撰稿人 | Z（清華大學(xué)，博士生）

隨著人工智能（名詞解釋>）的應(yīng)用范圍越來越廣泛，近年來研究人工智能的工作越來越多，其終極目標(biāo)均是希望利用電子設(shè)備構(gòu)建一個計算系統(tǒng)，能夠達(dá)到人腦所實現(xiàn)的低功耗、高速度、大容量的并發(fā)計算（名詞解釋>）。而人工神經(jīng)網(wǎng)絡(luò)（名詞解釋>）就是為了這一仿生過程誕生的。

圖1：直接復(fù)制大腦電信號構(gòu)建真正的人工神經(jīng)網(wǎng)絡(luò)

人們希望能夠模仿大腦的神經(jīng)元工作模式，采用電子計算機(jī)構(gòu)建相似的數(shù)據(jù)連接方式來進(jìn)行運算。作為人工智能一個重要的方法，神經(jīng)網(wǎng)絡(luò)目前也在很多領(lǐng)域表現(xiàn)出色，比如人臉識別（名詞解釋>）、自然語言處理（名詞解釋>）等。

但隨著目前數(shù)據(jù)量的快速增加，神經(jīng)網(wǎng)絡(luò)也逐漸遇到了諸多問題，比如訓(xùn)練樣本的獲取、訓(xùn)練時間的延長，僅僅作為一種數(shù)據(jù)處理的方式，神經(jīng)網(wǎng)絡(luò)始終缺乏一定的智能，從而距離實現(xiàn)人工智能也有一段距離。

當(dāng)前的神經(jīng)形態(tài)研究工作主要可以分為兩大類：

第一類是自然神經(jīng)形態(tài)研究，主要從生物的角度研究人類的大腦是如何工作的，從而啟發(fā)一些仿生工作；

第二類就是人工智能，試圖構(gòu)建電子計算系統(tǒng)來模擬大腦的運行，從計算方式上去模擬大腦的運作。

當(dāng)前的兩大類研究交集較少，各自側(cè)重點不同。

隨著各種微納加工技術(shù)和新的神經(jīng)網(wǎng)絡(luò)理論的發(fā)展，當(dāng)前的神經(jīng)網(wǎng)絡(luò)研究也主要集中在算法、算力上的突破，逐漸遠(yuǎn)離了當(dāng)時提出神經(jīng)網(wǎng)絡(luò)的初衷：模擬大腦的運作。

圖2：人工智能研究的兩個大類：自然智能和神經(jīng)網(wǎng)絡(luò)（來源：Nature Electronics）

最近，三星電子副董事長兼首席執(zhí)行官 Kinam Kim 聯(lián)合哈佛大學(xué)的科學(xué)家提出了一種有望實現(xiàn)真正人腦功能的設(shè)想：直接復(fù)制大腦的神經(jīng)電信號和互聯(lián)方式，并將其粘貼到電子計算機(jī)框架上，利用電子電流代替生物電流信號，從而實現(xiàn)一種真正意義上的人工神經(jīng)網(wǎng)絡(luò)。

相關(guān)內(nèi)容以“Neuromorphic electronics based on copying and pasting the brain”為題發(fā)表在 Nature Electronics。

他們的工作設(shè)想基礎(chǔ)來源于合作者哈佛大學(xué)教授Donhee Ham團(tuán)隊在去年發(fā)表的一項工作：利用CMOS技術(shù)構(gòu)建了64*64的一個納米電極陣列，可以探測和激發(fā)神經(jīng)細(xì)胞內(nèi)的電位，并且實現(xiàn)同步記錄。他們的工作原理見圖3。

Donhee Ham團(tuán)隊利用CMOS制造技術(shù)，制備了納米級別的Pt探針，如圖3a所示，白色方框內(nèi)部的64*64陣列可以實現(xiàn)對4096個細(xì)胞進(jìn)行電位激發(fā)和探測。

通過生物兼容技術(shù)，他們實現(xiàn)了直接在芯片上培養(yǎng)生物神經(jīng)細(xì)胞，并且通過集成電路技術(shù)的精確電流、電壓控制，成功在19分鐘記錄了超過1700個生物神經(jīng)細(xì)胞的細(xì)胞內(nèi)電位，并且實現(xiàn)了超過300個神經(jīng)突觸連接的記錄，這一工作有希望大面積、高通量記錄胞內(nèi)電壓，從而對生物神經(jīng)元的工作方式有新的認(rèn)識和探索。

