“人脑”VS“智脑”孰胜孰劣，神经形态语音识别芯片的另类表述

20世纪80年代科学家卡弗·米德（Carver Mead）在20世纪80年代创造了“神经元”这一术语，一直都备受争议。不久前，《IEEE Spectrum》网站发布了一份关于“我们能复制人类大脑吗？”的报告，彻底的打开了无论在硬件还是软件方面复制人类大脑的研究热潮。

来自我国、法国、美国以及日本的国际科学家团队就人类神经元的非线性振动领域，一起致力于缩小人工非线性振子，以108个振子集合成一个拇指大的芯片内的二维数组里成功复制“大脑”—神经形态语音识别芯片。

人工智能——2017年最炽热的标签。对于很多AI试水者，模拟大脑的计算机的概念并不新鲜，怎么平衡技术与需求才是重中之重？人工非线性振子对错线性振动器将输入的常量转化为一种振动标志。例如，摆钟对错线性振动，神经元也对错线性振动，可是假如你用恒定电流刺激它们，它们会周期性地发射电压峰值。

他们始终相信该研讨将使人工神经元的才能不断接近咱们大脑中的神经元，而且使微型神经形态语音辨认芯片可以学习和适用于各个领域。

就现在的研讨成果来看，纳米级设备似乎是最佳的挑选，虽然这些设备也不是完美无瑕，比如噪音大，缺乏安稳性。可是科学家依然挑选使用纳米级的自旋振动器，而不是具有记忆功用的设备或超导设备。该振动器由磁性地道结构成，并成为巨大磁电阻硬盘驱动器上读头的骨干。

来自法国科学研讨中心的Julie Grollier表明：“与记忆性振动器比较，磁振动由于其可循环性，具有十分安稳的性能。磁性地道结简直具有无限的耐力，而记忆电阻器在其一百万次循环之后开始退化。”

Grollier弥补说，磁振动比超导脉冲更简单丈量。在室温下就可以进行，而且发射的电压通常是100毫伏，其数量级大于约瑟夫森结的数量级。

自旋纳米振动器是由两个被非磁距离器分离的铁磁层组成的支柱。当电荷流经这些连接点时，它们就会构成自旋极化的电流，并在磁化过程中产生转矩。这就导致了一种称为磁化矢量运动的现象，这种现象发生在情况是，当有未成对的电子自旋原子被放置在磁场中，并以精确的频率环绕磁场旋转时。这种继续的磁化矢量运动产生的频率从几百兆赫到几万兆赫。然后，通过磁阻将磁化振动转化为电压振动。由此产生的射频振动高达数十毫伏，这可以通过丈量连接点的电压来检测。

Grollier表明：“咱们采取时分多路传输战略，使用磁性纳米神经元模拟了一个具有400个神经元的完好网络。磁柱扮演每个神经元的人物，就像一个艺人在电影中扮演一切人物一样。”

为了测试该体系，研讨人员试图用它来进行声音辨认。他们将音频信号转换成电流，然后通过纳米神经元发送电流。这些电子波形使纳米磁体中磁化的诱发振动加速了一千倍。磁振动通过磁阻效应转化为神经元间的电压振动。他们用一个示波器记录了这些电压的变化，然后用计算机模拟突触功用，然后让神经网络学习。

Grollier说：“咱们已经实现的神经网络可以识别由不同人宣布的语音数字，其成功率为99.6%，这与那些体积庞大的神经元的效果一样好，甚至更好。研讨结果表明，磁性纳米神经元可以准确可靠地完成认知任务。”

磁性纳米神经元与磁性存储单元的结构完全相同，而且该神经元由亿万个硅元素构成。在未来的几年里，研讨人员致力于将这些神经元紧密连接并操控其耦合，以便树立可以进行处理杂乱信息的大型网络。Grollier表明，终究的目标是研宣布可以学习和适应各种变化的智能、低功耗的微型语音识别芯片。这些语音芯片将广泛用于各个领域，包括实时分类海量数据、驾驶自动轿车以及医疗诊断等。

虽然这仍只是目前的一个研究项目。但是，在AI火热的今天，高速发达的芯片技术支持下，原理有了，对于我们了解大脑如何工作的？神经元的脉冲或“尖波”达到一定的激活水平需要什么要求？一切将不在是空想，到那时“人脑”VS“智脑”孰胜孰劣就不得而知。