大腦是最復雜也是最強大管理領域，如何利用人工智能超級計算機進行仿真大腦活動是眾多研究者最大的目標，當然也是挑戰。近日，MIT宣布設計人造突觸芯片能以類似大腦神經元方式傳遞訊息。

盡管科技已經如此進步發達，但對于那些在人工智能（AI）領域的研究者來說，讓計算機仿真大腦活動仍是一項龐大的任務，如果硬件能夠設計更像大腦的硬件，那么管理起來將會更容易。

是的，大家都是這么想的，那么話說回來，究竟這個「期望」有多么困難？ 日本研究單位 5 年前就曾經進行過一項大腦活動仿真測試，這個運用世界上最強大超級計算機之一所進行的例子應該能作為一些參考。

在 2013 年時，日本理化學研究所（Riken）運用超級計算機「京」（K computer）進行的對大腦活動的仿真測試;「京」一共使用了 82，944 個處理器和 1 PB（約 1，000 TB）主存儲器，幾乎相當于當時 25 萬臺計算機的運算單位。

而這樣一臺計算機為了仿真大腦中 10.4 兆突觸所連接的 17.3 億神經元活動的 1 秒鐘，就花上了 40 分鐘;盡管聽起來已經非常厲害，但事實上是，這一切仍只是大腦活動中的百分之一。

即使是現在，大腦仍是比任何計算機都還要更為強大，它包含著 800 億神經元和超過 100 兆個神經突觸，隨時都在控制訊息的通過，相較之下，目前計算機芯片仍是以二進制語言在傳輸訊號，每一條訊息都以 1、0 在進行編碼。

科學家認為，如果芯片運用類似突觸的連接方式，計算機使用的訊號將可能更加多樣化，進而實現「突觸式」的學習。

在大腦中，突觸負責「管理」訊息的傳遞，而神經元則會根據穿過突觸的離子數量和種類來動作，這些都幫助大腦識別模式、記住事實并執行任務;科學家將這種新興研究領域稱為神經形態工程學（Neuromorphic engineering）。

迄今為止，想要讓芯片擁有這種學習方式已被證明是困難的，但 ScienceAlert 報導指出，隨著麻省理工（MIT）工程師成功克服障礙設計出一種由硅鍺（SiGe）制成的人造突觸芯片，未來「突觸式」學習的發展將有可能達成。

過去神經形態芯片的設計是使用非晶體作為「開關媒介」，分隔開兩個導電層以起到突觸的作用。 但這種方法存在的問題是，如果沒有定義結構性的傳播路徑，信息就會有無數的路徑可以傳遞，而這帶來芯片的不一致及不可預測性。

為了避免非晶體為芯片帶來的不均勻性，團隊創造了只有一維信道的硅鍺晶格，確保離子每次流動時都使用完全相同的路徑，接著團隊再使用這些晶格打造了神經形態芯片，就像是大腦中神經元之間的電流一樣， 這種芯片也可以精準的控制其中流動的電流強度。

團隊計劃下一步將實際打造出能夠執行手寫識別的芯片，最終目標則是創造攜帶式神經網絡裝置。 在 Kim 看來，這項研究就像一塊墊腳石，帶領人們走向生產真正的 AI 硬件目標前進，「我們希望最終能以一個指甲大小的芯片，來取代巨大的超級計算機。 」