美空军成功测试IBM最新仿人脑芯片，以超低能耗识别俄罗斯坦克精度高达95%｜独家

随着卫星、航空器以及日趋流行的无人机技术的发展，天空中似乎已充满了美国空军（U.S.Air Force）的监视器了，各个国家对此也表示了极大的不满。

但面对质疑和抗议，美国空军仍旧“一意孤行”地探索如何利用仿人脑计算机芯片让各类武器系统变得更加智能化。

或许在未来，飞行器完全可以做到自动识别车辆（如坦克）或防空系统，如此一来，飞行器自身的生存几率和打击效果也会得到大大提升。

近日，美国空军研究实验室（AFRL）利用一种“神经形态仿人脑芯片 ”在雷达生成的航空影像中成功甄别出了军用车辆和民用车辆。 而这种芯片正是由IBM公司研发的， 它极高的精准度足以媲美常规的高性能计算机， 但能耗却连后者的二十分之一都不到 。

美空军曾进行了一次竞赛测试——TrueNorth 芯片的对手是一台名为 Jetson Tx-1 的高性能 Nvidia 计算机——目的是为了便于汽车和机器人等机器增加强大的机器学习能力。 在竞赛中，配有这两种计算芯片的电脑利用不同的神经网络图像处理软件，尝试从一个称为 MSTAR 的公共数据库种甄别出10类军用和民用车辆， 其中的数据实例就包括俄罗斯T-72坦克。

最后的结果是， 两个芯片系统都实现了大约95%的精度， 但IBM的TrueNorth芯片效率更高，功耗仅有Nvidia芯片的二十到三十分之一。

TrueNorth芯片阵列

早在 2014 年，美国空军研究实验室就与 IBM 签订了价值 55 万美元的合同，成为IBM仿人脑芯片TrueNorth的第一个客户。但实际上，TrueNorth 项目在很久以前就开始筹备了。

2008 年，美国国防部高级研究计划局（DARPA）就给了IBM总计5300万美元 供其开发SyNapse项目（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，自适应可塑可伸缩电子神经系统），而TrueNorth正是 SyNapse 项目的最新成果。

几经周折，IBM的研发人员探索了一个又一个的领域，从神经科学到超级计算；从全新的计算机架构到新的编程语言、算法和应用程序。经过了 6 年左右的时间，才最终打造出TrueNorth这款仿人脑芯片。

与当今所有的计算机都遵循的冯诺依曼架构不同，TrueNorth芯片模仿了人类大脑的神经元结构， 研究者在该芯片上设计了一百万个基本单元来模拟哺乳动物大脑中的神经元，并通过两亿五千六百万个“突触”相连接。

该芯片正是利用这种“神经元”网络进行数据处理。与它的“前辈”相比，其计算效率和可扩展性都要更加出众，具有并行、分布式、模块化、可扩展、可容错的灵活架构，而且集成了计算、通信和存储于一体。

甚至可以说，TrueNorth已经重新定义了仿人脑技术包括体系架构、运行效率、可扩展性和芯片设计等在内的方方面面。

除了计算能力出众之外，IBM TrueNorth芯片的优势还在于其强大的认知能力。 随着物联网技术的发展，无数传感器会记录下大量的数据，而如何通过分析这些数据来做出对未来趋势的预判，就变成了一个对计算机能力的考验。

一般情况下，传统的计算机是无法完成这一任务的，直到TrueNorth的出现才使这一切变为可能。

不仅如此，IBM最为知名的超级计算机Watson也因为TrueNorth的加入而变得更加智能化。在未来，小到智能手机，大到超级计算机、云计算网络，或许随处可见TrueNorth的身影。

而美国空军之所以对这种芯片感兴趣，则是因为对于一些复杂问题， TrueNorth 的效率会更高。比如，在资源及空间匮乏的地区，有可能利用这种仿人脑芯片部署先进的机器视觉 ，通常来讲，这往往需要大量的计算和能量消耗，传统的芯片恐怕就难以胜任，此时就需要TrueNorth了。

