美国《每日科学》(Science Daily)网站刊登了来自法国国家科学研究中心(CNRS)的一篇文章,题目是:通往人造大脑之门:科学家研制出可以自动学习的人工突触。
来自法国国家科学研究中心、Thales公司、波尔多大学、巴黎大学和埃夫里大学(Evry)的研究人员创造出一种能够自主学习的人工突触。他们还对该设备进行了建模,这对开发更复杂的电路至关重要。该研究成果发表在2017年4月3日的《自然通讯》(Nature Communications)杂志上。
仿生学的目标之一是从大脑的功能中获得灵感,设计出智能程度越来越高的机器。这一原则已经被用于信息技术,在执行某些任务的算法中得到了体现,如图像识别;举个例子,这也是脸书网(Facebook)用来识别照片的方式。然而,这一过程会消耗大量能源。法国国家科学研究中心/Thales联合物理研究所(Unité mixte de physique CNRS/Thales)的研究人员最近在这一领域取得进展,直接在芯片上构建了能够学习的人工突触。他们还开发了解释这种学习能力的物理模型。这个发现为构建突触网络从而创造更快速、更节能的智能系统奠定了基础。
人类大脑的学习过程与神经突触有关,因为突触承担着大脑神经元之间的连接功能。突触受到的刺激越多,连接就越强,学习的进步就越大。研究人员从这个机制获得灵感设计了人工突触,并将其称为忆阻器(Memristor)。这种电子纳米组件包含了夹在两个电极之间的薄铁电层,它的电阻可以通过与神经元中类似的电压脉冲进行调整。如果电阻很小,突触之间的连接就会很强,而如果电阻很大,连接就会很弱。这种适应电阻的能力使突触能进行学习。虽然关于这种人工突触的研究是很多实验室的关注焦点,但这些设备的功能在很大程度上仍然是未知的。研究人员首次成功开发出能够预测其功能的物理模型。对这一过程的理解将有可能帮助创建更复杂的系统,如通过这种忆阻器互联的一系列人工神经元。
作为欧盟项目“基于活动的超低能耗摄像头”(Ultra-Low Power Event-Based Camera,ULPEC)H2020的一部分,这一发现将会通过新型摄像头应用于实时轮廓识别:除非观察到视角变化,像素点会保持不活动状态。数据处理过程的能耗更低,检测所选的对象所耗费时间更少。