每個(gè)TrueNorth芯片都包含54億個(gè)晶體管，集成了2560萬個(gè)神經(jīng)突觸。在美國國際商用機(jī)器公司（IBM）大腦實(shí)驗(yàn)室的一個(gè)計(jì)算機(jī)監(jiān)控器上，一段從斯坦福大學(xué)塔樓上錄制的視頻短片展示了汽車、自行車、公交車、卡車和行人構(gòu)成的穿梭畫面。每一種交通方式進(jìn)入畫面后，都會(huì)呈現(xiàn)出不同的顏色：紫色代表騎行者，綠色代表行人，深藍(lán)色代表汽車，天藍(lán)色代表卡車，黃色代表公交車。 神經(jīng)形態(tài)芯片賦予計(jì)算機(jī)認(rèn)知能力 這是從一種計(jì)算模式發(fā)展到另一種模式的質(zhì)變。

這些顏色顯示著一枚郵票大小的計(jì)算機(jī)芯片作出的判斷，這枚芯片可以對(duì)不斷變化的場(chǎng)景進(jìn)行監(jiān)測(cè)，并對(duì)進(jìn)入系統(tǒng)的每種交通方式進(jìn)行區(qū)分。該項(xiàng)目負(fù)責(zé)人、IBM硅谷艾瑪頓研究中心電子計(jì)算機(jī)工程師Dharmendra Modha說：“它的判斷幾乎都是正確的。”例如一個(gè)騎自行車的人進(jìn)入畫面后會(huì)迅速被標(biāo)注為紫色，但是當(dāng)騎行者下車推車步行后，顏色會(huì)隨即轉(zhuǎn)為綠色。 “神經(jīng)形態(tài)”的電腦芯片 這種認(rèn)知模式對(duì)人來說輕而易舉，但是對(duì)于一臺(tái)計(jì)算機(jī)來說無異于一項(xiàng)杰作。Modha和他在IBM5個(gè)研究中心以及康奈爾大學(xué)的同事這樣描述這個(gè)小芯片：它是首個(gè)具有“神經(jīng)形態(tài)”的電腦芯片，不同于傳統(tǒng)意義上的平板電腦或手機(jī)中的處理器，它可以像一個(gè)哺乳動(dòng)物的大腦一樣運(yùn)行。

這枚芯片的名字叫作TrueNorth，它標(biāo)志著芯片設(shè)計(jì)上的一次巨大跨越，有望使電腦更好地處理諸如圖片、語音識(shí)別等復(fù)雜任務(wù)，而普通的芯片很難完成。過去若干年來，科學(xué)家一直在嘗試建立一種受人腦啟發(fā)的計(jì)算方式。美國與歐洲的幾個(gè)實(shí)驗(yàn)室也在嘗試過不同的技術(shù)版本。但外界人士表示，TrueNorth具備把神經(jīng)形態(tài)的計(jì)算從實(shí)驗(yàn)室推向現(xiàn)實(shí)世界的潛質(zhì)。

TrueNorth集成了54億個(gè)連接在一起的晶體管，形成了一系列由百萬個(gè)“數(shù)字神經(jīng)元”構(gòu)成的陣列，它們就像生物體的大腦一樣，彼此之間可以通過2560萬個(gè)“神經(jīng)突觸”進(jìn)行對(duì)話。這個(gè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)架構(gòu)可以高效地完成普通芯片難以完成的模式識(shí)別等復(fù)雜任務(wù)。加州勞倫斯—伯克利國家實(shí)驗(yàn)室計(jì)算機(jī)學(xué)家Horst Simon表示：“這是從一種計(jì)算模式發(fā)展到另一種模式的質(zhì)變。”

對(duì)人類來說，感知能力似乎再簡單不過，人們能很容易區(qū)分出騎自行車與滑滑板的區(qū)別。相較而言，盡管現(xiàn)代計(jì)算機(jī)擁有強(qiáng)大的運(yùn)算能力，在這些任務(wù)面前卻一籌莫展。最先進(jìn)的運(yùn)算方式或許可以解決這些挑戰(zhàn)，但是它們卻需要龐大的計(jì)算能力。例如，谷歌最近展示了一套可以用來區(qū)別貓與人臉的計(jì)算模式，但這項(xiàng)任務(wù)需要16000個(gè)集成電路與100千瓦的能耗，而人類的大腦僅需約10瓦能耗。

