藉由以特殊用途硅電路復制人腦神經元(neuron)、突觸(synapse)、樹突(dendrite)與軸突(axon)功能，IBM宣稱已經開發出首款客制化感知運算內核(custom cognitive computing cores)，將數字棘波神經元與超高密度芯片上交叉開關(crossbar)突觸、事件導向通訊(event-driven communication)等功能結合在一起。
上述的IBM研究成果是與美國國防部高等研究計劃署(DARPA)合作的“SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics，神經性自適應塑料可微縮電子系統)”計劃的“零階段(phase zero)”與“第一階段(phase one)”最大進展。
IBM現在將與合作伙伴美國哥倫比亞大學、康奈爾大學、加州大學梅西分校(University of California-Merced)與威斯康辛大學麥迪遜分校進入該研究計劃的第二階段，在未來的18個月并將有一筆2,100萬美元的資金注入。加計這筆新資金，DARPA截至目前為止已經在該計劃投入4,100萬美元
SyNAPSE計劃的最終目標，是建立一套內含10億神經元、100兆突觸的“類人腦”電腦，而且其尺寸與功耗也要與人腦相當。
“我們希望能擴展并補充進行實時不確定環境(realtime uncertain environments)信息處理的傳統馮諾依曼電腦架構功能；”IBM研究中心(IBM Research)計劃領導人Dharmendra Modha表示：“感知電腦必須能整合來自情境依賴形式(context dependent fashion)下不同傳感器的輸入信息，才能接近人腦的實時感覺運動反饋回路(sensory-motor feedback loop)。”
而雖然IBM聲稱其客制化感知運算內核是業界首創，但歐洲上個月也發表了一項打算利用ARM內核處理器模擬人腦的研究計劃SpiNNaker(參閱電子工程專輯報道：英科學家將利用百萬ARM核實現人腦模擬)。
傳統馮諾依曼電腦架構無法處理來自今日傳感器元件的多重同步數據流，但人腦能藉由分散式處理以及分布在神經網絡的存儲器，輕松處理這類任務。值得一提的是，傳感器數據是透過叫做樹突的輸入線，將信息輸入神經元。
神經元會將輸入的數據整合，直到一個極限值，屆時激發一個脈沖至其輸出軸突，該時機是由連接其他神經元的突觸權重(weight)來決定。
IBM開發的感知運算芯片尺寸約3mm寬，據說已經證實具備與人類對打電子游戲“Pong”(而且會贏)，以及分辨不同形式的手寫數字7的能力
至于人腦的模式識別(pattern recognition)功能，是由突觸去“學習(learning)”哪些連結是最常用的，這使它們變得更強壯，而較少用的連結就會逐漸消失；透過這種模式，神經網絡會閉合感覺運動回饋回路，一旦某個模式藉由傳感器的輸入信息被辨別出來，輸出運動神經元就會產生反應。
IBM利用交叉開關陣列復制人腦架構來掌管突觸，然后這些突觸會去學習哪些感官模式是與所渴望的運動控制輸出相對應。交叉開關陣列會藉由整合大規模的樹狀突扇入(fan-in)，而將神經元與傳感器輸入連結，接著輸出脈沖到軸突，將個別突觸連結饋入網絡中其他神經元。
“突觸是由交叉開關陣列所實現，其中垂直線是輸入樹突，水平線則是輸出軸突；”Modha解釋，“每個神經元會為了與其他神經元通訊而激發，其存儲器與處理器完全整合，不同于馮諾依曼架構的兩者分離。”
上一篇：MIC：明年半導體產值成長緩
下一篇：海思將收購重郵信科，TD-LTE必兼容TDS - 完 -