科幻照进现实 芯片造脑离我们还有多远？

　　人脑那自傲、强大而又神秘无比的信息处理功能一直令人痴迷。也许是缘于这种痴迷，每当新的技术出现，它们总会被用来进行复制大脑的尝试。虽然在这一过程中我们收获了不少新的信息处理工具，但这些"复制品"和真正的大脑依然相差甚远，这也一次次证明了人类对脑的理解还仅处于"两小儿辩日"的启蒙阶段。

　　然而就在最近半年里，"造脑行动"又有了新的进展：IBM和高通(Qualcomm)两大巨头先后发布了基于神经拟态技术的"脑芯片"。IBM的SyNAPSE芯片号称模拟了一百万个神经元细胞和超过两亿个神经突触连接，初具人工大脑的规模。高通公司4月公布的Zeroth芯片也在硅片上高效地模拟了脑神经元，装载了该芯片的机器小车还能运用"受到人脑启发的算法"完成寻路、躲避障碍等任务。如果几十年前的人穿越过来，恐怕会以为科幻小说全面进入生活了。

　　左：IBM公司于2014年8月推出的SyNAPSE芯片外观;右：高通Zeroth芯片的宣传图

　　那么，"仿真脑"的时代真的要来临了吗?现在下结论似乎还为时过早。在对人脑的模拟上，科学家们还面临着许多困惑和挑战。下面，就让我们来看看"造脑"这个科幻题目在现实世界中究竟现状如何吧。

　　"神经拟态"芯片英雄谱

　　仿照生命体的神经系统的架构来设计大规模集成电路(VLSI)的硬件电子技术，被称为"神经拟态工程"(Neuromorphicengineering)，这门工程学开创于上世纪80年代。在近40年的发展中，神经拟态芯片屡有新作，尤其是最近10年，随着IBM、惠普、高通等电子硬件巨头的加入，神经拟态领域开始呈现加速赛跑的热闹场面。

　　神经拟态的关键在于制造可以产生神经电信号的"拟真神经元"，要达到这一目的，有两种途径可走。第一种是利用硅的半导体特性，直接在硅元件上用积累的电压来模拟神经元的膜电位，这种方式被称为"模拟式神经拟态"。这种方案是神经拟态工程最经典的技术路线，它直接地将神经细胞的信号传导方式转换到了硅基导体上。用模拟方式制造出来的"神经元"能够轻松达到和生命体一样的运算速度，甚至更快。

　　另一种模拟途径是制造一块类似小型电脑的数字芯片，然后在上面运行神经元的仿真程序，由仿真程序负责生成类似神经冲动的信号，这种方案被称为"数字式神经拟态"。开篇提到的IBM公司的SyNAPSE和高通公司的Zeroth芯片采用的都是数字式的拟态方案。数字模拟的优势在于可以灵活采用各种不同的神经元模型，例如在拟真度要求较高的应用中可以加入神经突触和离子通道的详细特性，而在速度要求较高的时候则可以简化模型来保证速度。数字方案虽然仿真速度有所下降，但经过优化后也能达到和神经元一样或更快的运算速度，而更高的灵活性也让它成为了神经拟态技术的热门选项。

　　在各种神经拟态芯片中，绝大多数都混合集成了数字和模拟这两种技术，通过优势互补使芯片达到更好的性能。

　　造脑的巨大挑战

　　现在，已经有了相当多的"类脑"芯片问世，它们看起来相当"酷炫"，但似乎从未能够撼动传统计算机芯片的地位。这很大程度上是缘于"造脑"这件任务所带来的巨大挑战。

　　对很多音乐发烧友来说，"魔声(Monster)"这个耳机品牌应该不陌生。创立魔声品牌的是美国加利福尼亚的华裔工程师李美圣(NoelLee)。李先生年轻时对于音乐品质的细微挑剔已经到了苛刻的地步，以至于在常人所不注意的线材上都发现了可以提升音质的余地。所以魔声公司一炮走红的主打产品其实并不是我们所熟悉的耳机，而是又粗又壮的高端线材(MonsterCable)。魔声公司在技术上的历程引发了一个思考：高质量的信息处理系统往往需要高质量的信号通路，传输通路的重要性有时甚至会超过信息的产生和处理本身。

　　不幸的是，建立通路在电子信息系统里是比较麻烦也比较昂贵的。如果用电子通路来模仿一个有N个神经元的神经网络，那么所有神经元之间两两互通就需要N2条通路。如果每条通路都用一条物理连接来建立，那么模拟的神经元数量稍微一多，线路就会乱作一团乱。目前的半导体芯片技术基本上还是二维布线，所以在一片硅片上能够允许的线路资源就更加有限。要想用这样的通路来实现人脑式的互联互通，几乎一定会被物理规律打翻在地。

　　数据通路带来的灾难

　　为了绕开物理连接的困境，很多神经拟态芯片采用了"互联网式"的方案：先给神经元编上"地址"，然后用路由器分发信息。这种方案虽然避免了纷繁交错的线路，但它的本质是用时间来换空间，如果不想搭出N2条物理通路，那么就得花N2倍的时间来处理路由。随着模拟神经元数量的增长，始终还是绕不过平方级增长的"维度灾难"。所以神经拟态芯片成败的关键往往不是能造出多少个神经元，而是怎么高效处理神经元之间的信息交互。IBM公司的SyNAPSE芯片集成了2亿5千6百万个突触连接，这个数量级的信息交互已经算是相当了不起的成绩。

　　造脑之路不仅受制于物理规律，而且在评价标准上也存在不少争议。世界各地的研究组在造脑课题上研究得很热闹：有的强攻仿真神经元和神经联结的数量，有的专注神经元突触的分子动力学建模，有的则侧重大脑的可塑性学习能力……然而，不客气地讲，不少"造脑"项目多少有点自己树靶子自己打的意思。即使这些努力全部宣告成功，可能研制出来的人工脑也只能在研究者自己划定的条条框框里做点演示而已，它们的功能依然具有很多局限性。