類腦計算  新晶片擴展人工智慧可能性

根據《Quanta》科學雜誌，人工智慧演算法可能無法以目前的速度保持增長。因為像深度神經網絡這樣的演算法，就是受到鬆散的大腦所啟發的。多層人工神經元透過稱為「重量」（weights）的數值相互連接，而且每年都在變大。因此，硬體更新可能將會無法跟上運行這些海量演算法所需的大量記憶體和處理能力，這代表人工智慧演算法的規模可能會碰壁。

根據雜誌，即使我們可以不斷擴大硬體以滿足人工智慧的需求，還有另一個問題：在傳統電腦上運行它們會浪費大量能源。運行大型人工智慧演算法產生的高碳排放對環境有害，而隨著算法變得越來越龐大，情況只會變得更糟。

但有一種解決方案，稱為「類腦計算」。其使用包含電子模擬電路的超大型集合系統，來模擬神經系統中存在的神經生物學結構。不幸的是，雖然這些晶片在節能方面可以超過數位電腦，但它們卻缺乏運行大型深度神經網絡所需的計算能力。這讓人工智慧研究人員忽視它們。

然而，在8月的時候，史丹佛的研究員Weier Wan, H.-S. Philip Wong、Gert Cauwenberghs公開了一種名為NeuRRAM 的新型神經形態晶片，該晶片包含了 300 萬個儲存單元，和數千個內置在其硬體中以運行演算法的神經元。

此晶片使用了一種相對較新的記憶體類型，稱為電阻式 RAM 或 RRAM。與以前的 RRAM 晶片不同，NeuRRAM 被設計為以「模擬方式」運行，可以節省更多的能源和空間。數位儲存是二進制的（ 1 或 0），而 NeuRRAM 晶片中的模擬儲存單元可以在一個完全連續的範圍內儲存多個值。這讓這個晶片可以在相同數量的晶片空間中，儲存更多來自大量 AI 演算法的資訊。

因此，新晶片可以像數位電腦一樣，執行圖像和語音識別等複雜的人工智慧任務。研究員們表示，其能效提高了 1000 倍，而且也為微型晶片在智慧型手錶和手機等，小型的人工智慧設備中運行越來越複雜的算法開闢了可能性。

研究RRAM 以久的香港大學研究元Zhongrui Wang表示，這項技術非常獨特，它在不同的層面做出了貢獻，不但是在設備層面、電路架構層面還是演算法層面。（編譯 / 莊閔棻）

參考資料： Quanta Magazine

瀏覽 2,388 次