IBM：用超級計算機模擬人腦

11月13日，IBM宣布了世界上最大的人腦模擬計劃“Compass”，使用了世界排名第二的超級計算機Sequoia Blue Gene/Q和一個全新的、擴展性很強的低功耗計算機架構，終于模擬出了與人腦相當的5300億個神經元和137萬億個神經突觸，這一數字已經足以和人類大腦相媲美，向真正意義上的“人工大腦”邁出了重要的一步。

那么，他們是怎樣達成這一成果的呢？來看果殼網的揭密——

認知計算

人腦也許是宇宙中最復雜的存在了，但同時它又十分節能。人類的大腦可以同時收集上千個感官信號，并對它們進行判斷、分析，把具體的感知轉化為抽象的概念，同時在這一過程中進行學習、規劃和創造。據IBM估計，以現有的科技水平，建造與人類大腦復雜度相當的計算機需要近100兆瓦的能量供應，而人類大腦進行這一切活動，只需要區區20瓦的功率就夠了。

如此巨大的能量消耗顯然是不現實的。要解決這一問題，我們需要一套全新的思路。IBM提出的方案就是“認知計算”。這一全新的領域凝聚了來自神經科學、納米科技和超級計算機等領域的最新研究成果。

神經科學家們發現，人類大腦之所以如此的節能，是因為它是由“事件驅動”的。簡單的說，神經元、神經突觸和軸突只在接收到感覺信號或者來自其他神經元的信號時才會被激活，而其他時間它們是不消耗能量的。和它們相比，現在的電腦浪費了大量的能源。

從獼猴大腦結構中推導出來的神經突觸網絡

來自IBM的工程師們受到這一原理的啟發，開發出了一套新穎的計算架構，并用它來模擬數目與人類大腦相當的神經元與神經突觸。從生物學意義或者功能性上講，這一成果并不是對大腦的準確模擬。雖然這套系統還無法進行任何傳統意義上的感知、思考與概念形成等活動，但它卻是向這一目標邁進的關鍵一步。

工作原理

研究者們最初是從CoCoMac開始工作的。CoCoMac是一套包含獼猴大腦結構信息的數據庫，雖然還不完整，但卻足夠全面。在經過了四年對CoCoMac的艱難修補之后，這一團隊最終得到了一套可用的數據，并在此基礎上建立起了他們的人工大腦，這一系統的兩個主要組成部分便是神經元和神經突觸。

神經元是計算中心。每個神經元可以接收來自多達一萬個相鄰神經元的信號，隨后它會處理這些數據，并輸出另一個信號。約80%的神經元是興奮性的，當它們發出信號時，周圍的神經元也會被激活。而剩下的20%的神經元則是抑制性的，當它們發出信號時，接收信號的相鄰神經元會被抑制。

神經突觸的功能是連接不同的神經元，記憶與學習也隨著神經突觸的形成而發生。每一個突觸都有一個“權重值”。這個權重值是由經過某一突觸的信號數量決定的。當大量的信號通過某一突觸時，這一突觸的權重值就會上升，而這臺虛擬大腦就是這樣進行“聯想學習”的。

這套系統的算法會定期檢查一個神經元是否在發出信號。如果它的確在發出信號，這一神經元周圍的突觸的權重值就會被調整，而隨后它們會根據這一新狀態與其他的神經元進行交流。這一算法的關鍵優勢是它不會在大量的突觸上浪費時間與能量，而只在一小部分需要被激活的突觸上花費有限的計算能力。

就像一個真正的大腦一樣，這種計算架構是分布式、由事件驅動的，而且十分節能。同時，它還可以繞過傳統計算架構固有的許多局限。

IBM的終極目標是建造一個復雜度可與人類大腦相媲美、體積又足夠小的計算機，同時它的能量消耗還要在1千瓦左右。現在，他們已經利用世界排名第二的超級電腦Sequoia Blue Gene/Q達成了這一目標(當然，這距離“便攜”和“節能”還有很遠的距離)。這臺超級計算機中有超過150萬只處理器內核和1.5PB(150萬GB)的內存，可以同時運行多達629萬條線程。

為了進一步降低能量消耗，IBM正在構建一款全新的定制芯片，被稱作“神經突觸核心”(neurosynaptic cores)。這款特制的芯片可以充分激發新計算架構的潛能，并將最終取代現在模擬中使用的超級計算機。

“神經突觸核心”芯片結構圖

每個核心都是由“神經元”、“突觸”和“軸突”組成的。雖然被如此命名，但這些元件其實并不是模仿生物大腦中的結構而設計的。它們的設計目標是降低生產成本和提高性能。

應用前景

IBM最新設計的這一架構具有極高的并行性，這讓它非常適合處理需要大量數據輸入的計算。這和標準的神經計算網絡沒有太大的差別，但新系統的處理性能和能量利用效率卻有了很大的提升。

IBM通過進行這樣的實驗可以進一步了解標準計算架構的局限，如在進行大規模運算時如何平衡存儲、計算和傳輸性能。這項實驗還可以為將來設計更加節能、并行程度更高的高性能芯片積累經驗。

對于這一新的研究成果，未來的應用可能包括更加準確的天氣預報，股票市場預測，可以實時進行診斷的智能病患監控系統和性能可以與人類媲美的光學字符識別和語音識別軟件等等。

至于真正模擬人類大腦，我們仍有很長的路要走。但至少，科學家們在不斷取得新的突破。