模仿樹狀樹枝的電子設(shè)備構(gòu)成了神經(jīng)元用來相互通信的網(wǎng)絡(luò),，這可能會導(dǎo)致人工智能,，不再需要云中的兆瓦電力。一項(xiàng)新的研究表明，人工智能將能夠依靠智能手機(jī)電池的電量運(yùn)行,。

　　隨著被稱為神經(jīng)網(wǎng)絡(luò)的模擬人工智能系統(tǒng)的規(guī)模和功率的增長,，它們變得越來越昂貴和能源匱乏。例如,，為了訓(xùn)練其最先進(jìn)的神經(jīng)網(wǎng)絡(luò)GPT-3,，OpenAI花費(fèi)460萬美元在兩周內(nèi)運(yùn)行9200個GPU。加州斯坦福大學(xué)神經(jīng)形態(tài)工程師,、研究作者Kwabena Boahen表示,，GPT-3在訓(xùn)練過程中消耗的能量在同一時(shí)間內(nèi)會釋放出多達(dá)1300輛汽車尾氣排放的碳。

　　現(xiàn)在,，Boahen為AI系統(tǒng)提出了一種方法,，以提高其傳輸?shù)拿總€信號中傳遞的信息量。他說,，這可能會減少他們目前所需的能源和空間,。

　　在神經(jīng)網(wǎng)絡(luò)中，被稱為神經(jīng)元的組件被輸入數(shù)據(jù),，并合作解決問題,，例如識別人臉。神經(jīng)網(wǎng)絡(luò)反復(fù)調(diào)整神經(jīng)元周圍的突觸,，以修改每個突觸的“權(quán)重”,，即一個神經(jīng)元對另一個神經(jīng)元的影響強(qiáng)度。然后,，網(wǎng)絡(luò)確定所產(chǎn)生的行為模式是否更善于找到解決方案,。隨著時(shí)間的推移，系統(tǒng)會發(fā)現(xiàn)哪些模式最適合計(jì)算結(jié)果,。然后,，它采用這些模式作為默認(rèn)模式，模仿人腦的學(xué)習(xí)過程,。如果一個神經(jīng)網(wǎng)絡(luò)擁有多層神經(jīng)元,，它就被稱為“深層”。（例如,，GPT-3擁有1750億個權(quán)重,，連接了相當(dāng)于830萬個384層深的神經(jīng)元。）

　　目前,，人工智能的進(jìn)步是每兩個月執(zhí)行兩倍的計(jì)算,。然而，電子行業(yè)僅每兩年將執(zhí)行這些操作所需的設(shè)備增加一倍,。這意味著人工智能通常僅限于云,，云可以提供所需的數(shù)千個處理器。

　　以前，降低計(jì)算能耗的一種方法是縮小晶體管并將它們密集地封裝在一起,。然而,，這種策略的回報(bào)正在減少，因?yàn)榫w管之間的信號現(xiàn)在必須在微芯片上傳播得越來越遠(yuǎn),，而且電線越長,，信號消耗的能量就越多?？s短這些距離的一種策略是在三維空間中將電路堆疊在一起,，但這種方法會減少可用于散熱的表面積。

　　為了解決這個問題,，Boahen提出了一種人工智能系統(tǒng)在傳遞更多信息的同時(shí)發(fā)送更少信號的方法,。為了實(shí)現(xiàn)這一目標(biāo)，他建議,，這些系統(tǒng)可能希望模擬一部分與目前不同的生物神經(jīng)元,。他認(rèn)為，與其模仿突觸,，不如模仿神經(jīng)元之間的空間，它們應(yīng)該模仿稱為樹突的結(jié)構(gòu),。

　　生物神經(jīng)元有三個主要部分：樹突,、軸突和細(xì)胞體，它們分別類似于樹的樹枝,、根和樹干,。樹突是神經(jīng)元從其他細(xì)胞（例如，另一個神經(jīng)元的軸突）接收信號的地方,。突觸是將樹突或軸突與另一個細(xì)胞分離的空間,。

　　樹突可以大量分支，允許一個神經(jīng)元與其他許多神經(jīng)元連接,。先前的研究發(fā)現(xiàn),，樹突從其分支接收信號的順序決定了其響應(yīng)的強(qiáng)度。當(dāng)樹突從其頂端到其莖部連續(xù)接收信號時(shí),，其響應(yīng)比從其莖部到其頂端連續(xù)接收這些信號時(shí)更強(qiáng)烈,。

　　基于這些發(fā)現(xiàn)，Boahen開發(fā)了一個樹突的計(jì)算模型,，只有當(dāng)樹突以精確的順序接收到來自神經(jīng)元的信號時(shí)才會做出反應(yīng),。這意味著每個枝晶可以編碼數(shù)據(jù)，而不是像今天的電子元件一樣,，只以2個1或0為基數(shù),，開或關(guān)。它將使用更高的基礎(chǔ)系統(tǒng)，這取決于它擁有的連接數(shù)量和它接收的信號序列的長度,。

　　Boahen建議,，一系列鐵電電容器可以模擬一段枝晶，取代場效應(yīng)晶體管的柵極堆疊,，形成鐵電FET（FeFET）,。他說，一個1.5微米長的五柵極FeFET可以模擬一個15?m長的具有五個突觸的樹突,。

　　在人腦中,，一個神經(jīng)元可以與數(shù)千個其他神經(jīng)元相連。Boahen說,，這一人工版本可能證明“在3D芯片中是可行的”,。

　　Boahen和他的同事現(xiàn)在獲得了200萬美元的國家科學(xué)基金會贈款，用于探索這種“dendrocentric learning”方法,。11月30日,，他在《自然》雜志上詳細(xì)闡述了這一概念。

更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<