雷鋒網(wǎng)按：TrueNorth是IBM 2014年發(fā)布的仿人腦芯片，在這個只有郵票大小的硅片上，集成了100萬個“神經(jīng)元”，256個“突觸”，4096個并行分布的神經(jīng)內(nèi)核，用了54億個晶體管，然而功耗卻只有70mW。之前，雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))曾報道過IBM用TrueNorth芯片在構(gòu)建了電子的嚙齒動物大腦的新聞（詳見《人工大腦是啥樣的？IBM用48快芯片告訴你答案》），近日，IBM又公布了與美國空軍研究實驗室、美國陸軍研究實驗室、以及勞倫斯·利物莫國家實驗室在TrueNorth芯片應用方面合作的最新成果。

以下是TrueNorth的應用領(lǐng)域：

手勢識別（gesture recognition ）

情緒識別（emotion recognition ）

光流（optic flow ）

圖像分類和對象追蹤（image classification and object tracking）

實時的時空感官信息處理（real-time spatio-temporal sensory information processing ）

機器學習（machine learning ）

機器人（robotics ）

實時語音識別（always-on speech recognition ）

音頻特征提取（audio feature extraction ）

二進制映像分類（binary image classification ）

概率推理（probabilistic inference ）

低能耗的神經(jīng)形態(tài)分類器（energy-efficient neuromorphic classifiers ）

遞歸神經(jīng)網(wǎng)絡（recurrent neural networks ）

生成模型（generative models ）

視覺顯著性網(wǎng)絡（visual saliency networks ）

文本圖像識別（text image recognition ）

移動超聲波（mobile ultrasound ）

快速的稀疏逼近（fast sparse approximation）

......

2016年對于仿人腦計算來說意義重大。IBM的TrueNorth團隊在《針對快速、高能效神經(jīng)形態(tài)計算的卷積網(wǎng)絡》（“Convolutional networks for fast, energy-efficient neuromorphic computing”）論文中證明了，仿人腦計算可以用前所未有的超低能耗執(zhí)行神經(jīng)網(wǎng)絡推理。簡單地說，TrueNorth芯片并沒有采用馮諾依曼架構(gòu)，而是模仿了人類大腦的神經(jīng)元結(jié)構(gòu)，它的計算效率和可擴展性都遠勝今天的計算機。

加載了神經(jīng)網(wǎng)絡模型的TrueNorth芯片，可作為實時感知流推理引擎使用，而且能夠在快速、準確分類的同時保持超低功耗。TrueNorth擁有100萬個神經(jīng)元，郵票大小，能力相當于一臺集成了“神經(jīng)突觸”的超級計算機，然而功耗卻只有70mW，用手機的電池就夠跑它跑一個星期了。

雷鋒網(wǎng)了解到，最近，IBM剛剛聯(lián)合勞倫斯·利物莫國家實驗室、美國空軍研究實驗室、美國陸軍研究實驗室，共同在享有盛譽的2016 IEEE超級計算會議上發(fā)表了關(guān)于TrueNorth的第五篇論文。在論文中，IBM總結(jié)了12年半以來的成果。

IBM的三個合作伙伴：美國陸軍研究實驗室，美國空軍研究實驗室，以及勞倫斯·利物莫國家實驗室，分別在論文展示了不同的TrueNorth系統(tǒng)。

美國陸軍研究實驗室展示了數(shù)據(jù)傳輸方案模型，TrueNorth的低功耗特性使得在收集數(shù)據(jù)的同時能夠進行計算。該模型使用了單芯片的NS1e主板和一臺安卓平板，美國陸軍研究實驗室的科研人員允許訪問者在平板上手寫算數(shù)運算式，然后手寫的算數(shù)式會被傳送到NS1e上進行字符識別，而那些被識別的字符將會被傳送回平板進行計算。

當然，實驗的最終目的并不是要做一個手寫計算器，而是想展示如何利用TrueNorth芯片的低功耗和實時模式識別特性，幫助在部署數(shù)據(jù)收集時，減少延遲、降低數(shù)據(jù)復雜性、減少傳輸寬帶需求，同時解決分布式系統(tǒng)終端的數(shù)據(jù)存儲需求。

美國空軍研究實驗室則展示了另一個應用模型：利用TrueNorth橫向擴展系統(tǒng)來執(zhí)行并行數(shù)據(jù)的文本提取和識別任務。在這個應用中，圖像文本被分割成單獨的字符，然后被傳輸?shù)矫绹哲娧芯繉嶒炇业腘S1e16 TrueNorth系統(tǒng)里進行并行字符識別。歸類之后的結(jié)果將會被傳送到基于推理的自然語言模型中來重建單詞和句子。這個系統(tǒng)每秒中可以處理16000個字符。美國空軍研究實驗室計劃將詞句的推理算法也植入到TrueNorth中。

得益于TrueNorth芯片自然堆疊的特性，勞倫斯·利弗莫爾國家實驗室用有16塊芯片的NS16e擴展系統(tǒng)，通過大型的神經(jīng)模型和更復雜的算法，來探索后馮·諾依曼時代的計算潛力。在超級計算的論文中，他們探索了單芯片在監(jiān)控增材制造過程中的原位合成（一種最近發(fā)展起來制備復合材料的新方法）的應用。

勞倫斯利弗莫爾國家實驗室訓練了一個TrueNorth網(wǎng)絡，能夠追蹤激光熔化機的焊點質(zhì)量，而且可以識別7種等級。實時的焊點質(zhì)量監(jiān)控使得閉環(huán)工藝改進和立即排除缺陷部件成為可能。這只是勞倫斯·利弗莫爾國家實驗室正在開發(fā)的，能夠展現(xiàn)TrueNorth作為可擴展平臺的低功耗和實時推理特性的幾個應用之一。

目前，TrueNorth仍然只是一個概念驗證的研究模型。IBM表示，未來將發(fā)布更多的API，讓合作伙伴能夠?qū)崟r傳感器連接到TrueNorth。像三星的digital eye以及加州大學歐文分校的自動駕駛機器人的早期模型都已經(jīng)在試驗中。IBM的首席科學家Dharmendra Modha則表示：“我有信心，我們可以在未來的4年里達到商業(yè)化的規(guī)模。”

距離TrueNorth的發(fā)布已經(jīng)兩年了，相比發(fā)布時的轟動，它的前景在近兩年里一直被質(zhì)疑。借著AI大熱的東風，TrueNort會迎來真正的爆發(fā)嗎？

via IBM