频频引发关注的量子计算和类脑芯片，何时能达预期？：PG电子平台

辨识手写字体的机器学习算法。IBM TrueNorth引起震撼不仅是学术界，在工业界，IBM不仅在量子计算出来的商用化方面进展很快，在类脑芯片的研究中先人一步。

2011年8月在仿真人脑大脑结构基础上，研发出有两个具备感官、理解功能的硅芯片原型TrueNorth引起震撼。2014年TrueNorth第二代公布，大小只有邮票大小的硅片上构建了100万个“神经元”，256个“神经元”，4096个分段产于的神经内核，用了54亿个晶体管，其性能比起第一代也有极大的提高，功耗方面每平方厘米消耗20毫瓦，是第一代的百分之一，直径为几厘米，是第一代的十五分之一。IBM称之为如果 48 颗TrueNorth芯片组修建具备 4800 万个神经元的网络，这48颗芯片的“智力水平”将与普通老鼠相近。2014年IBM公布第二代TrueNorth之后，直到2017年11月，科技部的消息称之为IBM公司将要研发由64个TrueNorth类神经形态芯片驱动的新型超级计算机，该新型超级计算机能展开大型深度神经网络的动态分析，可用作高速空中真假目标的区分，功耗比传统的计算机芯片减少4个数量级。

不过，2014年IBM发布TrueNorth后，深度自学先驱和Facebook AI研究团队负责人Yann LeCun在一篇文章中写到，该芯片在继续执行用于卷积神经网络的深度自学模型展开图像识别的时候不会遭遇艰难。英特尔Loihi芯片比虾脑简单比IBM的TrueNorth新型超级计算机消息早于两个月，英特尔在2017年9月发售了自自学神经芯片Loihi，据报Loihi由 128 个计算出来核心构成，每个核心有 1024 个人工神经元，整个芯片共计多达 13 万个神经元和 1.3 亿个神经元相连。与所有的神经元芯片一样，Loihi仿效了大脑的运作方式，以“性刺激神经元”作为其基本的计算出来基础，根据环境的有所不同对系统模式展开操作者，这些神经元替换了传统硅片中的逻辑门，没将信息作为二进制的1和0展开处置，而是将它们发送到的信号权重，使其功能比二进制更为仿真。英特尔称之为Loihi比当今处理器能耗比提高高达1000倍，并且称该芯片可以适应环境 Go 语言并用于它自学，Loihi几乎不必须倚赖大规模数据和大量算力的深度自学，可以自律自学（self-learning）。

也就是说，Loihi可以在单个芯片上已完成训练和推理小说，用作现实世界中必须动态自学的设备：自动驾驶无人机和汽车，动态适应环境中再次发生的状况；用摄像头寻找失踪人口；或者让红绿灯自动适应环境交通状况。在2018年，英特尔神经拟态计算出来项目主管Mike Davies预测，机器人将是神经拟态计算出来的刺客级应用于。

并回应英特尔早已向特定研究合作伙伴获取了首批研发系统，他们正在展开感官、马达掌控、信息处理等多种应用于的研究。必须认为的是，从神经元数量上看，Loihi 芯片比一个非常简单的虾脑更加简单一些。

而人类大脑由多达 800 亿个神经元包含，也就是说，这个芯片距离仿真人类大脑的内部的简单不道德还很很远。高通的Zeroth芯片到神经处置引擎高通也在类脑芯片上大力布局，2013年，高通回应正在打造出一个全新的计算出来处理器，这项技术需要仿效人类的大脑和神经系统，让终端更为智能，可以预测市场需求，高通将其命名为Zeroth。

2015年，高通回应Zeroth的“脑灵感计算出来”研究项目在2014年获得了明显变革，针对为仿生脉冲神经网络研发的构架和工具，高通早已开始搜集一些登录公司的对系统。高通同时回应Zeroth团队与Planet GmBH合作，展出了在骁龙和Zeroth平台上运营深度卷积迭代神经网络的力量。移动终端几乎基于光学字符识别（OCR）的手写辨识首次获得检验。

高通还用装载该芯片的机器小车展开了展示，使小车在不受人脑灵感的算法下已完成寻路、逃离障碍等任务。MWC 2015上，高通月公布骁龙820以及用于这一处理器的软硬件融合“理解计算出来平台”Zeroth。高通回应利用这一平台，智能手机将显得更为聪慧，可以在用户收到指令前预测其市场需求。

2016年，取名为高通Snapdragon神经处置引擎的SDK配备Qualcomm Zeroth机器智能平台，尤其展开优化以充分发挥Snapdragon的异构运算功能。不过，由于Zeroth在设计之初并不是专门AI手机和移动终端AI芯片的计算出来方案，在功耗和运算效率上依然具有自己的瓶颈，因此，针对AI手机和AI终端的AI芯片高通发售了更加与众不同的AI Engine，Zeroth也没更加多消息。中国团队的类脑芯片除了芯片巨头们，国内AI芯片初创公司西井发售了自律研发的享有100亿规模的神经元人脑建模模拟器（Westwell Brain）和可商用化的5000 万类脑神经元芯片（DeepSouth）两款产品，其中可商用化的芯片能仿真5000万级别的“神经元”，总计50多亿“神经神经元”，据报该芯片不具备“自我自学、自我动态提升”的能力，还可必要在芯片上已完成计算出来，不必须通过网络连接后台服务器，可在“无网络”情况下用于。

还有国内的小型类脑芯片研究团队AI-CTX，据信他们设计出有的一款类脑芯片模型，不仅每个神经元都具备跟人脑神经元类似于的电学特征与动态参数，具备非常简单的运算与存储功能。还使用一种类似的布线方式，使各芯片之间的交流突破物理容许，减少芯片群组的原先网络，擅长于处置如温度、气压、人体信号、loT等包括时间参数的数据。小结量子计算出来和类脑芯片都有可能沦为转变AI的两大技术，但即便巨头们投放大量资源展开研发，这两项技术仍面对许多挑战，规模化应用于也没具体的时间表。这两项技术也被大大批评，IBM发售首款量子计算机之后面对批评，对于谷歌将在2018年构建量子霸权的悲观态度，竞争对手阿里巴巴也明确提出批评。

各大公司的研究成果指出，像IBM TrueNorth这样的类脑芯片运营的效率还不及在传统架构上运用神经网络的芯片。英特尔实验室的高级首席工程师和首席科学家 Narayan Srinivasa 也否认英特尔的Loihi芯片在用于一些深度自学模型时展现出很差。

不过，Heriot-Watt大学教授Michael Hartmann在近期的论文中写到：“我和我的同事期望创建第一台专用的神经网络计算机，用于近期的量子技术而不是AI软件。通过将神经网络和量子计算出来两个计算出来分支融合一起，期望需要产生突破，让AI以前所未有的速度运营，在很短的时间内自动作出非常复杂的决策。”当然，Michael Hartmann也回应这必须十年或更长的时间。涉及文章：【重磅】IBM公布全球首个独立国家商用量子计算机原创文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：PG电子平台-www.perfectwineshk.com