文/陈根
神经科学是关于大脑的科学，神经科学不仅帮助我们探索大脑和意识、治疗疾病或增强人类的能力，它还将指导我们发明出新的合成大脑。神经学模型将引导设计新的，基于大脑工作方式的神经形态芯片，并为后摩尔时代带来新的选择。
如今，大脑的硬件——“神经形态芯片”，正在飞速发展。使用“神经形态芯片”的方法，不仅使得速度更快，并显著地降低了功耗，让智能技术迈入新阶段，同时也增强了人们对大脑电路的理解，为未来的脑机接口和神经修复的硬件系统铺平了道路。
打破“冯·诺依曼”瓶颈
传统计算芯片采用的是冯·诺依曼架构，通过总线连接存储器、处理器，擅长执行序列逻辑运算，有助于数据的解读和处理。
然而，当前，随着处理数据的海量增长，总线有限的数据传输速度则造成了“冯·诺依曼”瓶颈，主要就体现在自我纠错能力受到局限、高功耗、低速率方面。对于正处在“后摩尔时代”的现在，传统芯片的基本性能正在一步步逼近极限。
与传统芯片相比，人脑的信息存储和处理却是通过突触这一基本单元实现的，人脑中千万亿个突触的可塑性使得人脑具备强大的记忆和学习能力。
不仅如此，就算与模拟人脑的超级计算机相比，大脑的优势也显而易见：从功耗角度来看，人脑的能耗仅约20瓦，而超级计算机需要数兆瓦的能量；容错性方面，坏掉一个晶体管就能毁掉一块微处理器，但是大脑不会因为意外失去的大量脑细胞而使整套系统的功能受影响。大脑拥有强大的自我纠正和修复能力，尤其是在我们进入睡眠状态以后；此外，大脑在与外界互动的同时也会进行学习和改变，而不是遵循预设算法的固定路径和分支运行。
基于此，模仿人脑架构设计，通过硅神经元模拟突触并以大规模平行方式处理信息，模拟可变、可修饰的神经变化，从而像人脑一样的神经形态芯片受到了关注。神经形态芯片源头可以追溯到20世纪80年代加州理工学院的卡弗·米德（Carver Mead）的工作。当时卡弗并不打算制造更好的计算机，而只是想弄清楚“大脑如何做到它想做的事”。
然而，在实验中，卡弗发现，细胞中离子通道和电子三极管具有十分相似的电压——电流关系，于是，卡弗提出用模拟电路搭建硅神经元去模仿生物神经结构的脉冲特性，试图用芯片来仿真神经系统的运行，提高计算机在处理感知数据上的思维能力与反应能力。遗憾的是，卡弗本人并没有完成模拟芯片的设计。
好在如今，在科学家们的努力下，神经形态芯片得到了越来越多的重视以及飞速的发展，并逐渐走进现实。实际上，早在2014年《麻省理工科技评论》（MIT Technology Review）刊出的“十大突破性科学技术”的文章，高通（Qualcomm）公司的神经形态芯片就名列其中。
高通（Qualcomm）公司的“神经网络处理器”与一般的处理器工作原理不同。从本质上讲，它仍然是一个由硅晶体材料构成的典型计算机芯片，但是它能够完成“定性”功能而非“定量”功能。高通开发的软件工具可以模仿大脑活动，处理器上的“神经网络”按照人类神经网络传输信息的方式而设计，它可以允许开发者编写基于“生物激励”程序高通设想其“神经网络处理器”可以完成“归类”和“预测”等认知任务。
高通公司给其“神经网络处理器”起名为“Zeroth”。Zeroth的名字起源于“第零原则”。“第零原则”规定，机器人不得伤害人类个体，或者因不作为致使人类个体受到伤害高通公司研发团队一直致力于开发一种突破传统模式的全新计算架构。他们希望打造一个全新的计算处理器，模仿人类的大脑和神经系统，使终端拥有大脑模拟计算驱动的嵌入式认知——这就是Zeroth。
颠覆性的改变
如今，摩尔定律正走向终结，芯片行业50年的神话正在被云计算以及全新的计算架构打破，面对万亿级传感器的增量以及云端网络巨量数据的压力，在传感器中内建中枢传感器成为了紧迫需求，神经形态芯片也就是在这样的背景下，成为了一个必然的选择，并且还将为整个计算机乃至科技界带来颠覆性的改变。
当然，神经形态芯片走到今天，也经过了漫长的发展过程。其中，IBM一直在从事神经形态芯片的研究：IBM公司自1956年创建第一台人脑模拟器（512个神经元）以来，就一直在从事对类脑计算机的研究，模仿了突触的线路组成、基于庞大的类神经系统群开发神经形态芯片也就自然而然地进入了其视野。
IBM第一代神经突触（Neurosynaptic）芯片用于“认知计算机”的开发。尽管“认知计算机”无法像传统计算机一样进行编程，但可以通过积累经验进行学习，发现事物之间的相互联系，模拟大脑结构和突触可塑性。
