可重构AI芯片展现出类脑的潜力
人工智能永远无法取代人脑。人脑在学习新知识时会自我调整，这一事实就是明证。
普渡大学的研究人员开发出一种计算机芯片，它能够持续重构，以接收新数据，类似大脑的工作方式。这使人工智能能够随时间不断学习。与大脑不同，计算机芯片上的电路不会改变；大脑会持续建立新的突触连接，以促进学习。
一台机器多年使用的电路，与为工厂发动机设计的电路完全相同。其目标是打造一个平台，让机器能够终身学习。
要让人工智能更便携，例如用于自动驾驶汽车或需要在偏远地点自主决策的太空机器人，仍存在障碍。如果人工智能能直接嵌入硬件，而不是像现在这样依赖软件，这些机器会更加高效。
据新研究称，这种可适应的器件能够转变为人工智能硬件所需的所有关键电子元件，有望用于机器人和自主系统。
受大脑启发的“神经形态”计算硬件，旨在模仿人脑的非凡能力：根据经验自适应学习，并以极高的能效快速处理信息。
大脑的这些特性在很大程度上归功于其可塑性，即通过神经元生成（“神经发生”）等活动，随时间改变自身结构和功能的能力。
“我们假设，如果能在电子硬件中模拟神经发生的行为，我们就可能制造出终身学习的机器，”该研究的资深作者、印第安纳州西拉斐特普渡大学的电气工程师兼材料科学家Shriram Ramanathan说道。
Ramanathan及其同事使用镍酸钙钛矿开发出高度可适应的神经形态器件。钙钛矿是一类晶体材料，在过去十年中推动了太阳能电池性能的显著进步。
科学家将质子掺入镍酸钙钛矿中。施加于该材料的电脉冲可以使质子在材料晶格内移动，从而改变其电子特性。研究人员能够通过电信号，按需将这种掺质子镍酸钙钛矿器件重新配置为电阻、存储电容器、神经元或突触。
“我们可以用一个器件实现多种神经形态功能。此外，我们可以通过纳秒级的简单电脉冲在这些功能之间切换”
“这种器件的通用性可以简化人工智能电路的设计，以应对复杂的计算任务，避免堆叠多个占用大量空间、耗电很高的功能模块，”该研究合著者、普渡大学电气工程师兼材料科学家Michael Tae Jun Park说道。他表示，潜在应用领域包括机器人和自主系统。
在将这种新器件应用于模拟生物大脑神经元结构的人工神经网络的仿真中，科学家发现，这种新器件的可重构特性使神经网络能够“在复杂且不断变化的条件下，比传统静态网络更有效地做出决策”。
这种新器件在1.6百万次状态切换循环中表现稳定。“此外，器件经初始处理后，氢离子在其中停留的时间很长，超过六个月，这令人鼓舞，”Park说道。
研究人员推测，他们的器件可用于扩展型网络，即能够按需增加计算能力的神经网络。同样，如果器件检测到某些节点经常处于闲置状态，这些网络也可以缩小规模，从而变得更加高效。
科学家指出，他们采用了与半导体代工工艺兼容的技术制造这些器件，这表明它们有望很容易地应用于电子工业。
“不过，我们的研究尚处于起步阶段。要用这些器件制造大规模集成测试电路，还需要大量工作”
科学家在《Science》杂志上详细介绍了他们的发现：“利用我们可重构的人工神经元和突触，模拟的动态网络在渐进式学习场景中表现优于静态网络。能够按需构建受大脑启发的计算机基本单元，为自适应网络开辟了新的方向。”
