IBM计划将TrueNorth芯片推向商用市场

　　IBMTrueNorth芯片以模拟人脑的神经元与突触为基础，希望让电脑也能拥有接近人脑的辨识能力。IBM的仿神经元芯片利用电力突波(spike)进行资料编码，因此较其他深度学习(deeplearning)技术更为省电。IBM目前正积极与移动装置业者接洽，试图将TrueNorth芯片技术推向商业应用。

　　据MITTechnologyReview报导，IBM利用美国国防部先进研究计划局(DARPA)资金研发的TrueNorth芯片，只有邮票般大小，并拥有100万个矽“神经元”，与2.56亿个连接神经元的突触，功耗比相同大小的传统处理技术少了1,000倍以上。

　　有了TrueNorth芯片技术，移动装置在不需透过云端运算的情况下，也能用极低的电力运行影像或语音辨识等高阶机器智能软体。IBM资深副总裁JohnKelly表示，该公司已与电脑系统领导厂商展开接洽，针对TrueNorth芯片在移动市场与物联网市场发展的各种可能性进行讨论。

　　TrueNorth芯片架构不同于既有的运算芯片，需要全新的软体编写方式。此外，TrueNorth芯片利用电力开关，模拟生物神经元的突波讯号进行资料编码，因此和Google、Facebook、微软(Microsoft)等厂商利用软体研发的深度学习神经网路也有所不同。

　　仿突波神经元芯片目前还未展露出能与深度学习匹敌的影像语音辨识能力，在Facebook研发深度学习的YannLeCun对IBM神经网路技术实用性感到质疑。负责IBM仿神经芯片技术研发的DharmendraModha则认为，若要提升神经网路在芯片上的功率效率，突波将是关键。

　　Modha的团队已着手尝试将训练完成的深度学习神经网路移植到TrueNorth芯片上。Modha表示，TrueNorth芯片将作为一个基板，各种不同的神经网路都可绘制在TrueNorth芯片上，支援即时、超低功耗、超低容量的应用。

　　据加拿大蒙特娄大学(UniversityofMontreal)的研究结果显示，要将深度学习的仿神经元网路移植到使用突波的仿神经元硬体上，比一般预期中更为容易，而影像处理的准确度也不会受到影响。

　　就在IBM寻找整合二种技术的最佳方法时，Google与高通(Qualcomm)都已开始尝试将人工神经网路与深度学习技术，应用在移动装置与车辆上。