一种颠覆传统计算机架构的芯片

计算机早已成为我们生活中不可分割的一部分——变得更快、更小——它们的基本架构没有改变：一部分存储信息——内存（RAM 或随机存取存储器，以及硬盘）。另一部分——CPU 或中央处理器——处理信息。 

但是现在，位于海法的以色列理工学院的 Shahar Kvatinsky 副教授提出了一种结构替代方案。将“思考”和“记忆”功能整合到一个单元中，他在芯片的硬件中构建了一个神经网络，并作为概念验证——教它识别手写字母。他的研究成果最近以“基于硅突触的忆阻深度信念神经网络”为题 发表在著名期刊《自然电子》上。

“我们喜欢将计算机描述为‘大脑’，但用于存储信息和使用信息的完全独立的硬件并不是有机大脑的工作方式，”Kvatinsky 解释说，他是Technion维特比电气与计算机工程学院的成员. 他开发了神经形态硬件——受神经系统中存在的神经生物学结构启发的电子电路。这种计算机的想法最初是在 80 年代在加州理工学院提出的，但自那时以来，现代技术的发展使该领域取得了长足的进步。

人们可能会认为现代计算机已经超越了人脑——因为计算机已经击败了最好的人类国际象棋和围棋选手。虽然答案是“是”，但击败多位围棋高手的 AlphaGo 程序依赖 1,500 个处理器，每场比赛的电费为 3,000 美元。人类玩家在同一场比赛中的能量消耗或多或少相当于一个三明治，而且同一名玩家还能够说话、驾驶和执行无数其他功能。计算机还有很长的路要走。

通过与世界领先的高价值模拟半导体解决方案生产商 Tower Semiconductor 合作，该公司为全球汽车、医疗、工业、消费品、航空航天和国防等行业的 300 多家客户提供模拟集成电路 - Kvatinsky 和他的团队设计并制造了一个计算机芯片，它就像一个有机大脑，可以做任何事情。它存储信息并对其进行处理。该芯片也是纯硬件的，这意味着它的编程不是分开的；它被集成到芯片中。 

该芯片的作用是学习——具体来说，是学习手写识别，这是通过深度置信算法实现的一项壮举。与目前研究的大多数使用新兴非常规技术的神经形态芯片不同，这款芯片基于 Tower Semiconductor 制造的商业技术。

面对每个字母的多个手写示例，芯片可以识别出哪个是哪个，并以极低的能耗实现了 97% 的识别准确率。

人工神经网络以类似于活人大脑的方式学习。他们会看到例子（手写字母的例子，在这个特定的研究中）并自己“找出”使一个字母与其他字母不同但与不同笔迹下的同一字母相似的元素。当神经网络实现为硬件时，学习过程加强了一些节点的传导性。这与我们学习时大脑神经元之间的联系得到加强的方式非常相似。

无所不能的芯片有无数的潜在用途。例如，Kvatinsky 建议，这样的芯片可以集成到智能手机和类似设备的相机传感器中，从而消除模拟数据到数字的转换——这是所有此类设备在对图像应用任何形式的增强之前执行的步骤。相反，所有处理都可以直接在原始图像上执行，然后再以压缩数字形式存储。

“商业公司一直在竞相改进他们的产品，”Kvatinsky 解释说。“他们负担不起回到绘图板并从头开始重新构想产品。这是学术界的一个优势——我们可以开发一个我们认为可以更好的新概念，并在它可以与市场上已有的产品竞争时发布它。”

这项研究由 Kvatinsky 实验室的两名研究人员领导。现在在中国深圳领导自己的研究小组的博士后研究员 Wei Wang 构想了基于硬件的深度置信网络的理论概念并进行了实验测量，而博士生 Loai Danial，此后完成了博士学位研究并在 Mobileye 工作，设计了物理芯片并领导了其制造中涉及的步骤。这项工作得到了欧洲研究委员会 (ERC) 和欧盟地平线 2020 未来和新兴技术 (FET)-OPEN 计划的支持。