SpiNNaker的尖峯神經網絡模仿人腦，可以推動機器人和健康方面的突破。

對於他們所有的肉體失敗，人類的大腦是計算機工程師一直試圖模仿的模型：巨大的處理能力，既令人驚訝的節能，又有微小的外形。但是在去年年底，在曼徹斯特的一個前所未有的金屬作品中，一臺機器變成了最接近人造人腦的機器。

百萬核心SpiNNaker-- Spiking神經網絡架構的縮寫 - 是數十年工作和數百萬英鎊投資的結晶。結果：一個大型並行超級計算機，旨在模仿人類大腦的運作，希望它能讓神經科學家重新理解思維的運作方式，並開闢新的醫學研究途徑。

該項目的起源始於20世紀90年代末，由現任曼徹斯特大學計算機工程教授史蒂夫·弗伯的工作。

“我開始想知道爲什麼，處理器變得如此之快，有些東西他們發現很難做到，就像人類一樣，我們覺得相對容易，”Furber說。他開始探索聯想記憶，並試圖通過不精確的輸入來解決他們的困難，將注意力轉向神經網絡。

2005年，SpiNNaker項目獲得了撥款資金，Furber的工程團隊將生物大腦作爲他們的計算模型。SpiNNaker目前居住在曼徹斯特大學的Kilburn大樓，該建築曾經用於在20世紀60年代末和70年代建造大型機。

從歷史上看，製造能夠模仿大腦的計算機的難度很大程度上取決於連接性。神經元 - 穿過身體並在很大程度上終止於大腦的神經纖維 - 每個都有數千個輸入和數千個輸出。計算系統在類似規模上與任何事物鬥爭。“很明顯，構建生物神經網絡計算模型的一個大問題就是接近你在生物學中發現的連接程度，”Furber說。

爲了構建一個更接近人類大腦的系統，該研究小組創建了一種新穎的尖峯神經網絡系統。尖峯神經網絡架構從神經元在大腦中工作的方式中獲取線索：爲了將信號從一個神經元傳遞到另一個神經元，其膜的電壓必須改變，並且必須產生所謂的動作電位。動作電位被轉換爲尖峯神經網絡中的尖峯。

通過使用這種架構，團隊表示SpiNNaker 打破了傳統超級計算機遵循的規則，因爲節點使用這些簡單的消息進行通信 - 尖峯 - 本質上是不可靠的。“這種決定論的突破提出了新的挑戰，但也有可能發現大規模並行計算的強大新原則，”該團隊表示。

作爲歐盟人腦計劃的一部分，2016年達到50萬個核心後，SpiNNAker最近達到了100萬個，使其能夠每秒執行2萬億次動作並實時模擬2億個神經元的動作。

“SpiNNaker非常靈活 - 我們使用神經元和突觸的所有模型都是軟件的一小部分。如果你將它們變成硬件，它們會更小更高效，但我們使用軟件的原因是什麼並不是真正的一致意見正確的模型是，不同的大腦區域可能需要不同的模型，軟件爲我們提供了靈活性，“Furber說。

尖峯神經網絡受到大腦的啓發，它也希望它們可以反過來爲它們模仿的器官提供更多的光線。這是因爲神經網絡以真實神經元的方式激活並以相同的方式傳輸信息。

例如，SpiNNAker系統已被用於模擬基底神經節，大腦中的一組結構有助於選擇運動模式 - 當你決定走到椅子然後坐下時，它就是發送的基底神經節腿部的行走模式，開始工作，到達椅子時停止，然後將坐下的模式發送到下半身。希望通過對基底神經節進行建模，神經科學家將更深入地瞭解他們的行爲以及他們如何做到這一點。

而且這還不是全部：更大的野心是SpiNNaker可以用來理解皮層 - 大腦的外層，它在言語和決策等高級功能中起着關鍵作用。它被用來模擬皮質微柱，穿過皮層的神經元羣。

“當我們看到加標率時，它們是正確的。下一個挑戰是嘗試測試一些關於微柱功能的理論，因爲這個功能是未知的...我們不知道其中的任何一個作品，“弗伯說。

更進一步，它甚至可以用來預測藥物對人類神經系統的影響，並有助於新藥的開發。然而，在此之前，科學界必須清除一些主要障礙：需要更好地瞭解藥物如何影響構成大腦1014個突觸的蛋白質的複雜混合物。一旦知道了，就有可能計算藥物如何影響突觸，然後最終在SpiNNaker上建立一個系統模型，看看這些效應如何改變行爲。

SpiNNaker也可以用於機器人行業 - 無論機器人是真實的還是虛擬的。SpiNNaker現在是人腦項目的一部分，正在開發曼徹斯特大學在其服務器上安裝的虛擬機器人環境。

這意味着來自全球各地的用戶可以建立一個機器人模型並將其與SpiNNaker中的尖峯網絡大腦模型緊密結合，Furber說，允許他們觀察其行爲並通過互聯網遠程控制它。

SpiNNaker是需要移動，低功耗計算的機器人研究人員的一個很好的目標。一個小的SpiNNaker板可以模擬成千上萬個尖峯神經元的網絡，處理傳感輸入併產生電機輸出，所有這些都是實時和低功耗系統。

相關文章