1
雷鋒網按：本文作者癡笑，矽說（微信號：silicon_talks）主筆。
你信不信有一天，硅工造的芯片會寫詩？
如果信，
那說好的“詩三百，一言以蔽之，思無邪”，
還真的是“無邪”么？
如果不信，請讀下面這一首：
如果要給這詩一個賞析，大概可以是一個憂傷的故事。
天邊云的變換復雜，而我卻是半夢半醒，我在想一個人，想第一次和他相見，想他的風流倜儻，想他的英雄颯爽。
如果你是個文科生，或許你會嘲笑這首連平仄都不滿足的劣質詩歌，韻腳也押的有些蹩腳，故事更是為賦新詞強說愁。
如果你是理科男，或許對這種思春的小情懷不以為然。
不過，那是因為你們并沒有看懂這首詩。
因為這詩暗藏了一個密碼，藏著人工智能遇到摩爾定律后蹭出的火花。
另外，這詩不是人工智能的產物，只是矽說在這個人工智能橫行的年代里特有的小情懷。
但可能在不遠的將來，人工智能將會開車，會翻譯，會調情，也會寫下更美的篇章。想解開這個人工智能與集成電路的秘密？關注雷鋒網后期更新，我們一句一句地讀下去。
〈一〉昨夜神風送層云
在我讀書的時候，人工智能（Artifical Intelligence, AI）從來就是CS (Computer Science)的天下，哪有電路攛掇的份。那時候的碼農們或許會掛著機器學習，數據挖掘，支持向量機，壓縮感知……但從來沒有一次，電路的突破是由人工智能推動的。可是在今天，如果你打開半導體行業的利好消息，有多少不是和人工智能，深度學習相關的？
過去幾個月，光在半導體巨頭們發生的人工智能的故事就足以吊足大家的胃口。何況，這還是只是很多硅工心目中的人工智能元年。
是什么導致了半導體行業”AI一出驚天下“的巨大改變？矽說推出“腦芯編”系列，為你揭秘類腦芯片的過去，現在與未來。
從人工智能到神經網絡神經網絡
在人工智能改變半導體行業之前，在AI領域發生過一場“華山論劍”，耗時數載，最終以“深度學習神經網絡（Deep Learning Neural Network）”一統江湖落下帷幕。該過程腥風血雨，而主角“神經網絡”的遭遇更堪比張無忌、楊過，歷經少年時的悲慘遭遇，被無數號稱時代“大俠”嗤之以鼻，但終究是主角光環加持，加之得外家指點，十年一劍終成大器，號令天下，誰敢不從。
本篇對這里其中的故事，按下不表，有好事者，可以去各處搜搜，劇情精彩不容錯過。但是這里還是要感謝，在神經網絡經歷最寒冬的時候，一眾大牛如 Yann LeCun (讀作楊雷昆，不是嚴立春！！)，Geoffrey Hinton等的默默堅守，才有神經網絡的今天。不過他們也早已是Facebook / Google的首席科學家，如今功成名就，也是吾等小輩無法企及的高度。
Yann LeCun, Geoffrey Hinton
神經網絡在人工智能領域，屬于機器學習一路的分支。所謂機器學習，就是讓電腦經過學習后代替人腦做出判斷，理解，甚至決定（還記得贏了李世石的AlphaGo么？）。而所謂深度學習和淺學習的區別在于設計者是否告訴電腦的學習策略。最常見的例子是大家電子郵件系統里的垃圾郵件分類，一般一份郵件是否是垃圾郵件，在于它是否滿足一些標準，比如是不是群發的，有沒有叫你買東西的廣告，是不是圖片占有比例很高，然后發信人有沒有被舉報過等等……這些標準都是一個個特征，如果一種機器學習方法規定了學習的特征與策略，那就是淺學習，如果沒有規定，需要算法本身去挖掘策略，那就是深度學習。
所以，深度學習的一大隱憂就是——人類并不知道算法本身究竟在想什么？所以如果哪天他在他負責的算法下隱藏了一個暗算/統治人類的bug，那我們就被徹底奴役了。
不過，所謂“莊生曉夢迷蝴蝶”，人類自己究竟是不是被另外一個物種開發出來的一種新智慧呢？然后，那個物種是不是已經被我們滅絕了呢？我們并沒有答案。
碼農老師教的生物課
為了弄清這橫掃千軍的神經網絡，首先讓我們來上一堂不污的生物課。既然叫神經網絡，那起源就是生物腦科學。很久以前，人們發現一個單神經細胞（也叫神經元）包括輸入（樹突dendrites），激活判斷（細胞核nucleus），輸出（軸突axon）和與下一個神經元的連接關系（突觸synapse）。如果用數學抽象出來過程，就是把一堆輸入經過線性組合以后經過一個閾值判斷，然后輸出給下一級。這樣一個簡單的神經元就形成。把足夠多個神經元連起來就能實現神經網絡了。
上面兩個圖就是真實的神經元和它的數學模型。不過我還是要吐槽下：
從上述神經元的提出，到許多仿生的算法結構的研究，如多層感知器(Multilayer Perceptron) ，脈沖神經元(Spiking Neural)之類的，經過了一個甲子的時間，特別但都沒沒什么巨大的成功，原因有兩個：
（1）當時的集成電路計算規模與資源遠沒有達到面向實際應用的需求，仔細去研究神經元的數學模型，會發現每個神經元有若干個權重和成累加計算 。他對應匯編可以大致是如下流程：
累加器清零 (mov)
-- 循環開始 (branch)
從存儲器中加載權重 (load)
從存儲器/外設中加載輸入 (load)
權重 乘以 輸入 (multiply)
累加 (add)
-- 判斷是否重新循環 (goto)
激活函數 (??)
輸出 存儲 (store)
對于一個N輸入的神經元要走N個循環，這對于上個世紀的單核單線程的CPU，實在是操作難度太復雜。這也就是為什么當流水線與并行處理 不斷壯大的近十年，神經網絡的發展得到了迅猛發展。
（2）連得不對。這短短四個字，雖說的輕巧，但要找到連連看的竅門，著實花費了多少人的青春？關于怎么連，各位看官先別著急，且聽腦芯編下回分解。
作為腦芯編的開篇，今天就到這里，所謂“神風送層云”指的就是集成電路的下一個增長點或許就在在人工智能領域取得巨大成功的神經網絡硬件實現上。
特別鳴謝復旦大學腦芯片研究中心提供技術咨詢，歡迎有志青年報考。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
