兩年了，當初轟動的TrueNorth晶片最近有哪些進展？

雷鋒網按：TrueNorth是IBM 2014年釋出的仿人腦晶片，在這個只有郵票大小的矽片上，集成了100萬個“神經元”，256個“突觸”，4096個並行分佈的神經核心，用了54億個電晶體，然而功耗卻只有70mW。之前，雷鋒網曾報道過IBM用TrueNorth晶片在構建了電子的齧齒動物大腦的新聞（詳見《》），近日，IBM又公佈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晶片應用方面合作的最新成果。人工大腦是啥樣的？IBM用48快晶片告訴你答案

以下是TrueNorth的應用領域：

手勢識別（gesture recognition ）情緒識別（emotion recognition ）光流（optic flow ）影象分類和物件追蹤（image classification and object tracking）實時的時空感官資訊處理（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 ）音訊特徵提取（audio feature extraction ）二進位制映像分類（binary image classification ）機率推理（probabilistic inference ）低能耗的神經形態分類器（energy-efficient neuromorphic classifiers ）遞迴神經網路（recurrent neural networks ）生成模型（generative models ）視覺顯著性網路（visual saliency networks ）文字影象識別（text image recognition ）移動超聲波（mobile ultrasound ）快速的稀疏逼近（fast sparse approximation）……

2016年對於仿人腦計算來說意義重大。IBM的TrueNorth團隊在《針對快速、高能效神經形態計算的卷積網路》（“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行神經網路推理。簡單地說，TrueNorth晶片並沒有採用馮諾依曼架構，而是模仿了人類大腦的神經元結構，它的計算效率和可擴充套件性都遠勝今天的計算機。

載入了神經網路模型的TrueNorth晶片，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100萬個神經元，郵票大小，能力相當於一臺集成了“神經突觸”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。

雷鋒網瞭解到，最近，IBM剛剛聯合勞倫斯·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超級計算會議上發表了關於TrueNorth的第五篇論文。在論文中，IBM總結了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。

美國陸軍研究實驗室展示了資料傳輸方案模型，TrueNorth的低功耗特性使得在收集資料的同時能夠進行計算。該模型使用了單晶片的NS1e主機板和一臺安卓平板，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運算式，然後手寫的算數式會被傳送到NS1e上進行字元識別，而那些被識別的字元將會被傳送回平板進行計算。

當然，實驗的最終目的並不是要做一個手寫計算器，而是想展示如何利用TrueNorth晶片的低功耗和實時模式識別特性，幫助在部署資料收集時，減少延遲、降低資料複雜性、減少傳輸寬頻需求，同時解決分散式系統終端的資料儲存需求。

美國空軍研究實驗室則展示了另一個應用模型：利用TrueNorth橫向擴充套件系統來執行並行資料的文字提取和識別任務。在這個應用中，影象文字被分割成單獨的字元，然後被傳輸到美國空軍研究實驗室的NS1e16 TrueNorth系統裡進行並行字元識別。歸類之後的結果將會被傳送到基於推理的自然語言模型中來重建單詞和句子。這個系統每秒中可以處理16000個字元。美國空軍研究實驗室計劃將詞句的推理演算法也植入到TrueNorth中。

得益於TrueNorth晶片自然堆疊的特性，勞倫斯·利弗莫爾國家實驗室用有16塊晶片的NS16e擴充套件系統，透過大型的神經模型和更復雜的演算法，來探索後馮·諾依曼時代的計算潛力。在超級計算的論文中，他們探索了單晶片在監控增材製造過程中的原位合成（一種最近發展起來製備複合材料的新方法）的應用。

勞倫斯利弗莫爾國家實驗室訓練了一個TrueNorth網路，能夠追蹤鐳射熔化機的焊點質量，而且可以識別7種等級。實時的焊點質量監控使得閉環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的，能夠展現TrueNorth作為可擴充套件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，未來將釋出更多的API，讓合作伙伴能夠將實時感測器連線到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年裡達到商業化的規模。”

距離TrueNorth的釋出已經兩年了，相比釋出時的轟動，它的前景在近兩年裡一直被質疑。藉著AI大熱的東風，TrueNort會迎來真正的爆發嗎？

via IBM