『您的瀏覽器不支援JavaScript功能,若網頁功能無法正常使用時,請開啟瀏覽器JavaScript狀態』

跳到主要內容區塊

工業技術研究院

:::

工業技術與資訊月刊

出版日期:

正方形 Icon 觀念探索 Trend

矽晶片下的新思維

撰文/湯姆‧賽盟奈特(Tom Simonite) 翻譯/施祖琪

構造再簡單的大腦都能輕易達成辨認影像及在陌生地方遊走等許多任務,但電腦執行這些任務的效率卻非常低落。雖然研究實驗室或大型資料中心的機器可以執行這些功能,但這些機器不但非常龐大,也很耗電,而且還需要專門的程式設計。新一代電腦晶片的功能更接近人腦,或可縮短人工與自然運算之間的深遠隔閡。腦神經科學和晶片技術的進展一日千里,即使起初規模小,但製造出能像哺乳類動物的腦部一樣處理資料的設備已不是天方夜譚,這些「仿神經型態」(neuromorphic)的晶片或許可以給許多充滿前景但尚未完成的人工智慧案子臨門一腳,例如面臨各種路況都可駕駛自如的無人車,以及扮演精明能幹的會話助理角色的智慧型手機。

「現代的電腦是由計算機演變而來,對計算數字很在行,」德滿卓‧摩哈(Dharmendra Modha)說,他是IBM Research的資深研究員,IBM Research位於美國加州艾瑪丹郡(Almaden)。「大腦則是在現實世界中不斷演變。」IBM Research有兩個研究團隊研發出基礎構造仿效哺乳類動物大腦的電腦晶片,摩哈帶領其中一個團隊。這個研究專案名叫Synapse(神經突觸),資金高達1億美元,資金來源是美國國防部的「國防高等研究計畫署」(Defense Advanced Research Projects Agency; DARPA)。

這些晶片原型已經展露初期的智能亮點,不但處理影像的效能很高,學習新技能的方式也和生物學習類似。IBM已研發出能讓軟體工程師編寫這些仿照人腦晶片的工具,另一個原型則由位於加州馬里布(Malibu)的HRL Laboratories研發,不久將被裝入一個很小的機器人飛機中,將從飛機中辨認周遭環境。

早在1980年代初期,美國加州理工學院(California Institute of Technology)的卡佛‧米德(Carver Mead)教授就開始構思仿造人腦的晶片。米德可說是當代電腦運算的始祖之一,他曾研發一種名叫「極大規模整合」(very large scale integration; VLSI)的電腦晶片設計法,讓廠商得以設計更精密複雜的微處理器,以致個人聲名遠播。他的發明使得電腦運算能力一飛沖天,達到爆炸性成長,電腦可望成為主流商品,甚至無所不在,但當年的電腦產業卻安於依循一套始於1945年的藍圖來製造電腦,那就是范紐曼型架構(von Neumann architecture)。

范紐曼型架構之名源於生於匈牙利的數學家范紐曼(John von Neumann),這種架構的設計目的是執行線性序列的指令,無論是智慧型手機或超級電腦,現今所有的電子計算機都只有兩種主要組成要素:一個用以操縱數據的中央處理器,以及一組用以儲存數據和說明如何操縱數據的指令的隨機存取記憶體。中央處理器先從記憶體抓取第一個指令,再擷取執行指令需要的數據,一旦計算機執行了指令,中央處理器再將結果傳回記憶體,於是開啟另一個循環;即使是可以平行處理數據的多核心晶片也有侷限,只能處理幾個同步線性過程。

這套運算法從理論數學和邏輯自然衍生出來,依據這套方法,問題可透過鏈狀架構的推論(linear chains of reasoning)而解決,但針對處理大量資料和依靠大量資料學習,特別是影像或聲音等感官信息,它卻不適合。此外,這套運算法也有先天的問題:為了讓電腦效能更高,電腦產業決定製作更複雜、得以更快執行序列運算的晶片,但工程師也因此面臨嚴重的系統效能和冷卻難題,因為速度快的晶片自然會產生更多廢熱。如今米德已屆79歲高齡,為加州理工學院的榮譽教授,早年他便感覺可以找到更好的運算法,構想一種可以平行執行多達上百萬個指令的晶片,這樣的晶片可以執行前所未有的任務,並高效處理大量如視頻或音頻等非結構化的資料,即使它們較專精於特定的功能,面積也會比較小巧,而且更省電,我們可以從空中飛的、地上跳的(或走的)各種生物身上看到製造這種晶片的前景。米德說:「我們只能從動物的大腦中找到非常相似的功能。」

