去年8月，国际商业机器公司(IBM)公布了一款芯片(见上图)，其运行方式类似于人脑的神经元和突触。目前，这家公司正着手开发该芯片的新一代产品，旨在让移动设备更加智能化地执行那些对人脑来说很简单但对计算机来说却很难的任务，比如语音识别和图像解译。

“我们正在开发该芯片的新一代产品，但目前最重要的是商业合作伙伴。”负责IBM研究院(IBM Research)和多个业务部门——其中包括两个致力于开发机器智能软件沃森(Watson)套件的部门——的IBM高级副总裁约翰·凯利(John Kelly)说，“企业可以将该产品用于各种不同的移动设备、机器和汽车等产品中。”

凯利表示，在将人脑仿生芯片安装到手机等产品中之后，这些产品就可以识别用户所说的话，同时也可以追踪周围发生的事情。

时下，与之最接近的设备可以听懂特定关键词：苹果(Apple)最新推出的iPhone可以通过语音“Hey Siri”唤醒，而一些使用谷歌(Google)软件的手机则可以通过语音“OK Google”唤醒。

IBM开发的这款名为TrueNorth的芯片架构，是美国国防高级研究计划署(DARPA)资助的一个项目，目的是在不借助云计算基础设施的情况下，让移动计算机以极低能耗运行图像或语音识别等先进机器智能软件。

凯利说，目前IBM正与领先的计算机系统制造商就TrueNorth设计的应用进行洽谈，但他没有透露这些公司的名称。“我们正在与移动领域和物联网领域的知名公司谈判。”他说。

同时他还表示，TrueNorth芯片可以作为“协处理器”安装到设备设计中，使其与传统处理器一同工作，而且它会一直运行。

去年8月公布的TrueNorth芯片，其尺寸与邮票大小相当，有100万个硅“神经元”以及2.56亿个如同突触的连接。与同等大小的传统处理器相比，该芯片在能耗方面不及前者的千分之一。在IBM的展示中，该芯片的神经元网络可以执行诸如对视频中不同车辆进行实时识别等任务。

然而，由于TrueNorth芯片架构与当前计算机的芯片架构存在很大不同，所以它需要新的软件编写方法。此外，仿神经元的工作模式与基于软件的人工神经网络的工作模式也有所不同。

最近，谷歌、Facebook和微软(Microsoft)等公司就利用后者、通过一种名为“深度学习”(deep learning)的方法在语音和图像处理方面取得突破。

IBM开发的TrueNorth芯片架构上的神经元通过电控开关“尖峰”(spikes)对数据进行编码，尝试模仿生物神经元的尖峰信号，而深度学习中的模拟神经元则不使用这种信号。

在执行语音识别或图像处理等任务时，使用尖峰神经元的人工神经网络的表现(包括IBM技术在内)并不及使用深度学习方法的人工神经网络。Facebook人工智能研究实验室负责人、深度学习的倡导者雅恩·勒昆(Yann LeCun)，就对前者的实用性表示了怀疑。

负责IBM人脑仿生芯片开发的达蒙德拉·莫达(Dharmendra Modha)反驳称，要想让神经网络在芯片中保持高效运转，尖峰至关重要。他还表示，他的团队已经着手开发相关工具，可以将训练好的深度学习神经网络转移到TrueNorth芯片上。

“你可以把这款芯片想象成一种基质，上面各种各样的神经网络可以以超低能耗和超低容量实时映射各种应用。”他说。

美国索尔克生物研究所(Salk Institute for Biological Studies)计算神经生物学实验室负责人泰伦斯·谢诺沃斯基(Terrence Sejnowski)也表示，在不利用云资源的情况下，要想让紧凑型计算机以低功耗执行智能化任务，尖峰神经元很重要。

它们存在于自然中是有原因的，泰伦斯说。

加拿大蒙特利尔大学(University of Montreal)的约书亚·本吉奥(Yoshua Bengio)也是一位深度学习的倡导者。他表示，该技术的准确性可以转移到硬件尖峰神经元上，而且要比原先预想的简单。

本月上旬，与IBM在语言软件方面有合作的本吉奥在网上贴出一篇论文初稿，表示对用于深度学习的模拟神经元进行改进，使之更接近尖峰神经元，这不会损及图像处理的准确性。

即便IBM的人脑仿生芯片架构可以“调和”深度学习技术，但竞争依然存在。谷歌早已着手开发可用于现有移动设备的人工神经网络，而包括领先的移动处理器设计巨头高通(Qualcomm)在内的多家公司也正在开发芯片，用于运行手机等移动设备或汽车上安装的深度学习软件。