圖3b展示了陣列的示意圖，一個小方塊即是一個小探針像素，面積為10.5μm *10.5μm，實驗采用的生物神經(jīng)細(xì)胞：離體大鼠皮層神經(jīng)元(體細(xì)胞直徑約20μm)。

圖3：納米電極陣列探測生物細(xì)胞的電信號（來源：Nature Biomedical Engineering）

有了以上工作基礎(chǔ)，本次研究人員人提出：既然可以通過這種方式直接提取生物神經(jīng)細(xì)胞工作時的電位和互聯(lián)強(qiáng)度，那么人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)重和閾值是不是可以不用通過大量數(shù)據(jù)訓(xùn)練來獲得，而是作為一個硬件框架，直接將生物神經(jīng)細(xì)胞的激發(fā)電位和互聯(lián)方式“粘貼”過來。

他們利用上述納米電極獲得的神經(jīng)網(wǎng)絡(luò)細(xì)胞內(nèi)突觸連接見圖4。其中，藍(lán)色連接線表示突觸前連接，橙色連接線表示突觸后連接。

對于人工神經(jīng)網(wǎng)絡(luò)而言，我們主要的工作在于設(shè)計其單元之間的互聯(lián)方式，并且通過大批數(shù)據(jù)樣本的訓(xùn)練，來獲得單元與單元之間的連接權(quán)重。但如今我們可以直接通過這種方式獲得生物神經(jīng)元的真實連接狀態(tài)，那么從理論上講便可以直接將權(quán)重和連接方式加入到人工神經(jīng)網(wǎng)絡(luò)。

圖4：通過納米電極技術(shù)獲得的突觸連接方式（來源：Nature Electronics）

對于此，他們在論文中提出了一種設(shè)想，見圖5，利用前面提到的納米電極陣列可以“復(fù)制”生物神經(jīng)細(xì)胞的各種信號，然后利用三星的存儲設(shè)計和制造技術(shù)，將獲取到的信號“粘貼”到人工構(gòu)建的計算框架上，從而便使得該框架具備了生物神經(jīng)元的某些功能。

圖5：大腦信號的 “復(fù)制” 和“粘貼”（來源：Nature Electronics）

由于人類大腦細(xì)胞數(shù)以億計，三星團(tuán)隊提出還可以借助于他們的3D堆疊存儲網(wǎng)絡(luò)，使得可以加載更多的生物神經(jīng)信號，從而實現(xiàn)更復(fù)雜的人工智能行為。

圖6：使用3D堆疊擴(kuò)大神經(jīng)網(wǎng)絡(luò)連接數(shù)量（來源：Nature Electronics）

以上的部分工作還處于設(shè)想和理論階段，但我們也看到，一旦完成這些功能，我們可以使得人工神經(jīng)網(wǎng)絡(luò)直接具備智能生物的一些功能，甚至包括學(xué)習(xí)和認(rèn)知功能。這對于當(dāng)前的人工神經(jīng)網(wǎng)絡(luò)是不可想象的。

在另一方面，我們也看到，即使強(qiáng)如三星的集成電路設(shè)計和制造能力，結(jié)合哈佛大學(xué)眾多科研人員的理論設(shè)計，當(dāng)前的許多工作仍然處于理論階段，但也為人工神經(jīng)網(wǎng)絡(luò)和自然神經(jīng)網(wǎng)絡(luò)的結(jié)合打開了一個新的研究視角。

論文信息：

Ham, D., Park, H., Hwang, S. et al. Neuromorphic electronics based on copying and pasting the brain. Nat Electron 4, 635–644 (2021)

https://doi.org/10.1038/s41928-021-00646-1

參考文獻(xiàn)

Abbott, J., Ye, T., Krenek, K. et al. A nanoelectrode array for obtaining intracellular recordings from thousands of connected neurons. Nat Biomed Eng 4, 232–241 (2020). 

Ham, D., Park, H., Hwang, S. et al. Neuromorphic electronics based on copying and pasting the brain. Nat Electron 4, 635–644 (2021).

監(jiān)制 | 趙陽

編輯 | 趙唯

歡迎課題組投稿——新聞稿

轉(zhuǎn)載/合作/課題組投稿，微信：447882024

帶您每天讀1篇文獻(xiàn)！加入>Light讀書會