AI可以像人脑一样运作吗？几十年来，研究人员一直在问这个问题，这个大家长期求索的问题引起了质疑、嘲笑、轻蔑等不同态度。
但是现在，神经形态计算让世界变得更美好的梦想更近了一些。当我们越深入了解神经形态计算的好处后，越发会发现机器学习和AI探索的成功似乎在很大程度上就取决于这个领域的进展。
1、神经形态计算对当代AI的助益
未来的技术，例如自动驾驶汽车和机器人，将需要实时访问和利用大量数据和信息。如今，在一定程度上，这是通过依赖于超级计算机功能的机器学习和AI完成的。但是，这些需求正在急剧增长，速度、功率和规模正在成为阻碍进步的主要障碍。
神经形态计算芯片可以处理高速处理多个任务、学习任务和模式。这些芯片的功耗更低（最多可降低1000倍），效率可与超级计算机媲美。
神经形态计算芯片是传统系统中的重要升级，它紧凑，便携且节能，是机器学习和AI模型的完美助手。
正是因为了解这一点，科研人员不遗余力地投入神经形态计算的研究。有些人尝试通过复制人脑的物理形态来进行研究，也有人尝试复制其功能。相比于前者，我们对后者的设想更加乐观，因为这个想法有望取代戈登·摩尔（Gordon Moore）的设想——将晶体管封装到基板上。
神经形态计算涉及神经网络的创造和使用，其功能类似于人的大脑，可以进行决策，还可以存储信息并分析事实。它“展示了史无前例的低功耗计算基板，可在许多应用中应用。”
——IBM神经形态专利申请
2、神经形态计算近期发展
尽管有许多人闯进这条跑道，但只有少数人跑在前方。我们来看一下神经形态计算的重要进展：
英特尔Loihi——GPU的未来
这是一个14nm芯片，具有超过20亿个晶体管和三个管理Lakemont内核。“它包含一个可编程微代码引擎，用于异步尖峰神经网络（SNN）的片上训练。该内核共有128个核心包，每个核都有一个内置的学习模块，总共有约131,000个计算“神经元”相互通信，从而使芯片能够理解外界的刺激。”
Loihi可以比嗅探犬更快地嗅出十种有害物质，还可以检测周围的有毒烟雾和疾病，并可以自动调节，以促进不同形式的学习。
将来，这个芯片将有望从经验中进行学习并实现自主决策。锦上添花的是，它的功耗大大降低，有望取代GPU。
IBM TrueNorth——晶体管数量的大力神
TrueNorth拥有4,096个内核，使用三星的28纳米制程，带有54亿个晶体管。它是IBM晶体管数量最多的芯片，在模拟复杂的递归神经网络时功率不到100Mw，功率密度为20mW / cm2。
TrueNorth的体系结构可以解决“视觉、听觉和多传感器融合的问题，并且有可能通过将类似大脑的功能集成到受功率和速度限制的设备中，从而彻底改变计算机行业。”
IBM表示，它可以有效地“实时处理高维、嘈杂的感官数据”，且能耗比普通计算机低。
麻省理工学院——芯片上的大脑
这是一种由硅天竺葵制成的芯片，具有“超过100万亿个突触来介导大脑中的神经元信号”。在模拟实验中，它可以95％的准确度精准模仿人类的笔迹。此外，它还可以用于制作类人生物与自动驾驶技术。
高通——Zeroth处理器
这款芯片致力于“生物启发性学习”的三个主要目标；使设备能够像人类一样观察和感知世界；创建和定义神经处理单元（NPU），高通正在开发打破传统模式的新型计算机体系结构。
3、神经形态计算的未来
神经形态计算将极大地影响机器学习和AI的未来。“这些新型芯片应极大地增加机器学习的使用，降低应用程序的耗能，同时加速响应速度。”德勤市场分析表示。
借助神经形态计算，必将促进人工智能的发展。
4、小常识
神经形态计算是第五代AI。
第一代AI定义了规则并遵循经典逻辑，在特定的、狭义的问题域内得出结论。
第二代AI使用深度学习网络来分析输入，并专注于感官与感知能力。
第三代AI像人类一样进行思维，进而解释和适应调整。
第四代AI结合了不同的机器学习算法和其他形式的人工智能算法来实现目标或任务。
