建造一臺(tái)可以在人腦的規(guī)模和復(fù)雜性上支持人工智能的計(jì)算機(jī)將是一項(xiàng)巨大的工程工作?，F(xiàn)在，美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)研究院的研究人員概述了他們認(rèn)為我們將如何實(shí)現(xiàn)這一目標(biāo)。
我們將如何，何時(shí)以及是否會(huì)創(chuàng)造出能夠與我們的認(rèn)知能力相匹配的機(jī)器，這是計(jì)算機(jī)科學(xué)家和哲學(xué)家之間激烈爭(zhēng)論的話題。最有爭(zhēng)議的問(wèn)題之一是，該解決方案需要在多大程度上反映迄今為止我們最好的智能示例：人腦。
盡管深度神經(jīng)網(wǎng)絡(luò)的名稱與大腦的運(yùn)行方式截然不同，但由深度神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的AI的飛速發(fā)展已經(jīng)使許多人相信，我們可以在不模仿大腦的硬件或軟件的情況下實(shí)現(xiàn)“人工通用情報(bào)”。
其他人則認(rèn)為，我們?nèi)匀蝗鄙僦橇\(yùn)作的基本方面，而填補(bǔ)空白的最佳方法是從自然界中借鑒。對(duì)于許多人來(lái)說(shuō)，這意味著構(gòu)建“神經(jīng)形態(tài)”硬件，以更緊密地模仿生物大腦的結(jié)構(gòu)和操作。
問(wèn)題在于，我們擁有的現(xiàn)有計(jì)算機(jī)技術(shù)看上去與生物信息處理系統(tǒng)有很大不同，并且在完全不同的原理上運(yùn)行。首先，現(xiàn)代計(jì)算機(jī)是數(shù)字的，而神經(jīng)元是模擬的。盡管兩者都依賴于電信號(hào)，但它們的口味卻截然不同，大腦還使用大量化學(xué)信號(hào)來(lái)進(jìn)行處理。
現(xiàn)在，NIST的研究人員認(rèn)為，他們找到了一種可以模仿大腦核心屬性的方式來(lái)結(jié)合現(xiàn)有技術(shù)的方法。他們使用他們的方法，勾勒出了一個(gè)“神經(jīng)形態(tài)超級(jí)計(jì)算機(jī)”的藍(lán)圖，該藍(lán)圖不僅可以匹配，而且可以超越生物系統(tǒng)的物理極限。
的關(guān)鍵在于他們的方法，在概述應(yīng)用物理快報(bào)，是電子和光學(xué)技術(shù)的組合。邏輯是電子學(xué)擅長(zhǎng)計(jì)算，而光學(xué)系統(tǒng)可以光速傳輸信息，因此將它們組合起來(lái)可能是模仿大腦出色的計(jì)算和通信能力的最佳方法。
這不是一個(gè)新主意，但是到目前為止，證明要使最好的電子和光學(xué)硬件膠合起來(lái)非常困難。該團(tuán)隊(duì)認(rèn)為他們已經(jīng)找到了一種可能的解決方法，將系統(tǒng)溫度降低到負(fù)華氏450度。
雖然這似乎只會(huì)使事情復(fù)雜化，但實(shí)際上為許多新的硬件可能性開辟了道路。一堆高性能電子和光學(xué)組件只能在這些嚴(yán)酷的溫度下工作，例如超導(dǎo)電子設(shè)備，單光子檢測(cè)器和硅LED。
研究人員建議使用這些組件來(lái)構(gòu)建人造神經(jīng)元，這些神經(jīng)元的運(yùn)作方式類似于其生物表親，而不是傳統(tǒng)的計(jì)算機(jī)組件，其發(fā)射的是電脈沖或尖峰信號(hào)，而不是圍繞周圍的數(shù)字穿梭。
每個(gè)神經(jīng)元都有成千上萬(wàn)個(gè)由單個(gè)光子探測(cè)器制成的人工突觸，這些探測(cè)器從其他神經(jīng)元中獲取光學(xué)信息。這些輸入信號(hào)由超導(dǎo)電路進(jìn)行組合和處理，一旦它們超過(guò)某個(gè)閾值，就會(huì)激活硅LED，向所有下游神經(jīng)元發(fā)送光脈沖。
研究人員設(shè)想將數(shù)百萬(wàn)個(gè)神經(jīng)元組合在300毫米的硅晶圓上，然后堆疊晶圓以創(chuàng)建一個(gè)高度互連的網(wǎng)絡(luò)，該網(wǎng)絡(luò)模仿大腦的結(jié)構(gòu)，每個(gè)芯片上的光波導(dǎo)處理短距離連接，而長(zhǎng)距離那些通過(guò)fibe處理?光纜。
他們承認(rèn)，需要對(duì)整個(gè)設(shè)備進(jìn)行低溫冷卻是一個(gè)挑戰(zhàn)。但是他們說(shuō)，設(shè)計(jì)中提高的電源效率應(yīng)該抵消這種冷卻的成本，而且人腦規(guī)模的系統(tǒng)與現(xiàn)代超級(jí)計(jì)算機(jī)相比，所需要的電源或空間也不會(huì)更多。他們還指出，有顯著R＆d進(jìn)入低溫冷卻的量子計(jì)算機(jī)，他們可以很可能搭載過(guò)的。
研究人員已經(jīng)通過(guò)實(shí)驗(yàn)證明了該系統(tǒng)的一些基本組件，盡管他們承認(rèn)，將所有組件組合在一起還有很長(zhǎng)的路要走。盡管這些組件中的許多組件都與標(biāo)準(zhǔn)電子設(shè)備制造兼容，但尋找廉價(jià)制造它們并集成它們的方法將是一項(xiàng)艱巨的任務(wù)。
也許更重要的是機(jī)器將運(yùn)行哪種軟件的問(wèn)題。它的設(shè)計(jì)實(shí)行“尖峰神經(jīng)網(wǎng)絡(luò)小號(hào)”類似于在大腦中發(fā)現(xiàn)的，但我們的生物神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)仍然是初步的，而我們的模仿能力他們更是雪上加霜。盡管科學(xué)家和科技公司都在嘗試這種方法，但它的功能仍然遠(yuǎn)不如深度學(xué)習(xí)。
鑒于構(gòu)建這種規(guī)模的設(shè)備涉及巨大的工程挑戰(zhàn)，因此將該藍(lán)圖從圖紙中抽出來(lái)可能還需要一段時(shí)間。但是該提議是尋找人工智能的有趣的新篇章。