大腦平行運算時,腦中那些名叫「神經元」(neuron)的導電細胞會不間斷地同步運作。神經元會透過稱為「突觸」(synapse)的細胞接頭影響彼此的電脈衝,突觸藉由細線般的「附肢」(appendage)依繫於一個精密的網絡,當資訊傳入大腦,大腦處理訊息的方式就好比許多棘波(spike)萬箭齊發,發射到各個神經元和突觸,比如說,你的眼睛看見這段文字後,觸動了腦中某種電流模式,你便認得這些字。有一點很重要,那就是神經硬體(neural hardware)也是彈性的:新的訊息會讓突觸自行調整,以讓一些神經元對其他神經元發揮更強或較弱的作用,這個過程會加強人的學習能力,以計算機的術語來說,這是一個可以自行重新編程的超大平行系統。

諷刺的是,儘管范紐曼開啟傳統電腦設計之先河,傳統電腦的設計甚至延續至今日,他當年也感覺仿造人腦的電腦運算頗有潛力。他在當年未及完成的著作《電腦與人腦》(The Computer and the Brain)中,對人腦在大小、效能和功能方面遠勝過電腦,驚嘆連連,他說:「若我們對神經系統進行深入的數學化研究……我們對數學和邏輯的看法可能會大不相同。」逾20年後,米德也有了同樣的想法,那時他發現沒人試圖製造仿造人腦的電腦,「那個時候沒人思考:『我要怎麼做一台這樣的電腦?』我們對這種電腦的運作毫無頭緒。」

在1980年代中期,米德與一些神經科學家合作,研究神經元如何處理資料,最後終於做出自己第一個仿神經型態晶片。他用非常低的電伏特來操作一些電晶體,使得這些電晶體形成回饋網絡,雖然看起來與一群群神經元大為不同,但運作卻十分類似。他用這個方法仿造視網膜和耳蝸的資訊處理迴路(circuit),打造出可以做到例如透過音頻偵測物體邊緣和特徵等功能的晶片,但發明這種晶片並不簡單,受限於當年晶片製作的技術層次,由於仿神經型態的運算仍屬非常新興的研究領域,米德後來轉而進行其他研究。

電腦內的神經元

IBM的艾瑪丹實驗室鄰近聖加州荷西市(San Jose),靠近矽谷但並不位於矽谷,或許這是再思計算機產業的基礎再好不過的地點了。美國「國防高等研究計畫署」招募了兩組研究員到這個實驗室,要打破計算機產業對范紐曼型架構的倚賴,IBM Research資深研究員摩哈領導其中比較大的一組。摩哈的基本做法與米德相似:打造內容物像神經元一樣的矽晶片。但他比米德幸運,現在神經科學和晶片製造的進展已非米德當年可比。

IBM運用多達6,000個電晶體,意欲仿造大腦神經元的電脈衝行為,再將那些矽神經元串連起來,以製作仿神經型態的晶片。摩哈想要串連這些矽神經元來做一個仿似人腦的系統,是受到大腦皮質相關研究的啟發。大腦皮質是大腦充滿皺折的外層。雖然大腦皮質的不同區塊主掌語言或行動等不同功能,它們皆由所謂的神經微柱(microcolumn)組成,重覆製造由100至250個神經元構成的團塊(clump)。摩哈在2011年發表他的神經微柱版本,一小塊矽晶,尺寸和針頭差不多,卻內含256個矽神經元及一組決定多達26.2萬個矽神經元之間突觸接頭的構造的記憶體,若能正確編寫這些突觸的程式,就能創造一個如同真正的大腦神經元那般處理和回應訊息的網絡。

要讓這種晶片發揮功能,你必須先在一台傳統電腦上編寫這種晶片的仿真版本,再將編程轉移到真正的矽晶片上。摩哈的團隊做了一個實驗,實驗中,仿神經型態的矽晶片可辨識從0到9的手寫數字,甚至預測受試者要用數位筆畫出哪個數字,在另一個實驗,經過編程設計,晶片的神經元網絡會玩電動遊戲Pong。

