南加州大學維特比工程學院和高級計算學院的科學家們創造了人造神經元，可以重現真實腦細胞的複雜電化學行為。發現，發表於 自然電子學標誌著神經形態計算（模仿人腦設計硬件的領域）的一個重要里程碑。這一進步可以將芯片尺寸縮小幾個數量級，顯著降低功耗，並使人工智能更接近實現通用人工智能。
與僅通過數學模型模擬大腦活動的數字處理器或早期神經形態芯片不同，這些新神經元在物理上再現了真實神經元的工作方式。正如自然的大腦活動是由化學信號觸發的一樣，這些人工版本使用實際的化學相互作用來啟動計算過程。這意味著它們不僅僅是像徵性的表現，而且是生物功能的有形再現。
新型類腦硬件
這項研究由南加州大學計算機科學和電氣工程系的 Joshua Yang 教授領導，建立在十多年前關於人工突觸的開創性工作的基礎上。該團隊的新方法基於一種稱為“擴散憶阻器”的設備。他們的研究結果描述了這些組件如何產生新一代芯片，以補充和改進傳統的矽基電子產品。矽系統依靠電子來執行計算，而楊的擴散憶阻器則使用原子的運動，創建了一個更類似於生物神經元傳輸信息的方式的過程。結果可能是更小、更高效的芯片，能夠像大腦一樣處理信息，並有可能為通用人工智能 (AGI) 鋪平道路。
在大腦中，電信號和化學信號驅動神經細胞之間的通信。當電脈衝到達神經元末端（稱為突觸的連接點）時，它會轉換為化學信號，將信息傳輸到下一個神經元。一旦接收到，該信號就會轉換成電脈衝，並繼續通過神經元。楊和他的同事在他們的設備中以令人難以置信的精度複製了這個複雜的過程。他們的設計的一個主要優點是每個人工神經元都適合單個晶體管的佔地面積，而舊的設計需要數十或數百個。
在生物神經元中，稱為離子的粒子有助於產生使神經系統活動的電脈衝。人類大腦依靠鉀、鈉和鈣等離子來實現這一點。
使用銀離子重建大腦動力學
在這項新研究中，楊（同時也是南加州大學神經形態計算卓越中心的負責人）使用嵌入氧化物材料中的銀離子來產生模仿大腦自然功能的電脈衝。其中包括學習、運動和規劃等基本過程。
“雖然我們的突觸和人工神經元中的離子並不相同，但控制離子運動和動力學的物理原理非常相似，”楊說。
正如楊解釋的那樣，“銀很容易擴散，並為我們提供了模擬生物系統所需的動力，從而能夠以非常簡單的結構實現神經元的功能。”這種能夠實現類腦芯片的新裝置被稱為“擴散憶阻器”，因為使用銀會發生離子運動和動態擴散。
此外，該團隊選擇使用離子動力學來構建人工智能係統，“因為這就是人腦中發生的事情，這是有充分理由的，而且因為人腦是‘進化的贏家——最高效的智能引擎’。”
“這樣效率更高，”楊說。
為什麼效率對於人工智能硬件很重要
楊指出，現代計算的問題不是能力不足，而是效率低下。 “並不是說我們的芯片或計算機的功能不夠強大，無法勝任它們正在做的任何事情。它們的效率不夠高。它們消耗了太多的能源，”他解釋道。考慮到當今大型人工智能係統處理海量數據集需要消耗多少能量，這一點尤其重要。
與大腦不同，楊繼續說，“我們現有的計算機系統從來沒有打算處理大量數據或自己從例子中學習。提高能量和學習效率的一種方法是構建按照大腦中看到的原理運行的人工系統。”
如果您追求純粹的速度，運行現代計算的電子將最適合快速操作。但是，正如他解釋的那樣，“離子是比電子更好的媒介，可以體現大腦的原理。由於電子輕且易揮發，因此用離子進行計算可以實現基於軟件的學習，而不是基於硬件的學習，這與大腦的工作方式有根本的不同。”
相反，他說，“大腦通過跨膜移動離子來學習，直接在硬件中，或者更準確地說，在人們所謂的‘濕軟件’中實現能源效率和自適應學習。
例如，年幼的孩子在看到幾個手寫數字的例子後就可以學會識別手寫數字，而計算機通常需要數千個數字才能完成相同的任務。然而，與當今超級計算機所需的兆瓦功率相比，人腦僅消耗 20 瓦功率即可實現這種令人難以置信的學習。
潛在影響和後續步驟
楊和他的團隊認為這項技術是複制自然智能的重要一步。然而，他承認這些實驗中使用的銀尚不符合標準半導體製造工藝。未來的工作將探索其他可能實現類似效果的離子材料。
憶存擴散在能量和尺寸上都是有效的。一部典型的手機可能包含大約十個芯片，每個芯片都會打開和關閉數十億個晶體管來執行計算。
“相反（通過這項創新），我們每個神經元只使用一個晶體管。我們正在設計的模塊最終使我們能夠縮小芯片的尺寸，將功耗降低幾個數量級，這樣我們就可以使人工智能在未來可持續發展，而無需在類似智能水平下消耗能源，楊說，我們負擔不起。”
現在我們已經展示了高效且緊湊的構建塊、人工突觸和神經元，下一步是集成大量它們並測試我們如何復制大腦的效率和能力。 “更令人興奮的是，”楊說，“這些忠實於大腦的系統有可能為我們提供關於大腦本身如何工作的新見解。”
