模拟信号处理配合神经芯片成就AI大脑

    模拟信号处理配合神经芯片成就AI的“最强大脑”。这种对模拟信号处理的偏见大可不必。实际上，模拟信号处理不仅在当今社会的许多行业中发挥着至关重要的作用，在不远的将来，其更将在人工智能时代和机器人身上大显神通。每一次人类面临新的科技洗礼时，这些新技术经常被等同于“更高级”、“更现代”。而“模拟信号处理”作为一个老名词似乎已不太能够给人带来惊喜。

    在探讨未来之前，先让我们来回顾一下模拟信号处理的发展史。

    模拟信号处理的辉煌年代

    在第二次世界大战期间，模拟电路在史上第一个“自动防空火力控制系统”的启用过程中发挥了关键作用。并且在随后的几十年里，模拟计算机成为计算火箭和航天器飞行轨迹的重要工具。

    除了军事航天，模拟信号处理技术也广泛应用在飞机、轮船和发电厂的控制与通讯系统中。几十年前模拟信号处理甚至控制了我们生活的每个角落：从转盘电话到图像复印机。

    这一技术因其准确、简单和快速等特点而被人们钟爱。无论火箭发射、邮轮远航还是普通市民的影视娱乐，它的身影无处不在。只是从20世纪60年代末开始，数字化浪潮兴起，模拟信号处理才慢慢从人们视野中退去。

    数字时代的模拟信号处理

    同数字计算相比，模拟信号处理的缺点是其太过刚性。当需要处理复杂多变的情况时，其复杂程度会呈几何级上升。而数字计算得益于“每18个月性能翻倍”的摩尔定律，其处理能力的无限潜力迅速吸引了人们的目光。在当今的消费产品中，模拟信号处理仅用于信息采集和仿生信息（声音和图像）输出等环节。除此之外的领域几乎全成了数字计算的天下。

    不过，如今的机缘和形势却让“陈旧”的模拟信号处理有可能夺回市场。“从部件损耗和故障率两个范围上来说，大规模自适应模拟系统比传统系统更有优势，功耗也更低。自适应模拟技术能够使半导体硅晶片的全部潜力得以发挥。”卡弗·米德（Carver Mead）如此看好模拟信号处理在新时代的发展前景，米德是加州理工学院的教授同时也是微电子先驱人物。

    AI和模拟信号处理是天作之合

    在习惯了数字计算的巧妙与精准之后，当代工程师通常将模拟信号处理视为落后老朽之物。但事实证明，当下大热的AI和深度学习算法可能更适合神经形态芯片和模拟信号处理。

    深度学习公司Nervana所建立的ASICs 能够通过在本地运行卷积神经网络来加速神深度学习算法的训练进度。整个过程中，除了数学运算是通过数字计算完成的以外，整个系统构架已经非常接近人脑。Nervana 的成绩迅速吸引了业界目光，最终引得英特尔以3.5亿美元的收购价格将其招致靡下。

    仿生人脑获得灵感

    从“机器人”这个词诞生伊始，人们对其的期待是一个具有高度智能的“人行”机器。在人工智能发展了这么多年之后，“机器人”的概念不断丰富，既有 Siri 这样只闻其声不见其形的语音助手，也有各种五花八门的功能性智能机器。

    随着AI的发展及其对人类生活的渗透加深，未来我们身边的智能设备会越来越多。这些智能设备不仅要求体积小、功耗小，同时还要能够随时待命提供极速响应。这对当今的计算系统来说是很大的挑战。后者不仅能耗突出，而且对云端计算的依赖也常常带来令人不爽的延迟。

    受到人脑工作原理的启发，科学家尝试用模拟电路来解决高功能和高功耗之间的矛盾。与其试图在标准数字电路上运行深度网络计算，模拟系统表现更出色。斯坦福大学（Brains in Silicon project）和密歇根大学都在研究更简便的建立模拟神经计算系统的方法。为数不少的初创公司也在此涌现。

    模拟信号处理助AI成就“最强大脑”

    之所以在数字计算发展顺风顺水地时候转向模拟计算，背后有其原因：神经网络更适合模拟信号处理，而AI的发展也会使后者的需求呈爆炸性增长。

    传统的硬编码算法对计算机内在的准确性和精确性要求很高。 如果运行传统硬编码算法的电路不精确，就会产生错误的结果。 神经网络则没有这个问题。其内部状态不必是精确的，系统会自适应地输出符合预期的结果。虽然其内部的无序和嘈杂听上去很可怕，但事实上我们的大脑就是这么一个内部嘈杂的系统，然而它运转的很好，这便是神经网络和模拟计算的神奇之处。 工程师正在师从造物主的设计，研究在硅芯片上人工打造神经计算的方法。其成功的结果是：不仅运算能力大幅提升， 同时能耗也将降低100倍。

    模拟信号处理的复兴所带来的影响将是巨大的。试想未来一种几乎不耗电的可穿戴设备的出现，没有网络也一样智能地给你提供各种协助——因为强大的计算能力让它单机情况下已足够智能。而这一切都得益于模拟计算。未来人工智能的世界精彩程度超出你的想象，这只是一个开始。

    2898站长资源平台友情链接交换：http://www.2898.com/friendchange.htm