從AlphaGo擊敗李世石，宣布超級計算機攻克了圍棋這一窮舉法不可能征服的領域后，人工智能（AI）又成了所有人最熱門的話題之一。

對于不少該領域的科學家而言，人工智能的終極目標之一就是用機器實現(xiàn)人腦的全部功能，而作為人腦的最小細胞單位——神經(jīng)元，可能會是一個最好的入手點。

美國當?shù)貢r間8月3日，IBM官方宣布了他們的最新成果——首個人造神經(jīng)元，可用于制造高密度、低功耗的認知學習芯片。

IBM蘇黎世研究中心制成了世界上第一個人造納米尺度隨機相變神經(jīng)元。IBM已經(jīng)構建了由500個該神經(jīng)元組成的陣列，并讓該陣列以模擬人類大腦的工作方式進行信號處理。

該技術突破具有重要意義，因為相變神經(jīng)元具有傳統(tǒng)材料制成的神經(jīng)元無法匹敵的特性——其尺寸能小到納米量級。此外，它的信號傳輸速度很快，功耗很低。更重要的是，相變神經(jīng)元是隨機的，這意味著在相同的輸入信號下，多個相變神經(jīng)元的輸出會有輕微的不同，而這正是生物神經(jīng)元的特性。

人造神經(jīng)元論文的第一作者：托馬斯·圖瑪（Tomas Tuma）

IBM相變神經(jīng)元由輸入端（類似生物神經(jīng)元的樹突）、神經(jīng)薄膜（類似生物神經(jīng)元的雙分子層）、信號發(fā)生器（類似生物神經(jīng)元的神經(jīng)細胞主體）和輸出端（類似生物神經(jīng)元的軸突）組成。信號發(fā)生器和輸入端之間還有反饋回路以增強某些類型的輸入信號。

人造神經(jīng)元研發(fā)團隊，圖片來源：IBM

神經(jīng)薄膜是整個神經(jīng)元的關鍵。在生物神經(jīng)細胞中，起神經(jīng)薄膜作用的是一層液態(tài)薄膜，它的物理機理類似于電阻和電容：它阻止電流直接通過，但同時又在吸收能量。當能量吸收到一定程度，它就向外發(fā)射自己產(chǎn)生的信號。這信號沿著軸突傳導，被其他神經(jīng)元接收。然后再重復這一過程。

在IBM制造的神經(jīng)元中，液態(tài)薄膜被一小片神經(jīng)薄膜取代。神經(jīng)薄膜是由鍺銻碲復合材料（也稱GST材料）制成的，該材料也是可重寫藍光光盤的主要功能材料。鍺銻碲復合材料是一種相變材料，即它可以以兩種狀態(tài)存在：晶體態(tài)和無定形態(tài)。通過激光或電流提供能量，兩種狀態(tài)之間可以互相轉(zhuǎn)變。在不同狀態(tài)下，相變材料的物理特性截然不同：鍺銻碲復合材料在無定形態(tài)下不導電，而在晶體態(tài)下導電。

在人工神經(jīng)元中，鍺銻碲薄膜起初是無定形態(tài)的。隨著信號的到達，薄膜逐漸變成結晶態(tài)，即逐漸變得導電。最終，電流通過薄膜，制造一個信號，并通過該神經(jīng)元的輸出端發(fā)射出去。在一定的時間后，鍺銻碲薄膜恢復為無定形態(tài)。這個過程周而復始。

生物神經(jīng)元與人造神經(jīng)元對比圖，圖片來源：IBM

由于生物體內(nèi)各種噪聲的存在，生物神經(jīng)元是隨機的（Stochastic）。IBM研究人員表示，人工神經(jīng)元同樣表現(xiàn)出了隨機特性，因為神經(jīng)元的薄膜在每次復位后，其狀態(tài)有輕微的不同，因此隨后的晶態(tài)化過程略有不同。因此，科學家無法確切地知道每次人工神經(jīng)元會發(fā)射什么信號。

那么人工神經(jīng)元到底有何意義？

首先，人工神經(jīng)元采用了成熟的材料，歷經(jīng)幾十億次工作而不損壞（壽命長），體積極?。?strong>有報道說是90納米，但從下圖中看應該在300納米左右，而論文中表示未來有望達到14納米）。因此，這是一種性能非常棒的器件。

人工神經(jīng)元網(wǎng)絡。圖中的銀色方塊是放大后的相變神經(jīng)元，該神經(jīng)元網(wǎng)絡還沒有配備工業(yè)標準的輸入輸出接口。圖片來源：IBM

其次，人工神經(jīng)元跟生物神經(jīng)元的工作方式非常類似。當大批人工神經(jīng)元組成并行計算機后，它也許可以和人類一樣進行決策和處理感官信息。IBM表示，他們的人工神經(jīng)元技術和目前發(fā)展中的另外一種人工神經(jīng)元器件——憶阻器互為補充。

目前，IBM制造了10乘10的神經(jīng)元陣列，將5個小陣列組合成一個500神經(jīng)元的大陣列，該陣列可以用類似人類大腦的工作方式進行信號處理。事實上，人工神經(jīng)元已經(jīng)表現(xiàn)出和人類神經(jīng)元一樣的“集體編碼”特性。此外，它的信號處理能力已經(jīng)超過了奈奎斯特-香農(nóng)采樣定理規(guī)定的極限。

編者注：集體編碼：每個神經(jīng)元有2種狀態(tài)，可以表示1比特信息，那么N個神經(jīng)元就可以表示2的N次方個狀態(tài)神經(jīng)元數(shù)量足夠多時，能表示的信息量將極其驚人。

IBM研究人員計劃構建包含幾千個相變神經(jīng)元的單一芯片，并編寫能充分利用相變神經(jīng)元芯片隨機特性的軟件。

參考：IBM、Nature、Arstechnica

論文：Nature Nanotechnology, 2016. DOI: 10.1038/nnano.2016.70 (About DOIs).

視頻來源：IBM

編輯：離子心

參考：IBM、Nature、Arstechnica

論文：Nature Nanotechnology, 2016. DOI: 10.1038/nnano.2016.70 (About DOIs).