摩哈正針對一種較複雜晶片的初階版本進行測試,這種晶片由一排神經突觸核心(neurosynaptic core)柵格組成,它們瓦狀疊覆平鋪成一種基底皮質層(rudimentary cortax),內含超過100萬個神經元。去年夏天,IBM也宣佈一個以所謂「核心程序」(corelet)的模組建構條碼為基礎的仿神經型態編程架構,用意是讓程式設計人員可以依據一個現有的清單去結合和調整核心程序,就無需苦於應付矽神經突觸和神經元了。IBM已經設計了逾150個核心程序,從辨識影片中的人物到區分貝多芬和巴哈的音樂,都可以駕馭。

會學習的機器

距離IBM艾瑪丹實驗室南部300哩處,「國防高等研究計畫署」專案的另一重點則試圖製造更深入仿造人腦的晶片。在這處的HRL公司由休斯飛機公司創立,目前則為通用汽車與波音公司的合資企業,位於聖塔摩尼卡山丘陵。

在一個沒有窗戶的實驗室,那雅仁‧史尼威薩(Narayan Srinivasa)的晶片位於一堆電線中央,晶片中576個人工神經元的動態顯示在一台電腦螢幕上,狀似脈衝大遊行,好比一個矽腦的腦電波儀。HRL的晶片與IBM發明的晶片相似,也有神經元和突觸,但這些晶片上的神經元與我們大腦神經元很像,一旦接收到新的資訊,會調整自身的突觸連結,也就是說,這種晶片會從經驗中學習。

HRL的晶片仿效大腦的兩種學習現象,一種就是端視訊號傳入的頻率多寡,神經元會對來自另一個神經元的訊號變得較敏感/較不敏感,另一個現象比較複雜:一種名為「脈衝時機相關可塑性」(spike-timing-dependent plasticity; STPD)的過程,一般認為它促進學習和記憶。這個現象意謂神經元對那些過去與自身的訊號活動很相合的神經元較有反應,倘若幾組神經元很有建設性地合作,相互的連結會加強,較派不上用場的神經元連結則會減弱。

針對這種晶片模擬版本所做的實驗結果相當可觀。HRL的晶片也像IBM研發的晶片一樣玩了線上遊戲Pong,但不同之處在於,HRL晶片的程式設計目的其實不是要玩遊戲,而只需移動桌球球拍、感受球的動作和接受回饋(不是獎勵漂亮出擊,就是懲罰漏接)即可。一套120個神經元一開始拼命胡亂擊球,但大約玩到第5局,晶片便很會玩了。史尼威薩說:「我們不對晶片做什麼編程設計,只表達:『厲害』或『糟糕』,晶片就知道該怎麼辦了。」要是遊戲中加了球、球拍或對手,這種神經元網絡也會很快順應任何變化。

這麼一來,工程師最後可能發明出一種機器人,它會跌跌撞撞地度過一段「童年時光」,摸索如何四處移動、遊走,之後同一種機器人可以吸收第一個版本機器人所學的一切。不過,讓機器人度過「童年時光」之後,仍有一些學習能力或許也很好,如此一來,萬一機器人受損,也可適應損傷,或順應不同的地形,調整自己的步態。

今年夏天,仿神經型態計算機運算的遠景將迎接第一場重要考驗,HRL晶片將會告別實驗室的椅子,展翅飛向一個名叫Snipe的掌上型飛機。研究員可以遠端遙控飛機穿越一個個房間,晶片會透過飛機的攝影機和其他感應器接收資訊,不久晶片就會收到訊息提醒它「留意這裏」,日後Snipe再飛越那個房間,晶片就會開啟一個亮燈,顯示它記得曾到過這個房間。以往,以這麼小的一架飛機而言,執行這種辨識任務會耗費太多電力和運算力。

新奇智能

雖然「神經突觸」專案研發的晶片已獲致相當成就,深入發展這類晶片後,是否就能製造出擁有複雜精密的仿人腦功能的機器,仍在未定之天。有些批評家懷疑工程師究竟是否真能深入模仿生物,掌握那些人腦功能。

