装上了这款带有硅神经元和突触的芯片，电话及其他便携设备的功能会更强大。不借助云远程计算能力，移动设备就不能利用现有最好的人工智能技术。IBM设计的这种芯片，正是借用了大脑工作的原理，公司正致力于研发能让移动设备更智能的版本。
去年8月，IBM曾经公布一款芯片，其运作方式类似大脑神经元和突触。现在，这家公司已经开始致力于下一代芯片的研发，旨在让移动设备更加智能化地执行那些大脑擅长但计算机却不擅长的任务，例如语音识别与图像描述。
[caption id="attachment_5414" align="alignleft" width="299"]
IBM设计的这种芯片，正是借用了大脑工作的原理，公司正致力于研发能让移动设备更智能的版本。[/caption]
公司研究人员介绍道，虽然公司正在研发下一代芯片，但是最重要的还是商业化模式。IBM可以将其与任何一种移动设备相结合，无论是机械还是汽车。
将这款灵感来自大脑的芯片植入设备，比如手机，就能够让这些设备识别出用户所说的话以及追踪周遭发生的一切。比如，苹果最新手机能够被「Hey Siri」唤醒，有些使用谷歌软件的手机也能被诸如「OK Google」这样的话唤醒。
IBM的TrueNorth芯片结构源自一个DARPA资助的项目，这个项目旨在实现在不借助云计算基本设备的情况下，在移动计算机上低能耗运行机器智能软件，比如图像或语音识别软件。
目前，IBM正在与顶级计算机系统制造商讨论这款芯片的用武之地，可能会与传统处理器一起，形成「协同处理器」一起工作，并永远不会熄灭。
去年公布的TrueNorth芯片约邮票大小，有100万个硅神经元，带有2.56亿个连接，如同连接真实神经元的突触。较之同等大小的传统处理器，这款芯片耗电是前者千分之一。IBM证实，这个神经元网络能被编程执行诸如实时识别视频不同交通工具等任务。
然而，由于芯片结构与现有计算机芯片不同，需要新的软件编写方法。这种假神经元的工作方式与基于软件的人工神经网络十分不同，谷歌、FB以及微软正是利用后者（通过深度学习的方法）在语音识别与图像描述领域取得重大进步。
TrueNorth芯片结构中的神经元使用电子开关「脉冲」编码数据，模仿生物神经元的脉冲信号，而深度学习使用的模拟神经元并不使用这种脉冲信号。
使用尖峰神经元的人工神经网络——包括IBM——还没有向我们展示，深度学习在执行诸如语音识别或图像处理等任务所取得的成绩。领导Facebook的AI研究实验室的Yann Lecun是深度学习领域的先锋，其已经对这种芯片的实用性表示怀疑。
负责这款芯片研发工作的Dharmendra Modha反驳道，如果要在芯片上以高功率效率运行神经网络，制造尖峰（spiking）将是关键。他说，研究团队已经开始创造能够将受过训练的神经网络转移到TrueNorth芯片上的工具。
他说，他们将这种芯片视为能够布局运行多种神经网络的基层，这些神经网络能被用来实现实时、超低能耗、超低容量应用任务。
索尔克生物学研究所计算机神经生物学实验室的负责人
Terrence Sejnowski也认为，想要电脑在不费电或不使用云资源的情况下执行智能任务，尖峰神经元是一个非常重要的关键。它们存在于自然中是有其原因的。
Terrence Sejnowski是深度学习领域中的佼佼者，来自蒙特利尔大学，他领导的研究表明，将技术准确性转移到硬件尖峰神经元上，要比原先预想地更为容易。上周，与IBM协作语言软件的Bengio在网上po出了一篇论文初稿，文章指出调整深度学习网络中的模拟神经元——让它们更加近似尖峰神经元——并没有损害图像处理的准确性。
即使IBM的大脑芯片结构与深度学习技术得以调和，也会存在竞争问题。谷歌已经在研发简化人造神经网络以便用于移动设备的方法。几个公司，包括高通，正致力于研发设计可以在移动计算机（比如手机或车内）运行现有深度学习软件的芯片。
来自technologyreview，机器之心编译出品。参与人员：微胖，Chen Xiaoqing。
