突破AI極限的關鍵在於「人腦」… 作者: Junko Yoshida, EE Times首席國際特派記者. 類別: 人工智慧; 2018-02-21; (0) 評論. 現在是該認真看待人腦啟發技術的時候了！【11/23直播!】詳解藍牙市場的無"線"未來！報名抽好禮>>登入註冊聯繫首頁新聞TechRoom產品新知網通技術電源技術控制技術可程式邏輯技術處理器技術感測器/MEMS技術EDA/IP技術光電技術儲存技術介面技術無線技術製造技術放大/轉換技術嵌入式系统測試/量測技術下載線上研討會小測驗影音視訊onAir申請中心研討會與活動EEAwardsAsia頒獎直播雜誌編輯計劃表訂閱印刷版論壇X首頁»人工智慧»突破AI極限的關鍵在於「人腦」…突破AI極限的關鍵在於「人腦」…作者:JunkoYoshida,EETimes首席國際特派記者類別:人工智慧2018-02-21(0)評論現在是該認真看待人腦啟發技術的時候了！CEA-Leti首席科學家BarbaraDeSalvo指出，如果沒有新的運算典範和演算法，最終將難以達到AI裝置對於更高處理性能與更低功耗的要求…科學家回歸人類大腦的研究，為當今運算技術尋找新的替代方案，這並不是什麼新鮮事兒。

CEA-Leti首席科學家BarbaraDeSalvo指出，自1950年代中期人工智慧(AI)初露曙光以來，儘管有許多科學家和工程師對此概念一直十分感興趣，但有關AI的研究卻幾經波折。

然而，現在正是認真看待人腦啟發技術的時候了。

至少，「我們應該體認到目前還有其他的技術典範，將有助於我們提出好的問題。

」DeSalvo在今年國際固態電路會議(ISSCC)發表專題演講後接受《EETimes》的訪問表示，「如果沒有新的運算典範和演算法，業界最終將難以達到更嚴格的功耗要求。

」【線上研討會】使用400G/800G乙太網IP將延遲降至最低雖然業界一直在推動嵌入式AI平台，如Movidius的Myriad2、Mobileye的EyeQ5，以及Nvidia的Xavier；但為了符合以較少功耗在邊緣(edge)處理大量分析的終端裝置需求，她指出：「我們距離需要達到的這一步還差很遠」。

（來源：CEA-Leti）DeSalvo在專題演講中比較推論階段的運算效率(GOPS/W)和幾種AI晶片的運算性能(GOPS)。

（來源：CEA-Leti）她指出，在業界的需求和現有解決方案之間仍然存在巨大差距。

「沒有任何晶片——無論是商用發佈、原型、學術界進行設計或開發中的晶片——能夠滿足低於100μW的功耗要求。

」然而，這正是邊緣裝置需要達到的性能，因為它們必須依靠能量採集或微型電池持續運作多年。

為什麼回歸人腦研究？DeSalvo說，我們知道人類大腦的重量約為身體的2%，然而，卻使用了人體新陳代謝的20%。

在20W時，人類的大腦可以處理1,011個GOPS。

DeSalvo強調，迄今為止，世界上沒有任何處理器的「性能和功率能夠比得上人類的大腦」。

DeSalvo解釋說，這種能效級在人類動物的進化過程中發展了很長的時間，在最大限度發揮大腦功能的同時，也使得能量的使用減至最低。

這正是半導體產業得以從生物學借鑑之處。

她表示，傳統的運算架構正致力於滿足功耗要求，主要是因為「每當處理器和記憶體通訊時都需要消耗能量。

」相形之下，大腦突觸在單一架構中包含了記憶體和運算。

她解釋說，這種巧妙的技巧為大腦啟發的非馮·諾伊曼(non-vonNeumann)電腦架構提供了基礎。

對於大腦啟發的運作原則，其本質在於像棘波編碼(spikecoding)和棘波時序相關可塑性(spike-timing-dependentplasticity；STDP)等元素。

她指出，以系統中編碼的神經元狀態來看：過去，神經元使用類比或數值進行編碼；而今，神經形態運算的最新趨勢是將神經元的值編碼為脈衝或棘波。

她並解釋說：「神經元沒有時脈，它們純粹是事件導向的。

」科學界認為棘波編碼和STDP具有發展前景。

如果以脈衝(棘波)來表示輸入/輸出訊號，那麼輸入訊號和突觸權重之間的加乘將在突觸級時降至閘控作業。

在此的目標是經由建置採用異質方案的棘波或基於事件的訊號表示，從而降低功耗。

（來源：CEA-Leti）這是否就像是Chronocam開發的事件驅動影像處理技術？她回答說：「是的。

但是，Chronocam的解決方案