共计 756 个字符，预计需要花费 2 分钟才能阅读完成。
类脑芯片研究的两个方向
two research direction for brain-inspired chip
“类脑芯片”是指参考人脑神经元结构和人脑感知认知方式来设计的芯片。“神经形态芯片”代表了类脑芯片研究的一大方向，它侧重于参照人脑神经元模型及其组织结构来设计芯片结构。随着各国“脑计划”的兴起和开展，涌现出了大量神经形态芯片研究成果，受到国际上的广泛重视并为学界和业界所熟知。例如，欧盟支持的 spinnaker 和 brainscales、斯坦福大学的 neurogrid、ibm 公司的 truenorth 以及高通公司的 zeroth。
类脑芯片研究的另一大方向则是参考人脑感知认知的计算模型而非神经元组织结构。具体讲就是设计芯片结构来高效支持成熟的认知计算算法，如人工神经网络算法或目前备受关注的深度神经网络。2013 年，中科院计算所和法国 inria 合作设计了国际上最早的深度神经网络处理器架构 diannao 和 dadiannao，其设计方法和达到的性能得到了国际上很好的认可。2014 年，中科院计算所独立研制并成功流片了全球首款深度学习处理器芯片“寒武纪”。该芯片可以作为类脑芯片这个研究方向上的杰出代表。
图 1 的两个芯片可以作为类脑芯片两大方向上的代表成果。比较而言，truenorth 芯片采用了神经形态的组织结构和新兴的“脉冲神经网络”算法，因此具有更低的功耗。但也正因为如此，其数据编码信息损失很大，导致算法准确度不及目前的成熟算法。例如，在手写数字识别上，truenorth 的脉冲神经网络准确度大约是 90% 左右，而 20 世纪 80 年代的人工神经网络已经可以达到 95% 的准确度，目前深度神经网络技术的准确度更超过了 99%。