科学家成功创造出能够再现真实脑细胞复杂电化学行为的人工神经元。这一发表在《自然·电子学》上的发现，标志着神经形态计算领域的重大里程碑。该领域旨在设计模仿人脑的硬件。这一进步有望将芯片尺寸缩小数个数量级，大幅降低能耗，并推动人工智能更接近实现通用人工智能。
与仅通过数学模型模拟大脑活动的数字处理器或早期神经形态芯片不同，这些新神经元在物理层面上重现了真实神经元的运作方式。正如自然大脑活动由化学信号触发一样，这些人工版本利用实际的化学相互作用来启动计算过程。这意味着它们不仅仅是符号表示，更是生物功能的具体再现。
新型类脑硬件
这项研究由某大学计算机与电气工程系的某教授领导，建立在他十多年前在人工突触方面的开创性工作之上。团队的新方法核心在于一种名为“扩散忆阻器”的器件。他们的研究结果描述了这些组件如何催生新一代芯片，这些芯片既能补充也能增强传统的硅基电子技术。硅基系统依赖电子进行计算，而某教授的扩散忆阻器则利用原子的运动，创造了一个更接近生物神经元传递信息方式的过程。其结果可能是更小、更高效的芯片，能以大脑的方式处理信息，并有可能为通往通用人工智能铺平道路。
在大脑中，电信号和化学信号共同驱动着神经细胞之间的通信。当一个电脉冲到达神经元末端的突触时，它会转化为化学信号，将信息传递给下一个神经元。一旦接收，该信号又转换回电脉冲，在神经元中继续传导。某教授及其同事在他们的器件中以惊人的精度复制了这一复杂过程。他们设计的一个主要优势是，每个人工神经元仅占用单个晶体管的面积，而旧有设计则需要数十甚至数百个。
利用银离子重现大脑动态
在新的研究中，某教授使用嵌入氧化物材料中的银离子来产生模拟自然大脑功能的电脉冲。这些功能包括学习、运动和计划等基本过程。
“尽管我们人工突触和神经元中使用的离子并不完全相同，但控制离子运动和动态的物理学原理非常相似，”某教授解释说。
他解释道：“银容易扩散，并为我们提供了模拟生物系统所需的动态特性，使我们能够用非常简单的结构实现神经元的功能。”这种能够实现类脑芯片的新器件被称为“扩散忆阻器”，得名于离子运动以及使用银时发生的动态扩散。
他补充说，团队选择利用离子动力学来构建人工智能系统，“因为这就是人脑中发生的过程，并且有充分的理由，因为人脑是‘进化的胜者’——最高效的智能引擎。”
为什么AI硬件效率至关重要
某教授强调，现代计算的问题不在于缺乏算力，而在于效率低下。“问题不在于我们的芯片或计算机对它们所做的任务不够强大。而在于它们不够高效。它们消耗了太多能量，”他解释道。考虑到当今大规模人工智能系统处理海量数据集所消耗的能量，这一点尤为重要。
某教授继续解释说，与大脑不同，“我们现有的计算系统从未被设计用来处理海量数据或从少量示例中自行学习。提高能量和学习效率的一种方法，是按照在大脑中观察到的原理构建人工系统。”
如果你追求纯粹的速度，驱动现代计算的电子将是快速操作的最佳选择。但是，他解释说：“离子是比电子更好的体现大脑原理的介质。因为电子质量轻且易变，使用电子进行计算实现了基于软件的学习，而非基于硬件的学习，这与大脑的运作方式有根本不同。”
相反，他表示，“大脑通过跨膜移动离子进行学习，直接在硬件中（或者更准确地说，在人们可能称之为‘湿件’的物质中）实现高效能和自适应学习。”
潜在影响与后续步骤
某教授及其团队将这项技术视为迈向复制自然智能的重要一步。然而，他承认，实验中使用的银目前尚与标准半导体制造工艺不兼容。未来的工作将探索其他能达到类似效果的离子材料。
扩散忆阻器在能量和尺寸上都很高效。一部典型的智能手机可能包含大约十个芯片，每个芯片有数十亿个晶体管通过开关来执行计算。
“取而代之（通过这项创新），我们每个神经元只使用一个晶体管的面积。我们正在设计最终能使芯片尺寸和能耗降低数个数量级的基础构件，这样未来执行人工智能将是可持续的，能达到相似的智能水平，而无需消耗我们无法承受的能量，”某教授说。
既然我们已经展示了这些有能力的、紧凑的基础构件——人工突触和神经元，下一步就是集成大量此类构件，并测试我们能在多大程度上复制大脑的效率和能力。“更令人兴奋的是，”某教授说，“这种忠实于大脑的系统或许能帮助我们获得关于大脑自身如何工作的新见解。”FINISHED
