导读：据国外媒体报道，IBM从2008年开始就潜心研究一种能模拟人类大脑的自适应可扩展塑性电子神经形态系统芯片，简称SyNAPSE。该芯片已在去年就达到了可量化生产的水平。不过直到今天，IBM宣布开放一个为期三周的训练营培训项目，学术届和政府机构研究人员才首次有...
据国外媒体报道，IBM从2008年开始就潜心研究一种能模拟人类大脑的“自适应可扩展塑性电子神经形态系统”芯片，简称SyNAPSE。该芯片已在去年就达到了可量化生产的水平。不过直到今天，IBM宣布开放一个为期三周的“训练营”培训项目，学术届和政府机构研究人员才首次有幸目睹了SyNAPSE的伟大和潜力。
首个基于SyNAPSE打造的芯片被命名为TrueNorth。该芯片内置100万个模拟神经元和2.56亿个模拟神经突触，并以模块化的方式构建成了一个基于晶体管打造的神经网络。每颗芯片所包含的神经网络还可以通过阵列的方式互联，48颗芯片组建成的具有4800万个神经链的网络，将足以媲美一只普通老鼠大脑的计算能力。
TrueNorth的主要用途在于执行“深度学习”算法，譬如Facebook的面部识别和Skype的实时翻译等功能的算法。但TrueNorth在实现成本，尤其是能耗以及占用空间等方面，则要较传统数据中心优势得多——一颗含54亿个晶体管的TrueNorth芯片，所需功耗只不过是70毫瓦，而一颗包含14亿个晶体管的英特尔芯片，所需功耗则通常达到35瓦甚至140瓦（1瓦=1000毫瓦）。
当然，未来的TrueNorth芯片可能会缩小到足以放入手机或智能手表等设备中。与GPU或者FPGA不同，TrueNorth的工作原理十分接近深度学习算法本身，这有助于让IBM将一部分计算由当前的数据中心“下放”至终端设备。
而由于数据不再需要被来回传输，科技公司只需简单的将深入学习模型（如数出照片中的汽车数量），上传至数据中心服务器中，再启用终端用户的TrueNorth模型辨识功能即可。不过，这样的实际应用估计还有几年时间才能实现，TrueNorth目前任然是处在研发的初期阶段。
译者：卢鑫
