我们告诉您谁和为什么参与其中。
/照片PawełCzerwiński不飞溅什么是神经形态芯片
这是一个处理器，其操作基于人脑的动作原理。 这种设备模拟神经元的工作及其过程（轴突和树突），负责数据的传输和感知。 神经元之间的连接是由于突触而形成的，突触是通过特殊的触点传输电信号。
神经形态设备的任务之一是加速卷积神经网络的训练以进行图像识别。 基于此技术的人工智能系统不需要通过网络访问具有培训数据的大型存储库-所有信息始终包含在人工神经元中。 这种方法可以在本地实现机器学习算法。 因此，预计神经形态芯片将在移动设备，IoT小工具以及数据中心中找到应用。
为什么工程师会受到人脑的启发
参与开发神经形态芯片的工程师（我们将在后面详细讨论），首先，请注意人脑的高计算能力。
根据多项研究，我们的大脑具有潜在的百亿亿亿次性能。 具有这种计算能力的传统超级计算机仍在开发中 -预计最早会在2021年之前出现 。
同时，大脑具有极高的能量效率，这是参与神经形态系统发育的人的第二个重要因素。
/图片jesse orrico Unsplash当然，人工系统有很大的局限性。 神经网络与生物学上的神经网络的不同之处在于，在学习新任务时无法“记住”过去的技能。 经过训练可识别狗的算法无法区分人。 但是来自该领域的专家希望神经形态芯片将为训练多任务神经网络并解决类似问题提供新的机会。
第一批神经形态芯片
创建人造神经元的最初尝试是在上世纪60年代。 然后，微处理器的未来发明者
Ted Hoff （Ted Hoff）与斯坦福大学教授Bernard Widrow（Bernard Widrow）一起
创建了基于
介电常数 的单级神经网络-具有存储功能的电化学电阻器。 可以相信，这种发展为神经形态工程学奠定了基础。
在80年代，
Carver Mead工程师建议使用晶体管作为模拟组件，而不是数字开关。 在90年代，由Mead领导的团队推出了一种能够长时间存储信息的人工突触，以及一种基于
浮栅晶体管的神经形态处理器。
同时，美国总统布什宣布了“
大脑十年 ”的开始，并呼吁赞助旨在研究该器官的计划。 所有这些都推动了
神经信息学和
计算神经生物学的发展，并为进一步研究该主题创造了基础设施。
在过去的十年中，人类对大脑工作的认识达到了新的高度。 自2013年以来，瑞士一直在开发
人脑计划 （HBP）。 同年，美国发起了“
大脑计划” 。 这些举措对人工智能系统领域产生了重大影响，并导致了新的神经形态技术的出现。
今天正在开发什么
如今，神经芯片正在IBM创建。 早在2008年，该公司的工程师在DARPA的支持下参加了SyNAPSE计划，该计划开发了冯·诺依曼（von Neumann）以外的计算机体系结构。 三年来，IBM成功开发了具有256个人工神经元（每个神经元具有256个突触）的核心。 三年后，该公司推出了
TrueNorth处理器，该处理器包含4096个这样的内核-超过一百万个神经元。 它已用于
手势识别和
语音 识别任务。 该公司的开发人员说，基于TrueNorth的计算系统将能够成功模拟猫的大脑。 但是，许多专家
认为这样的表述显然是夸张的。
另一个开发神经形态计算系统的大型IT公司是英特尔。 去年，他们推出了Loihi芯片。 它
包含 128个神经形态核，每个核模拟1024个神经元。 您可以使用以Python编写的API对处理器进行编程。 这些设备的第一批副本已经发送到几所领先大学的数据中心，以对实际任务进行测试。
对于大学来说，曼彻斯特大学的工程师也在研究神经形态芯片。 去年，他们推出了
SpiNNaker架构，该架构由
100万个内核组成，能够模拟
一亿个神经元的运行 。 此安装消耗100 kW。 您可以使用
PyNN语言对计算机进行
编程 。 迄今为止，该机器已用于模拟鼠标大脑中发生的过程。
尽管近年来取得了进步，但可以说神经形态铁处于其发展的早期阶段。 AI系统在其基础上构成的任务主要限于对象识别。 不过，IT行业的代表们坚信，未来，神经形态硬件将允许进行全面的仿真并开发全新的计算功能。
我们在博客上写的内容：