迈向模仿人脑的光电芯片：对一位热衷于改进 SNN 的 NIST 研究人员的采访
图片 由 860 亿个神经元组成的人类大脑可以进行非凡的计算。然而它只消耗十几瓦的能量。它是如何做到的？ IEEE Spectrum 最近与美国国家标准与技术研究院（NIST）的物理学家 Jeffrey Shainline 进行了交谈，他的工作可能会对这个问题有所启发。 Shainline 正在研究一种可以为高级形式的人工智能提供支持的计算方法——所谓的脉冲神经网络（spiking neural networks，SNN），与现在广泛部署的人工神经网络相比，它更接近地模仿大脑的工作方式。今天，主流的模式是使用在数字计算机上运行的软件来创建具有多层神经元的人工神经网络。这些「深度」人工神经网络已被证明非常成功，但它们需要大量的计算资源和能量才能运行。这些能源需求正在迅速增长：尤其是训练深度神经网络所涉及的计算变得不可持续。 图片 Jeffrey Shainline 长期以来，研究人员一直对创造更能反映生物神经元网络的人工神经网络的前景感到好奇。当一个神经元接受来自多个其他神经元的信号时，它可能会达到激活阈值水平，从而导致它 「放电」，这意味着它产生一个输出信号脉冲，发送到其他神经元，可能
机器之心 · 2022-04-24 10:59:00