那为什么TrueNorth可以显著降低运行中的能量消耗呢？ 这就不得不提计算机诞生所自带的天然属性了。

计算机的雏形最早可以追溯到 1642 年Blaise Pascal所发明的机械计算器。而现代意义上的计算机则起始于 1946 年 2 月 15 日“超级巨兽”ENIAC的出现。在随后的一步步发展之中，晶体管也完成了向集成电路和微处理器的升级换代，作为衡量处理器性能的“时钟频率”也在短短几十年间增长了1000倍。

如今，微处理器的运算速度已经是人类大脑的1亿倍了，但这种喜人的发展背后所承担的巨大代价就是高出人脑1万倍的巨大能量消耗。 而在实际比较之中，计算机与人脑耗能的差距会更加明显，如果超级计算机需要12GW能量的话，人类大脑仅需消耗20W。

第一台现代意义上的计算机ENIAC

那究竟是什么导致了这种差异呢？ 简单来讲可归结为两个因素：技术 和架构 。不同于计算机所使用的无机硅片，人类大脑可是一个鲜活的人体器官，更多牵涉到的是有机生物的部分。在技术的部分，或许未来纳米技术的发展可以有效地缩小二者之间的差距。

但当下，人们更关心的则是在架构上的创新 ， 尤其是产品能耗的降低、尺寸的减小以及在最新技术中的应用。 也正因为TrueNorth芯片加载的神经网络模型模拟了人脑的神经元结构，可以以分布式和并发式的方式传导信号，从而弥补了单个神经元运算速度的不足，而神经元在空闲状态下还具有自动关闭的属性。

所以，TrueNorth芯片能在快速、准确分类的同时保持超低功耗。 TrueNorth芯片在邮票大小的面积上集成了100万个“神经元”， 使其不仅拥有一台超级计算机的计算能力，而且运算也更有针对性。相较之下，其功耗却只有区区70mW， 打个比方就是，一部智能手机的电池都足够它运行一个星期的了。

另值得一提的是，IBM的TrueNorth芯片并没有通过大型神经网络对人脑进行模仿，所以它实现了低功耗下的强计算能力，但Google的深度学习系统Google Brain，微软的Adam因为需要大量传统计算机的集群，所以尽管展现出了极强的计算能力，但是能耗却十分巨大。

美国空军研究实验室的高级电子工程师 Wu Qing 就表示：“卫星、高空飞行器以及小型无人机等都将受益于这类仿人脑芯片。空军的作业领域为空中、太空以及网络空间（cyberspace），所有这些区域对于能耗的高低都十分敏感。”

所以，IBM的芯片在这类任务中具备较大的效率优势。毕竟传统的计算机芯片可以说是为了通用的目标所设计的，旨在解决各类型的问题。相较而言，IBM的TrueNorth芯片的硬件专为人工神经网络打造，其100万个物理“神经元”可以应对某一项具体的问题。

那为什么这种架构效率更高呢？ Wu Qing解释道，这是因为芯片的神经元和突触既可以存储数据，也可以处理数据。 而在如Jetson Tx-1的传统系统中，执行计算的组件与存储器是相分离的。这意味着，数据必须从存储器传送到处理器进行分析，然后再返回到存储器被存储，这个过程消耗了大量的时间和能量。

Massimiliano Versace作为波士顿大学神经形态实验室（Neuromorphics Lab）的主管，他曾参与过五角大楼的另一个项目。在该项目中，五角大楼向IBM提供资金，让它开发TrueNorth芯片。Versace称，TrueNorth芯片的确很有前途， 不过它在开发的过程之中也做了一定的取舍，就比如高昂的成本。

Massimiliano Versace教授

得益于英伟达（Nvidia）、谷歌（Google）以及其他公司的相关软件，目前在传统计算机上部署神经网络也变得容易了许多。但因为TrueNorth芯片几乎就是定制的产品，所以它的价格要贵上许多。就目前来讲，易用性和价格已经成为了阻碍专用神经形态芯片进一步普及的两个主要因素。

对于这个问题，Wu Qing 认为，如果IBM能够吸引业界足够的关注借以提高芯片产量 ， 那么TrueNorth的价格应该会大幅降低 。除此以外，IBM公司也表示，为了推广产品，他们正努力使基于该平台的软件开发变得更容易。