發明了「脈衝時機相關可塑性」的神經科學家亨利‧馬克拉姆(Henry Markram)就抨擊摩哈針對模擬神經元網絡的研究,直指它們的活動太過簡化。他認為要成功仿造大腦的功能,必須模仿人腦突觸到模組化的規模,他說神經元的活動是受到數十個離子通道和上千個蛋白質的交互作用影響,神經突觸也有很多種,它們的動態都是非線性又混亂的,馬克拉姆的看法是,科學家若要充份掌握真實大腦的功能,一定要考量上述這些特性才行。

「國防高等研究計畫署」團隊則反駁,要完成實用的任務,並不需完全複製大腦的複雜度,而且他們研發的晶片一代代推陳出新,會愈來愈逼近生物大腦的實際運作情形。HRL希望幫助他們研發的矽神經元像大腦神經元一樣自行調節電頻率,以進一步提升晶片效能。IBM則運用從恆河猴大腦皮質各區塊間連結的模擬情況取得的新發現,在最新開發出的仿神經型態晶片上採取前所未有的做法來串連突觸核心之間的連接點,摩哈深信這些連接點對深層大腦運作可能很重要。然而,就算晶片不斷進步,未來仍與人腦內混亂又複雜的實況相差甚遠,即使HRL以一種稱為憶阻器(memristor)的奇特設備為基礎,測驗一種更高密度的記憶體,微晶片似乎也不可能像大腦一樣,在1個1平方公分的面積內,容納多達100億個突觸連接點。

在此同時,仿神經型態的設計仍比現今的電腦先進多了,或許將這類晶片視為一種截然不同的發明,一種嶄新、新奇的智能,是比較恰當的。

儘管這類晶片可能很新奇,IBM的研究主管薩克瑞‧蘭姆尼歐斯(Zachary Lemnios)預測大家可能必須儘早了解這類晶片,許多大企業已經感覺有必要採用一種新的運算智能了。他指出:「傳統做法是在晶片上添加更多運算能力和更強大的演算法則,但這種做法並沒有真正讓晶片升級,這點我們也發現了。」他舉蘋果電腦的Siri個人助理和谷歌的無人駕駛車為例,這些技術並未精密到讓設備可以解讀它們週遭的世界,蘭姆尼歐斯直言:「Google的車子非常依賴事先載入的資料,才能行駛,Siri則得仰仗遠端的雲端伺服器才能辨認聲音和處理語言,資料傳輸有明顯的延誤。」

如今,人工智慧軟體的最尖端發展是一種名為「深層學習」的領域,谷歌、臉書和其他媒體皆趨之若騖。「深層學習」意指運用軟體在一般的電腦架構上模擬非常基本的神經元網絡,這種做法讓谷歌製造出辨認貓咪的軟體,但過程中需要大量的電腦叢集,才能執行模擬的神經元網絡及向網絡傳輸資料。

仿神經型態的機器應該能讓這些功能都收錄於小巧又高效的設備中,以應付無法連線到遠端資料中心的情況。IBM已經與有意使用仿神經型態系統的客戶洽談,保全影像處理與金融詐騙預測是當務之急,因為兩者都要求繁複學習與即時的模式辨別。

無論仿神經型態晶片最後要到何時才派上用場,或如何被使用,很可能與採用范紐曼型架構的機器並用。未來,運算數字仍有必要,就算系統遭遇分析影像等難題,有一台傳統電腦坐鎮,任務會比較好辦,工作也更有效率,於是仿神經型態晶片可用於解決特定任務,就如大腦內不同區塊專精不同的功能。

從電腦發明那天起,相關發明總要為美國軍方效力,依循往例,第一套仿神經型態系統可能也不例外。在「國防高等研究計畫署」主掌「神經突觸」專案的吉爾‧布萊特(Gill Pratt)表示無人機尤其可以採用仿神經型態設備,無需傳輸大量數據或運用運算功能強大的傳統電腦,仿神經型態晶片就可以處理影像,進而辨識地標或目標物。對於這種嶄新電腦晶片的遠景,米德和范紐曼早就瞭望到了。

(本文作者Tom Simonite是Technology Review的資深資訊科技編輯。)Copyright © 2014, Tom Simonite. All rights reserved.

下載全文PDF Icon下載全文PDF