今天普遍使用的計(jì)算機(jī)芯片是基于70年前匈牙利人John von Neumann提出的系統(tǒng)架構(gòu)。1945年，Neumann引入了處理、記憶和控制單元相分離的現(xiàn)代計(jì)算機(jī)基礎(chǔ)設(shè)計(jì)模型，該模型擅長執(zhí)行序列邏輯運(yùn)算，且有助于進(jìn)行數(shù)據(jù)解讀、電子表格運(yùn)行以及文字處理。但當(dāng)它涉及到大數(shù)據(jù)處理，如處理一些視覺或語言的時(shí)候，就會(huì)陷入困境。

現(xiàn)代芯片必須把資料從記憶庫中抽取出來，然后把抽取的結(jié)果送回到記憶庫中，才能進(jìn)行下一步操作。因此，來回提取與反饋這些數(shù)據(jù)不僅需要能耗，還會(huì)造成交通堵塞。 在過去數(shù)十年中，工程師一直設(shè)法通過縮小晶體管、縮短交流線路以及減少芯片上的其他器件進(jìn)行補(bǔ)償。該辦法確實(shí)縮短了數(shù)據(jù)經(jīng)過的距離，減少了單個(gè)電子器件的能耗，并且提高了運(yùn)行速度。

盡管如此，這種方法還是沒有奏效。由于新型芯片中的單個(gè)器件的尺寸僅有14納米左右，甚至比100個(gè)原子加起來的寬度還小，已接近物理學(xué)設(shè)定的極限。于是，制作者想到把多個(gè)處理器芯片并排鋪陳，用這種方法運(yùn)輸數(shù)據(jù)，從生物學(xué)的角度解決了相關(guān)的技術(shù)問題。 技術(shù)優(yōu)勢(shì) 2012年，Modha與其同事使用IBM勞倫斯利物莫國家實(shí)驗(yàn)室的一臺(tái)名為Sequoia的超級(jí)計(jì)算機(jī)模擬了人類大腦的交流方式，這項(xiàng)實(shí)驗(yàn)使用常規(guī)電路在5000億個(gè)神經(jīng)元和1000億個(gè)神經(jīng)突觸之間進(jìn)行了仿真交流。盡管如此，這項(xiàng)模擬僅僅是真正人類大腦傳輸速度的1/1500，Modha表示，如果要和人腦的交流速度相同，就需要120億瓦特的能耗，相當(dāng)于洛杉磯和紐約市加起來的能耗量。

《自然》雜志認(rèn)為，并行處理和復(fù)雜性的研究是神經(jīng)形態(tài)計(jì)算研究的核心。這個(gè)概念在上世紀(jì)80年代由加州理工學(xué)院電子工程師Carver Mead提出，他同時(shí)描述了模仿神經(jīng)系統(tǒng)架構(gòu)模擬計(jì)算機(jī)電路。美國加州大學(xué)歐文分校休斯研究實(shí)驗(yàn)室（HRL）Narayan Srinivasa等人在Mead的啟發(fā)下，發(fā)明了一種硅制芯片，其計(jì)算電路包括576個(gè)神經(jīng)元和73000個(gè)神經(jīng)突觸，該研究團(tuán)隊(duì)證明這個(gè)芯片對(duì)視覺信號(hào)的解釋異常清晰。

而另一項(xiàng)由英國曼徹斯特大學(xué)Stephen Fuber開展的SpiNNaker項(xiàng)目則由2萬個(gè)芯片組成，每個(gè)芯片代表1000個(gè)神經(jīng)元。盡管該項(xiàng)目與Sequoia模擬實(shí)驗(yàn)的概念很相近，但SpiNNaker的設(shè)計(jì)更側(cè)重在生物學(xué)速度方面模擬大腦交流活動(dòng)。 相關(guān)應(yīng)用 “下一步的限制是資金，而不是想象力。”Modha說。他表示，IBM希望這款芯片盡早進(jìn)入商業(yè)化階段，并已經(jīng)開始尋求與其他公司的合作。他表示，IBM計(jì)劃讓計(jì)算機(jī)領(lǐng)域的科學(xué)家盡快獲得這款芯片，并盡可能地開發(fā)相關(guān)功能應(yīng)用的“聚寶盆”。

為了鼓勵(lì)相關(guān)應(yīng)用，IBM已經(jīng)建立了一個(gè)名為Synapse大學(xué)的虛擬大學(xué)，計(jì)算機(jī)科學(xué)家和研究人員可以在這里學(xué)習(xí)如何對(duì)這些新型芯片進(jìn)行編程。“如果IBM這么做，一定會(huì)有很多人對(duì)它感興趣，并做一些實(shí)在的科學(xué)研究。”Furber說?；蛟S，計(jì)算機(jī)終于開始走出“嬰兒期”，可以執(zhí)行一些人類認(rèn)為“理所當(dāng)然”的日常任務(wù)了。