神經形態晶片初試啼聲

AI晶片的競爭自2015已經逐漸進入白熱化，但是今年在此領域最引人注目的進展卻是過去較少人知曉的神經形態晶片(neuromorphic chip)，包括Intel在CES展示的Loihi以及MIT Jeehwan Kim團隊在《Nature Materials》發表的epiRAM方案。

80年代初這個領域的研究開始啟動，1990此領域的先驅Carver Mead在《IEEE Proceeding》上為此命名“neuromorphic system”，基本上是要用積體電路模仿腦神經的運作方式。當時的著眼點在於解決功耗以及速度問題，用的方法是類比(analog)線路，人工智慧的用語還沒有浮上檯面，但是用於感測訊息(sensory information)則是當時的研究題目，而這些也是人工智慧目前發展最成熟的領域。類比線路比二位元的數位線路可以傳遞、處理更多的訊息，這與量子位元有異曲同工之妙。

人的大腦平均有860億個神經元(neuron)，有150兆個突觸(synapses)連繫各神經元及附屬組織，平均一個神經元有有1000多條突觸連絡其它神經元及其它神經附屬組織。神經元的重要功能是傳送化學物質與電信號至其他細胞，中介的橋樑就是突觸。

記憶的形成與突觸的連結建立、增強有關。記憶是意識(cognition)活動中最重要的一部份，學習、甚至是創造，都由這神經元及突觸形成的複雜神經網絡來運作。譬如聯想，是一組記憶－包括若干神經元與突觸－與另一組記憶有一些重複的神經元，當一組記憶的神經元被激發時，另一組記憶也可能同時被激發，而聯想是公認的創造力來源之一。

與現在電腦傳統的von Neumann架構以處理器和記憶體處理、傳遞、儲存數位訊息的方法相較，腦的處理器與記憶體是一體的，並且先天有平行處理的能力，而訊息是類比的。由於這些先天架構上的差異，神經形態晶片期待會大幅降低功耗。

Intel並沒有揭露太多關於Loihi的架構，只說它有13萬個神經元(這大概與龍蝦相當，果蠅、螞蟻的1/2)、1,300萬個突觸，每個神經元都是一個由含學習引擎的核心網格(core mesh)組成，藉由突觸連絡其它神經元，支援監督學習、無監督學習與強化學習，是個會自我學習(self-learning)的元件，它的功耗僅為傳統訓練機制的1/1000。

Kim文章中揭露的內容比較詳細，在矽晶上磊晶(epitaxy)60nm厚的矽鍺，由於異質結構容易產生晶格錯位(dislocation)，利用這些錯位蝕刻成通道，然後用銀在通道中形成連線。接著讓電訊號脈衝通過銀線，增加或壓抑銀線的電導(conductance)，這就是模仿調控突觸連結的強度。這個元件沒有電晶體，只有藉銀線電導強度以及連結位址的類比訊號，而形成是用磊晶的，所以叫epiRAM。這個元件學習後用來辨識MNIST(Modified National Institute of Standard and Technology)的手寫數字，準確度可達95.1%。

已有市調機構預測2026年神經形態晶片的市場會逾百億美元，我沒敢那麼鐵口。神經形態晶片會先應用於感測訊息，一如初衷。Intel於今年上半年開始釋出Loihi給學術界就會陸續聽到回饋。長期來講，對於大腦的運作我們的認識很有限，未來對腦神經的認知成長也會嘉惠晶片設計。神經形態晶片有潛力大幅超越目前GPU、TPU等以傳統von Neumann架構設計的晶片！