2019-08-05
文 / 周亦川 编 / 干玎竹
【搜狐健康】近期，清华大学制作的一辆自行车成了“超级网红”：7月31日《自然》期刊封面推荐了来自于清华大学科学家施路平科研团队的全新发明，安装有“天机芯”类脑芯片的自行车可在无人状态下做自动行驶、转弯、减速、跟随等运动。
有网友笑称，用脚蹬才能动的“脚踏”车现在可以自己动了，真的成了“自行”车了；也有人称，人工智能能不能战胜全人类还不好说，但已经战胜了一大票死活学不会骑车的人了。
CGTN网站的报道中指出，天机芯芯片仅3.8×3.8平方毫米，约有指甲大小，上面安装了大约40000个神经元和1000万个突触，是有史以来第一个集成面向计算机科学和面向神经科学的芯片，这是开发人工智能的两个通用方向。
一般来说，这两种方向都代表了一类信息处理的模式，它们依赖于不同的平台，由于公式和编码方案上存在根本差异，因此并不兼容。但是，两者的结合又被认为是最好的人工智能解决方案。研究员们正转向模拟人类大脑研究，试图通过模拟人脑运转机制，使计算机能低能耗高功效地进行计算，甚至使计算机优于类人的智能。
类脑芯片还有一个巨大的潜在优势就是能够突破传统芯片的极限：从计算机诞生起，人们就不断要求它的计算能力提升，随着芯片集成性越来越高，CPU与内存之间的性能差距越来越大。相比之下，人脑却没有此类问题出现，据研究表明，人类大脑平均每秒可执行 1 亿亿次操作。类脑芯片模拟人脑的神经突触传递结构，在处理海量数据上这种方式优势明显，并且功耗比传统芯片更低。
在本次实验中，研究团队提出了多核架构容纳这两种方法，并在此基础上开发了芯片，它不仅可以容纳基于计算机科学的机器学习算法，还可以轻松实现基于大脑的电路和多种编码方案。与目前国际先进的TrueNorth芯片相比，天机芯的密度增加了20%，速度至少增加了10倍，带宽至少增加了100倍。
作者指出，无人驾驶自行车系统中的部分功能，包括语音识别、自主决策和视觉跟踪，可以使用基于神经科学的模型，而目标检测、运动控制和避障可使用机器学习算法的模型。因此，该芯片还将可以应用于自动驾驶系统和智能机器人。
花这么多经费和精力只为研发一个无人驾驶的自行车，最多给行动不便的人或者不会骑车的人用一用，这值得吗？回答这个问题，就好比回答“谷歌耗费了那么大的人力物力，就为了做一款围棋软件值得吗”一样。技术的不断进化能够带来各个领域科技的飞速进步，同样，在健康领域，为越来越多的医疗手段带来可能：
CNBC网站2017年一份报道指出，医疗保健和生命科学领域的人工智能市场预计将每年增长40%，到2021年达到66亿美元。举例来说，该技术可用于疾病的早期诊断，比如机器阅读乳腺X线检查等；机器学习还能让医生利用病人身上所有可用的海量数据做出更加个性化的治疗决定。机器学习还有助于预测高危人群的信息。采用深度学习的方法，我们可以一次性输入500万人的信息，利用其中的血糖和体重数据评估2型糖尿病的风险，等等。
Aibusiness网站报道，英伟达公司的一份报告同样显示，深度学习计算机芯片除了用于自动驾驶系统，在医疗保健和医疗领域将变得非常重要，越来越多的人希望将人工智能支持硬件应用到医疗保健领域。谷歌的一个团队证明了深度学习芯片可以用于诊断某些患者的眼病；斯坦福大学的另一组研究人员发现，它能像人类皮肤科医生一样成功地诊断皮肤癌；纽约西奈山医院的一个小组发现，深度学习仅仅通过分析病人的电子健康记录，就能以惊人的准确度预测病人可能会患哪种疾病。
如果人工智能可胜任人类所能完成的任何任务，那么人是否会被机器取代，换句话说，人脑是否会被芯片取代？特斯拉CEO埃隆·马斯克提出了新的思路：让人类与人工智能相互融合，以防止人类生存受到人工智能的“威胁”，避免人工智能超越人类。今年7月，马斯克透露他的新公司Neuralink已在“脑机接口”研究上取得了新进展，可以通过给老鼠头上“插入”USB-C接口，收集并传输大脑的神经元信息。
这种设备短期目标则是用于医疗，让残障人士通过脑电波完成运动或控制设备。未来，人类也可以植入类似的芯片，读取自己的脑电波，并用意念控制智能设备，让大脑从身体中解放出来，实现人类更多的可能性。
我们过去常说，机器人不可能下出专业级的围棋，不可能骑车，不可能做出专业级的疾病诊断，可现在都已经实现了；现在也总是说机器人不可能取代某某专业领域的工作，那么再过几年再看呢？也许真如马斯克所说，需要人类反过来借助芯片的力量不被机器人所超越了。
上一篇：没有了
