20瓦可以运行下一代AI？科学家们瞄准了神经形态计算
「西部世界」的确要来了！科学家们正试图将人脑安装在AI上。
最新进展由美国国家实验室主导。科学家们正试图将科幻小说带入现实:建造一台超级计算机，占地面积只有两平方米，神经元数量堪比人脑皮层。
更令人惊讶的是，计算表明，这台神经形态计算机的启动速度可能比生物大脑快。25万至100万倍，而功耗只需10KW(仅略高于家用空调的能耗)，这无疑是对当前AI发展困境的一剂强心剂。
目前，人工智能正面临着“能源问题”。随着大语言模型等技术的爆炸式发展，其惊人的用电量已经成为不可忽视的沉重负担。
据预测，到2027年，仅运行这些模型的电费就可能达到25亿美元，甚至超过美国以前的GDP。
但是，相比之下，大自然最强大的智能体——人脑，每天只需要消耗大约。20瓦，只是相当于家用LED灯泡的功率。科学家们不禁想：能不能让AI像人脑一样高效？
答案是：计算神经形态。
这项前沿技术旨在模拟人脑结构和运行模式，正被视为下一代AI的关键方向。其核心目标之一是以“灯泡级”的能耗驱动强大的智能。
神经形态计算：向大脑学习
在人脑中，大约有860亿个复杂的神经元相互工作，一个巨大的信号传递网络通过100万亿个突触共同构建。
受其结构和功能的启发，神经形态计算选择节能型电子和光子网络，即效仿生物神经网络，脉冲神经网络（SNN）构建，旨在将记忆、处理和学习融入到统一的设计中。
其主要特征包括：
- 事件驱动通信：只有在峰值和事件驱动下才能激活必要的电路，从而降低功耗。
- 内存计算：
为了减少传输延迟，数据处理发生在存储位置。
- 适应性：
在不集中更新的情况下，系统会随着时间的推移而自行学习和发展。
- 可扩展性：
在不大幅增加资源需求的情况下，神经形态系统的结构可以轻松扩展，容纳更广泛、更复杂的网络。
与目前依靠二进制超级计算机处理的人工智能模型不同，它可以根据对世界的认知进行动态管理，更智能、更灵活、更不容易受到影响。
例如，当测试人员穿着印有停车标志的t恤走过无人驾驶汽车时，由传统AI控制的汽车做出停车反应，因为它们无法区分前后。
相反，神经形态计算机通过反馈循环和前后驱动的验证来处理数据。它可以清楚地推断停车标志位于t恤上，然后汽车可以继续行驶。
这种差异并不奇怪。毕竟神经形态的计算模拟了自然界中最高效、最强大的推理和预测引擎，科学家们也相信下一波人工智能技术的爆发一定是。物理学与神经科学的融合。
新一轮技术革命前瞻
目前，相关研究正在如火如荼地进行。目前，神经形态计算机有10亿多个神经元，由1000多亿个突触连接而成。虽然与人脑的复杂程度相比只有九根牛一毛，但也合理证明了这项技术可以完全实现大脑级扩张。
Jefff在美国国家标准与技术研究所 Shainline说：
一旦我们能够在商业铸造厂实现建立网络的完整过程，我们就能够迅速扩展到一个非常庞大的系统，创建一个神经元，所以创建一百万个神经元是相当容易的。
而且IBM和Intel等科技公司正处于这场技术革命的前沿，IBM是在2014年开发的芯片芯片TrueNorth以及2018年英特尔推出的Loihi芯片，全部都是为了模拟脑神经活动硬件产品，为后续的新AI模型铺平道路。
另外，BrainChip推出了BrainChip等一些致力于研究神经形态计算的初创企业。Cpu神经形态Akida，专为低功耗但功能强大的边缘AI设计，可广泛应用于智能家居、工厂或城市传感器。
与此同时，根据The Business Research Company估计，到2025年，全球神经形态计算市场规模将呈指数级增长，达到指数级增长，18.1亿美金，复合年增长率高达25.7%。
从长远来看，科学家们希望神经形态计算能够超越传统的人工智能界限，更接近人类的智能推理模式，为下一代智能系统甚至AGI带来新的技术突破。
参考链接：
[1]https://www.lanl.gov/media/publications/1663/1269-neuromorphic-computing
[2]https://news.ycombinator.com/item?id=44194469
[3]https://www.linkedin.com/pulse/neuromorphic-computing-end-quantum-computingor-even-human-yjhac/
[4]https://www.prodigitalweb.com/neuromorphic-computing-brain-inspired-ai/
[5]https://exoswan.com/neuromorphic-computing-startups?ref=quuu&utm_content=bufferede844&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer
本文来自微信微信官方账号“量子位”，作者：鹭羽，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com