先泼盆冷水:它跟很多人想的不是一回事

脉冲:把“时间”也当成了一个变量
这点特别容易被忽略。 我们熟悉的神经网络,每个神经元每一轮都要算一遍。哪怕它这一轮什么信息都没收到,也得算。算完还得把结果写回内存。 脉冲神经网络不是。只有“发放”的那一下才产生计算,其余时刻基本静默。 这意味着什么?意味着功耗跟着活动量走,而不是跟着芯片规模走。夜里没车的高速公路,不用为每一米都开着路灯。
真做出来的那些家伙
不是纸上谈兵。 2014年,IBM 拿出 TrueNorth,四千多个核心,集成规模大约是百万级神经元,运行时的功耗在毫瓦量级——这个数字放到今天看依然扎眼。 后来 Intel 做了 Loihi,曼彻斯特大学那边搞了 SpiNNaker 系列,走的是另一条路:拿大量通用小核去模拟脉冲,慢是慢点,但灵活。 国内,清华的天机芯在 2019 年登上过《自然》封面。思路挺实在:让类脑的脉冲网络和常规的深度学习网络跑在同一块芯片上,不硬拗,两种模式各管各的。 南京这边,几所高校也有组在磨神经形态器件。我去过一次,房间不大,仪器堆得挺满,桌上摆着一片片镀过膜的硅片。说实话,看着不太像“未来已来”,更像是个手艺活的作坊。
几个常见误会,顺手拆了

几个常被问到的问题
问:那它现在能商用吗? 能,但范围窄。已经在一些传感器信号处理、始终在线的唤醒电路里冒头了。至于大规模替代谁?短期内看不到。 问:为什么听着热闹,身边却没人用? 软件生态是硬伤。编程范式不统一,换个平台就得重写;脉冲怎么训练,本身就是个没完全解决的问题——反向传播那套在这儿不太灵。 问:那它还有戏吗? 有。它的戏不在取代谁,在于补上那块一直空着的拼图:极低功耗、实时、事件驱动。这块需求真实存在,而且越来越大。说点不客气的

作者|科技
排版|科技
审核|知知
大讲堂