2008年，在美国国防高级研究计划局（DARPA）的资助下，IBM的“自适应可变神经可塑可扩展电子设备系统”项目（SyNAPSE）第二阶段项目则致力于创造既能同时处理多源信息又能根据环境不断自我更新的系统，实现神经系统的学习性和可塑性、容错、免编程以及低能耗等特征。项目负责人莫得哈（Modha D）认为，神经芯片将是计算机进化史上的又一座里程碑。
2011年，IBM首先推出了单核含256个神经元、256×256个突触和256个轴突的芯片原型。当时的芯片原型已经可以处理像玩Pong游戏这样复杂的任务。不过相对来说还是比较简单，从规模上来说，这样的单核脑容量仅相当于昆虫大脑的水平。到2019年，IBM已经计划利用88万个CPU，研制出与人脑速度相当的模拟人脑系统。
欧洲也很早就启动了人类大脑计划。欧洲的人类大脑计划（Human Brain Project，HBP），开始于2013年，投资总额10亿欧元，吸纳来自24个国家800多名科学家的参与，这也是欧盟未来旗舰技术项目之一。计划在2023年完成一份大脑模拟图以及一系列仿脑计算原型工具。
其中，德国海得堡大学和英国曼彻斯特大学是从事神经形态项目研究的主力，都试图设计出一台具有大脑认知和计算功能的计算机。
海得堡大学的迈耶博士团队负责设计制造的Spikey模拟计算机，其核心的神经形态芯片是采用所谓的模拟式神经拟态方式，用连续变化的电压而不是采用0/1数字状态来仿真神经系统的运行方式，通过定制操作系统，仿真突触神经元间高度复杂的连通性，对神经系统建模。报告显示，该团队成功模拟出昆虫气味处理系统，可以通过闻花来判断植物种类。
曼彻斯特大学的史蒂文·菲布尔团队负责设计的搭载神经形态芯片数字计算机SpiNNaker，由定制的100万颗异步处理的微处理器所构成，用来建立1%的大脑模型并仿真，属于数字式神经拟态。
可以说，当前神经形态芯片的发展，正在推翻传统的处理器，而走向“人类大脑处理器”，这也是芯片产业界正在积极寻求新一轮打开新时代的钥匙。
仿生科学研究的胜利
无疑，神经形态芯片在多感官类数据处理方面的高性能，在人工智能、深度学习方面得天独厚的优势，再加上其低功耗的特点，从硬件优势到软件灵活性都让其未来的应用空间无可限量，一旦成功普及将彻底改变我们的生活。
神经形态芯片实现了从硬件维度让机器像人一样思考行动。尤其是对于人工智能来说，配置了神经形态芯片的机器，其仿脑能力倍增，加之机器比人脑更强的记忆能力，人机优势在硬件层的强强联手，将大大提升人工智能进步的速率，加速人工智能、无人化的发展进程，开创一个智能化社会的新纪元。
除此之外，神经形态芯片还增强了我们对大脑电路的理解，为未来的脑机接口和神经修复的硬件系统铺平了道路。长期以来，人们对人脑的了解几乎都来自对没有任何电活动的死亡组织的研究。正如英国神经科学家戴维·马尔（David Marr）所说的：“通过了解神经元来理解感知，就像通过研究羽毛来了解鸟类的飞行，这是行不通的。”但模拟人类大脑的神经形态芯片却给了人们新机会。
实际上，神经形态芯片的研究方向主要可以分为两大方向：一方面，是数字式神经拟态，通过研究神经的运行机制，在数字芯片上运行神经元的仿真程序并生成类似神经冲动的信号，拟态神经元模型进行数据处理，例如，视皮层模拟、神经形态计算等。另一方面，就是模拟式神经拟态，利用硅的半导体特性，直接将神经细胞的信号传导方式转换到硅基导体上做电路模拟，这种模拟式神经元能够较真实地达到和生命体一样的运算速度。其中，最典型的例子就是将芯片植入人脑内，进行记忆修复。
当前，脑机接口已被用于治疗癫痫：植入癫痫患者大脑深部，为每个受试者建立记忆事物的个体模型。植入电极处于静态，一旦受到训练过的感知需求记忆算法的刺激，就会产生促进作用。或许，人工智能和神经科学融合的最好例证，是通过将硅神经元与生物体整合，制造出“生物混合”计算机。
芯片行业正投入更多努力以利用大脑电路的知识设计特殊的芯片。正如斯坦福大学前任校长约翰·汉尼斯（John Hennessy）所说：“现有的方法已无用武之地，人们正试图重构这一系统。”将拥有数百种算法的神经网络训练安装到这种低功耗的专用芯片上，不但可以提高效率，还能节省计算能力。
因此，随着计算机再现人类大脑功能的技术逐步向前推进，功能变得越来越强大，而神经形态芯片作为一次仿生科学研究的成功实践，其研制思路、成果可也将扩散至生物计算、神经网络、机器学习、类脑计算机等领域的研究，为整个计算机乃至科技界带来颠覆性的改变。