

当我们说计算机很聪明时,通常指的是它们运行速度有多快、能处理多少数据。但桑迪亚国家实验室的研究人员最近发现了一个令人惊讶的真相:真正聪明的计算方式不是让机器跑得更快,而是让它们像人脑一样思考。这项刚发表在《自然机器智能》期刊上的突破性研究表明,受大脑启发的神经形态计算机不仅能够解决传统上需要巨型超级计算机才能完成的复杂数学问题,而且耗能远低于传统方案。
偏微分方程是科学和工程领域的数学基础,从天气预报到流体流动,再到核模拟,都离不开它们。过去几十年来,只有耗能巨大的超级计算机才被认为有能力解决这些方程。但计算神经科学家布拉德·泰尔曼和布拉德·艾蒙开发的新算法改变了这个游戏规则。他们的神经形态硬件通过模仿人脑的处理方式,以出人意料的高效率解决了这些复杂问题。
泰尔曼说得很直白:"我们现在拥有的计算系统虽然能展现出类似智能的行为,但它们看起来根本不像大脑,老实说,它们消耗的资源量简直荒谬。"这句话包含了对传统超级计算机的讽刺评价,也暗示了一个事实:我们在追求计算能力时,可能一直走错了方向。
从怀疑到惊奇:人脑的计算天赋
几十年来,神经形态计算机主要被认为只适合模式识别和加速人工神经网络等相对简单的任务。没人预料到它们能够处理数学上严谨的问题,比如那些需要超级计算机花费数小时甚至数天才能解决的偏微分方程。
但泰尔曼和艾蒙的发现其实并不令人惊讶。他们的观点是:人脑每时每刻都在进行极其复杂的计算,只是我们没有意识到。艾蒙指出,看似简单的运动任务实际上涉及极其复杂的计算。打网球或挥棒击球需要大脑进行"百亿亿次级别"的运算,而我们的大脑能以极低的成本轻松完成这些任务。这启示人们一个深刻的道理:智能和能效可能并不相互对立,反而是相辅相成的。
这项发现的核心在于一个被忽视的事实:传统计算机的设计理念本身就低效。这些机器为了追求通用性和速度,不得不采用大量无谓的运算和能量消耗。而神经形态系统则通过模仿大脑的事件驱动特性,只在需要时激活相关神经元,从而大幅降低功耗。
国家安全与能源危机的碰撞点
这项研究对美国国家核安全管理局(NNSA)特别重要。美国的核武器库维护需要超级计算机模拟核武器的物理特性和其他高风险场景,这些模拟耗费了惊人的电力。如果神经形态计算机能够以同样的精准度完成这些任务,同时只需传统超级计算机百分之一的电力消耗,这将是一个重大的战略转变。
艾蒙表示,人们的直觉往往与现实相反。很多人认为解决复杂物理问题必然需要庞大的计算资源,但事实证明这种直觉是错误的。现实是,通过模仿大脑的运作方式,神经形态系统可以以远低于预期的能耗完成这些任务。这意味着未来的国家安全基础设施可能会更高效、更可持续、更经济。
这项进展也打开了一个更深层的思考空间。如果神经形态计算能够揭示大脑如何执行复杂的数学运算,那么它也许能帮助我们理解神经系统疾病的本质。艾蒙有一个大胆的假设:脑部疾病可能本质上是计算疾病。如果这个假设成立,那么阿尔茨海默病和帕金森病等神经退行性疾病的治疗可能需要从计算的角度重新思考。
泰尔曼和艾蒙虽然已经迈出了重要一步,但他们认为这仅仅是开始。他们希望更多的数学家、神经科学家和工程师能够加入这个领域,共同探索是否还有其他更复杂的数学算法也存在类似的神经形态表达方式。这种跨学科的合作可能会催生下一代计算机的诞生。
桑迪亚国家实验室的这项研究标志着一个转折点:我们终于开始相信,真正的计算智能可能来自于对自然、特别是对人脑运作方式的深刻理解。在能源日益紧张、环保要求日益严苛的今天,这种节能高效的计算方式也许不仅是技术进步,更是一种必然。
卓信宝-卓信宝官网-老牌配资平台-配资炒股首选提示:文章来自网络,不代表本站观点。