研發(fā)一臺計算機，讓它像人類一樣做決策，擁有人類一樣的智力，這是IBM正在考慮的事，現(xiàn)在它朝著目標前進了一大步。

　　IBM開發(fā)了一款名叫TrueNorth的芯片，它可以模擬人類大腦的功能。IBM正在測試芯片，借此證明它與現(xiàn)有計算機相比有多快、有多節(jié)能。

　　正面對決結(jié)果讓人印象深刻。IBM表示，TrueNorth可以調(diào)用深度學習技術(shù)，通過關(guān)聯(lián)分析和判斷可能性做決策，像人類大腦一樣。與擁有相同目的的其它計算機相比，新計算機消耗的能源更少。

　　IBM在博客中表示，TrueNorth芯片具備學習和計算能力，它創(chuàng)造了一種可能能，我們可以將智力嵌入所有的計算設備中，包括物聯(lián)網(wǎng)、智能手機、機器人、汽車、云計算、超級計算。

　　今年早些時候，IBM曾經(jīng)展示過芯片，當時芯片裝進了一臺名叫NS16e的計算機中，它是模仿人類大腦開發(fā)的。計算機可以識別圖片、語音和模式，這些功能是通過處理單元的神經(jīng)網(wǎng)絡進行的。

　　人類大腦有1000億個神經(jīng)元，它們可以通過數(shù)萬億個神經(jīng)節(jié)點（突觸）彼此溝通。其中，視皮質(zhì)可以識別視覺信息，其它部分負責運動機能。

　　和大腦一樣，NS16e擁有“數(shù)字神經(jīng)元”，只是數(shù)量少很多，系統(tǒng)中包括了16顆TrueNorth芯片。每一顆TrueNorth芯片擁有100萬個神經(jīng)元，2.56億突觸，它們通過電路彼此聯(lián)系。NS16e安裝了重新設計的內(nèi)存、計算和通信子系統(tǒng)，可以進行數(shù)據(jù)處理，能耗低很多。

　　IBM曾經(jīng)表示，TrueNorth處理器可以按每秒1200-2600幀的速度給圖片數(shù)據(jù)分類，消耗的能源只有25-275毫瓦。處理器還可以識別圖片模式，這些圖片是用50-100個攝像頭生成的，每秒24幀。如果將芯片安裝到手機中，它也可以具備這種能力，幾天不用充電。

　　和今天的服務器相比，新芯片能耗低很多，今天的服務器依賴于傳統(tǒng)芯片，比如GPU、CPU、FPGA，企業(yè)用這些組件來識別圖片和語音。Facebook、谷歌、微軟、百度用深度學習技術(shù)進行學習，通過解析與圖片、語音識別有關(guān)的答案來學習。這些深度學習系統(tǒng)一般是由GPU驅(qū)動的，功率超過150瓦。

　　TrueNorth擁有算法和深度學習模型，包括識別模式，可以將過去和現(xiàn)有數(shù)據(jù)關(guān)聯(lián)起來。IBM為不同的深度學習模型開發(fā)了相對應的算法，但是芯片可以應用于現(xiàn)有系統(tǒng)，比如MatConvNet。從本質(zhì)上講，開發(fā)者可以用MatConvNet開發(fā)學習模型，TrueNorth負責后臺處理工作。開發(fā)者沒有必要直接接觸TrueNorth。

　　IBM的策略和早期的游戲開發(fā)有點類似，最開始時程序員并不接觸GPU，因為大多人并不知道如何利用芯片的功能。最近，Vulkan替換了OpenGL API，將GPU功能直接展示給程序員看，如此一來，他們就可以更好利用芯片的功能。

　　深度學習的潛力已經(jīng)在無人駕駛汽車上得到體現(xiàn)，強大的計算機引導汽車安全行進，正確識別信號、車道、其它對象。和汽車、服務器中的芯片一樣，TrueNorth會在每一個神經(jīng)元上進行低級處理，然后將結(jié)果匯總，從而識別圖像中的對象，或者識別一種聲音。Nvidia、英特爾的芯片也采用了相同的技術(shù)，但是它們的芯片能耗比TrueNorth高了很多。

　　目前TrueNorth芯片仍然處在發(fā)展初期。IBM計劃研發(fā)一臺計算機，它安裝TrueNorth芯片，規(guī)格跟人類大腦相當，但是IBM面臨一定的挑戰(zhàn)，主要是因為這臺計算機太龐大，要開發(fā)算法和應用有些困難。

　　從2004年開始IBM就在研發(fā)大腦式芯片，2009年，計算機已經(jīng)可以模擬貓的大腦。2011年IBM開發(fā)出原型芯片，它擁有256個數(shù)字神經(jīng)元，具有模式識別能力。如果要真正開發(fā)一臺計算機，讓它模擬人類大腦，還要等很長的時間。

　　IBM還在開發(fā)量子計算機，它可以替代現(xiàn)有PC和服務器，現(xiàn)有設備采用的設計已經(jīng)很老了，用了幾十年。還有一些企業(yè)和機構(gòu)也在開發(fā)可以模擬人腦的芯片，比如惠普企業(yè)（Hewlett Packard Enterprise）、斯坦福大學、德國海德堡大學、英國曼徹斯特大學。