中国芯片登Nature封面:全球首款异构融合类脑芯片,实现自行车无人驾驶


撰文丨鱼羊 栗子 乾明  
来源丨量子位(ID:QbitAI) 


有一辆自行车,载着通用人工智能的希望,登上了最新一期的Nature封面。

它的大脑,是清华研发的类脑芯片“天机”,让自行车真的实现了自行。

你看,跟踪人类的时候,它敏捷地避开路上的障碍,是自主行为:


而就算人类奔跑的路线只是轻微弯曲,自行车依然能准确地做到S型跟踪


当然,它也能听懂人类的语言。只要说出向左,直行,加速,自行车都能流畅地完成:



虽说建国之后不许成精,但通用人工智能 (AGI) 一直是人类追求的理想。

实现理想的路,大致可以分成两条:

一是计算机科学导向,二是神经科学导向。

而自行车背后的“天机”类脑芯片,便是清华团队将这两条原本十分不同的思路,精妙地结合在一起了。

这也是中国芯片,第一次登上Nature。


两种思路如何兼容?


计算机科学导向和神经科学导向,这两种开发通用人工智能的方法各有优缺点,但都代表人脑处理信息的部分模式。

阻碍通用人工智能发展的一个原因就是,这两种导向天差地别,在公式和编码方案上存在根本差异,自然,也就依赖于不同的平台,并且这些平台难以兼容。

而天机,旨在解决这个问题。

清华大学精密教授、类脑计算中心主任施路平带领的研究团队,提出了将两种方案异构融合的架构,并在此架构上发展出了天机芯片(Tianjic)。

天机芯片采用多核架构,有多个高度可重构的功能性核,可以同时支持机器学习算法和类脑电路。

其核心在于脉冲神经网络(SNN)和人工神经网络(ANN)的融合。

SNN模拟生物神经元,是最具生物解释性的人工神经网络;而ANN是从信息处理角度对人脑神经元网络进行抽象,CNN、RNN这样的著名神经网络都属于ANN。

ANN和SNN最大的差异在于,ANN以精确的多位值处理信息,而SNN使用二进制尖峰序列处理信息。

为了在一个平台上实现两种模型,尖峰需要表示为数字序列(1或0),以便与数字编码格式的ANN兼容。

此外,还有其他几个关键点。首先,SNN在时空域中运行,需要在一定时间内记忆历史膜电位和尖峰模式,而ANN在中间累积加权激活并在每个周期刷新信息。

其次,SNN的计算包括膜电位积分,阈值交叉和电位复位,而ANN主要与乘法累加(MAC)操作和激活变换相关。

以及,SNN中尖峰模式的处理需要比特可编程存储器和额外的高精度存储器来存储膜电位,发射阈值和不应期,而ANN仅需要用字节存储器来进行激活存储和变换。

具体的解决方案是,研究人员构建了一个跨范式的神经元方案,又设计了一个统一的功能核(FCore),每个功能核包括轴突、突触、树突、胞体和神经路由器构建单元。

通过可重构功能核灵活的建模配置和拓扑连接,编码方式可以在ANN和SNN模式之间转换,从而实现异构神经网络。

天机芯片由156个FCores组成,包含约40000个神经元和1000万个突触,采用28纳米工艺制程,面积为3.8×3.8平方毫米。既支持神经科学模型,又支持计算机科学模型,同时支持神经科学发现的众多神经回路网络和异构网络的混合建模。

据澎湃新闻报道,施路平介绍称,天机芯片是中国完全自主研发的技术成果,其中的异构融合思路由项目研究团队首先提出。

施路平说,这次只是一个非常初步的研究,人工通用智能是一项非常具有挑战性的工作,目前还处于起步阶段,目前团队已经启动了下一代芯片的研究,预期明年年初可以完成研发工作。

论文第一作者、清华大学精密仪器系副研究员裴京透露,团队的下一阶段计划,是面向问题商业化,把现有的、已经成熟的成果商业化推广。

论文地址:
Towards artificial general intelligence with hybrid Tianjic chip architecture
https://www.nature.com/articles/s41586-019-1424-8

参考链接:

澎湃新闻报道:
https://www.thepaper.cn/newsDetail_forward_4050120


本文转载自公众号“量子位”(ID:QbitAI)

评论已关闭