某大学的研究人员创造了能够再现真实脑细胞复杂电化学行为的人工神经元。这项发表于《自然-电子学》的发现，标志着神经形态计算领域的一个重要里程碑。该领域致力于设计模仿人脑的硬件。这项进展可能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通用人工智能的实现。
与数字处理器或早期仅通过数学模型模拟大脑活动的神经形态芯片不同，这些新型神经元在物理层面再现了真实神经元的运作方式。如同自然大脑活动由化学信号触发，这些人工神经元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征，而是生物功能的实体化再现。
新型类脑硬件
这项研究由某大学电气与计算机工程系的 Joshua Yang 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。该团队的新方法核心是一种称为“扩散型忆阻器”的器件。他们的研究结果表明，这些组件有望催生新一代芯片，既能补充又能增强传统的硅基电子学。硅基系统依赖电子进行计算，而 Yang 的扩散型忆阻器则利用原子的运动，创造出一个更接近于生物神经元信息传递的过程。其结果是可能制造出更小、更高效的芯片，以大脑的方式处理信息，并为实现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神经细胞间的通信。当电脉冲到达神经元末端称为突触的连接处时，会转化为化学信号以将信息传递给下一个神经元。信息被接收后，又会被转换回电脉冲，继续在该神经元中传递。Yang 和他的同事在他们的器件中惊人准确地复现了这一复杂过程。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尺寸，而旧的设计则需要数十甚至数百个晶体管。
在生物神经元中，被称为离子的带电粒子有助于产生电脉冲，从而使神经系统活动成为可能。人脑依靠钾离子、钠离子和钙离子等来实现这一过程。
利用银离子重现大脑动态
在这项新研究中，Yang 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、移动和规划等基本过程。
Yang 解释说：“尽管我们的人工突触和神经元中使用的离子不完全相同，但支配离子运动和动态过程的物理原理非常相似。”
Yang 解释说：“银易于扩散，并能提供我们模拟生物系统所需的动态特性，从而以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型器件被称为“扩散型忆阻器”，这是因为使用了银后发生的离子运动和动态扩散。
他补充说，团队选择利用离子动力学来构建人工智能系统，“是因为这正是人脑中发生的事情，而且人脑是有充分理由成为‘进化赢家——最高效的智能引擎’的。”
“它更高效，”Yang 说。
效率在人工智能硬件中的重要性
Yang 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于正在处理的任务不够强大，而在于它们不够高效，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巨大能量，这一点尤为重要。
Yang 进一步解释说，与大脑不同，“我们现有的计算系统从来就不是为处理海量数据或仅通过几个例子就能自主学习而设计的。提高能量效率和学习效率的一个方法是，根据在大脑中观察到的原理来构建人工系统。”
如果追求纯粹的速度，驱动现代计算的电子是快速运算的最佳选择。但是，他解释说，“对于体现大脑的原理来说，离子是比电子更好的媒介。因为电子重量轻且易挥发，用它们进行计算可以实现基于软件的学习，而非基于硬件的学习，这与大脑的运作方式根本不同。”
相比之下，他说：“大脑通过学习移动离子穿过细胞膜，直接在硬件中——或者更准确地说，在人们可能称之为‘湿件’中——实现节能且适应性强的学习。”
例如，一个小孩只需看几个手写数字的例子就能学会识别它们，而计算机通常需要成千上万个例子才能完成同样的任务。然而，人脑实现这种卓越的学习能力仅消耗约20瓦的功率，而当今的超级计算机则需要消耗兆瓦级的功率。
潜在影响与未来步骤
Yang 和他的团队将这项技术视为迈向复现自然智能的重要一步。但他也承认，这些实验中使用的银尚不能与标准的半导体制造工艺兼容。未来的工作将探索能够实现类似效果的其他离子材料。
这种扩散型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，每个芯片上有数十亿个晶体管通过开关来进行计算。
Yang 表示：“（借助这项创新），我们每个人工神经元仅占用一个晶体管的尺寸。我们正在设计这些基础构建模块，最终有望将芯片尺寸缩小数个数量级，将能耗降低数个数量级，使得未来的人工智能能够以可持续的方式运行，在提供类似水平的智能的同时，不会消耗我们难以承受的能源。”
既然已经展示了功能强大且紧凑的构建模块——人工突触和神经元，下一步将是集成大量这样的模块，并测试能在多大程度上复现大脑的效率和能力。Yang 说：“更令人兴奋的是，这种高度保真的大脑模拟系统，可能有助于我们揭示关于大脑自身工作机制的新见解。”FINISHED
