IBM研究人员已
发布具有神经形态TrueNorth芯片结构的
专利申请。 我们决定查看此文档，并讨论IBM处理器的工作方式。
/ Flickr / IBM研究 / CC关于TrueNorth
TrueNorth是IBM在DARPA的支持下于2014年开发的神经形态处理器。 术语“神经形态”是指芯片的结构基于人脑的原理。
这种设备模拟了数以百万计的
神经元通过
树突和
轴突产生的工作 。 前者负责信息的感知，而后者负责信息的传输。 此外，所有神经元通过
突触相互连接-特殊触点，通过该触点传输电信号（神经冲动）。
根据IBM开发人员的说法，TrueNorth的目标是加速神经网络的学习。 与传统处理器不同，神经形态处理器不需要每次都访问存储器（或寄存器）并从中提取数据-所有信息已经存储在人工神经元中。
芯片内部是什么样的
TrueNorth采用28纳米工艺技术制造。 该处理器包含54亿个晶体管和4096个内核。 每个内核都配备了任务调度程序，SRAM和路由器。 这种结构使我们能够模拟一百万个神经元和2.56亿个突触的工作。
IBM在其
专利中引用了以下方案：
芯片的原理可以通过用于图像识别的卷积神经网络的示例来表示。 处理器是神经元层。 当神经元识别数据（例如人物的轮廓）时，就会产生脉冲。 通常，每个这样的脉冲表示图像的一个像素。
此外，第一层神经元（通过所有相同的脉冲）将数据传输到下一层。 因此，网络逐层识别图像-首先识别轮廓和细节，然后识别整个图片。
常规语言不适用于编程神经突触核。 因此，IBM
开发了一种特殊的语言Corelet。 它具有OOP的基本属性：封装，继承和多态性，并且基于MATLAB。 有了它，内核就被定义为类，以使管理工作更加容易。 开发人员在演示文稿中提供了示例代码（
第17页 ）。
类似的解决方案
神经形态处理器不仅在IBM工作。 自2017年以来，英特尔一直在开发
Loihi芯片。 它由13万个人工神经元和1.3亿个突触组成。 今年，这家IT巨头
完成了14纳米制程技术原型
的生产。 根据第一批测试的结果，该芯片可以在几秒钟内从不同角度识别3D数据，并吸收用于训练的数据集。
Brainchip正在开发另一个类似的项目。 他们的Akida系统包含120万个神经元和100亿个突触。 该处理器配有用于识别图像，音频数据和模拟信号的接口。 系统设备图
显示在项目网站上 。
神经芯片适合哪些任务
设计了类似的技术来加速对“锐化”图像识别的
卷积神经网络的训练。 例如，在2017年，研究人员
测试了 TrueNorth和DVS相机（动态视觉传感器），其原理类似于视网膜的操作。 神经网络识别出10个手势，准确率达96.5％。
此外，将在处理器的基础上创建网络防御系统。 IBM的研究人员已经
提出了 True Cyber Security解决方案
的概念，该解决方案可以在90％的情况下检测到入侵计算机网络的情况（其中80％的情况决定了攻击的类型）。
根据神经处理器的开发人员的说法，基于该技术的MO系统将不必始终连接到网络进行训练，因为所有算法都将在本地实现。 该特性将使该芯片可用于基于AI系统的智能手机，数据中心和智能设备。
研究人员尚未开发解决方案，以简化对芯片进行编程以执行特定任务的方法。 专业PM只是整个生态系统发展的第一步。 因此，无需谈论在用户设备中大规模实施技术。
PS：我们有一个Telegram频道 -我们在其中撰写有关虚拟化技术和IaaS的文章：