电脑浪费了大量的能源。 来自IBM 的工程师们受到这一原理的启发，开发出了一套新颖的计算 架构，并用它来模拟数目与人类大脑相当的神经元与神经突触。从生物学 意义或者功能性上讲，这一成果并不是对大脑的准确模拟。虽然这套系统 还无法进行任何传统意义上的感知、思考与概念形成等活动，但它却是向 这一目标迈进的关键一步。 2. 工作原理 研究者们最初是从CoCoMac 开始工作的。CoCoMac 是一套包含猕猴 大脑结构信息的数据库，虽然还不完整，但却足够全面。在经过了四年对 CoCoMac 的艰难修补之后，这一团队最终得到了一套可用的数据，并在此 基础上建立起了他们的人工大脑，这一系统的两个主要组成部分便是神经 元和神经突触。 神经元是计算中心。每个神经元可以接收来自多达一万个相邻神经元 的信号，随后它会处理这些数据，并输出另一个信号。约80%的神经元是 兴奋性的，当它们发出信号时，周围的神经元也会被激活。而剩下的20% 的神经元则是抑制性的，当它们发出信号时，接收信号的相邻神经元会被 抑制。 神经突触的功能是连接不同的神经元，记忆与学习也随着神经突触的 形成而发生。每一个突触都有一个“权重值” 。这个权重值是由经过某一突 触的信号数量决定的。当大量的信号通过某一突触时，这一突触的权重值 就会上升，而这台虚拟大脑就是这样进行“联想学习” 的。 这套系统的算法会定期检查一个神经元是否在发出信号。如果它的确 在发出信号，这一神经元周围的突触的权重值就会被调整，而随后它们会 根据这一新状态与其他的神经元进行交流。这一算法的关键优势是它不会 在大量的突触上浪费时间与能量，而只在一小部分需要被激活的突触上花 费有限的计算能力。 就像一个真正的大脑一样，这种计算架构是分布式、由事件驱动的， 而且十分节能。同时，它还可以绕过传统计算架构固有的许多局限。 IBM 的终极目标是建造一个复杂度可与人类大脑相媲美，体积又足够 小的计算机，同时它的能量消耗还要在1 千瓦左右。现在，他们已经利用 世界排名第二的超级电脑Sequoia Blue Gene/Q 达成了这一目标（当然，这 距离“便携”和“节能”还有很远的距离）。这台超级计算机中有超过150 万只 处理器内核和1.5PB （150 万GB ）的内存，可以同时运行多达629 万条线 程。 为了进一步降低能量消耗，IBM 正在构建一款全新的定制芯片，被称 作“神经突触核心” （neurosynaptic cores ）。这款特制的芯片可以充分激发新 计算架构的潜能，并将最终取代现在模拟中使用的超级计算机。 每个核心都是由“神经元” 、“突触”和“轴突”组成的。虽然被如此命名， 但这些元件其实并不是模仿生物大脑中的结构而设计的。它们的设计目标 是降低生产成本和提高性能。 3. 应用前景 IBM 最新设计的这一架构具有极高的并行性，这让它非常适合处理需 要大量数据输入的计算。这和标准的神经计算网络没有太大的差别，但新 系统的处理性能和能量利用效率却