多くの科学者やエンジニアは、このコンセプトに非常に興味を持っていがありますがCEA-Letiのチーフサイエンティストバーバラ・デ・サルボは、1950年代半ば以降、人工知能（AI）は夜が明けたことを指摘したが、AIの研究は紆余曲折があります。
しかし、今、真剣に人間の脳の技術を見て時間が、最も影響を与えている「我々は現在のモデルに他の技術があることを認識すべきである、良い質問をする私たちを助けます。」今年の国際固体素子回路会議でデ・サルボ（ISSCC）がいることをインタビューで「EEタイムズ」を受け入れるように基調講演をした後「は新しい操作モデルとアルゴリズムが存在しない場合、業界は最終的にはより厳しい電力要件を達成することは困難になります。」
業界では、図2に示すように、モービルのEyeQ5としてAI組み込みプラットフォームを押すと、無数のザビエルNvidiaのMovidiusてきたが、しかし、分析の多数を扱うエッジで低消費電力（エッジ）と端末装置のニーズを満たすために、彼女は言いました： '私たちは、「このステップの距離が非常に遠い到達する必要があります。
De Salvoは基調講演の中で、当然の相の計算効率（GOPS / W）といくつかのAIチップのGOPSを比較します。
同氏は、業界のニーズと既存のソリューションの間には依然として大きなギャップがあると指摘しました。「商用リリース、プロトタイプ、学術の設計や開発のためのチップは、100μW未満しかし、これはまさにエッジデバイスがエネルギー収穫や小型バッテリーに長年頼っていなければならないため、エッジデバイスが達成する必要があるものです。
なぜ人間の脳研究に戻るのか？
De Salvoは、人間の脳は体の約2％の体重を持ちますが、体の代謝の20％を占めることを知っています。
人間の脳は、20Wで1,011GOPを処理します。De Salvoはこれまでに、人間の脳に匹敵する性能とパワーを持つプロセッサは世界中に存在しないことを強調しています。
De Salvoは、このエネルギー効率クラスは、人間の進化の過程で長年にわたって進化し、エネルギー使用を最小限に抑えながら脳の機能を最大限に高めたと説明しました。
これは、生物学科から学ぶために、半導体産業である。彼女は、伝統的なコンピューティング・アーキテクチャは、電力要件を満たすことにコミットしていると述べ、「プロセッサとメモリの通信は、エネルギーを消費する必要があるとき。」主な理由は対照的に、脳シナプスは、単一のアーキテクチャ内のメモリおよび計算を含む。彼女は脳風の非ノイマン（非ノイマン）コンピュータ・アーキテクチャのために、この独創的な技術は、基礎を提供すると説明しました。
、その符号化スパイク（コーディングスパイク）とタイミング関連可塑スパイク（スパイクタイミング依存可塑性; STDP）としてのその性質に影響を与え、脳の動作原理のために彼女は、符号化システム・ビューのニューロンの状態に同様の要素を指摘しました。 ;「ニューロン純粋なイベントドリブンでないクロック、過去に、アナログまたは数値符号化を使用してニューロン今日、ニューロモルフィック最新動向を計算することは、彼女が説明ニューロンパルスまたはスパイクの値を符号化することです。 '
科学的意見はSTDP符号化と開発の見通しをスパイク。パルス（スパイク）は、入力/出力信号を表すようにした場合、入力信号と加算及び重量の乗算との間のシナプスの重みは、シナプスレベルでゲーティング動作を低下します。ここでの目標は、異種ソリューションを使用してスパイクやイベントベースのシグナリングを設定して電力消費を削減することです。
これは、イベント駆動型の画像処理技術のChronocam開発のようなものであるかどうか、彼女は答えた：？。「はい、しかし、Chronocamソリューションは、人工網膜に適用される 『視覚的な』私たちの使命は、業界ニューロモルフィック原則であることがあります。ビジョンを超えてコンピューティング分野全体を超えて拡張します。
デサルボ現在FD-SOIは、（DynapSEL）を学習スケーラブルな異種プロセッサを構築28nmのニューロモルフィックチップCMOSダイナミックニューロモルフィックの理想的な例であり、大規模なニューロモーフィックマルチコアプロセッサであり、IBMのTrueNorthを前記しました別の例として、DynapSELは現在、NeuRAM 3欧州共同研究プログラムの開発プログラムの1つです。
メモリは神経質フォームの機能の原則に基づいていないので、デジタル処理、およびDynapSELが類推されるでTrueNorthニューロンは。しかし、これら二つのチップは、効果的に完全に機能するニューロモーフィックシステムではありません。
科学コミュニティは、メモリを処理ユニットに近づけようとしており、従来のメモリ階層に革命を起こし、「インメモリコンピューティング」を実装しています。これまでのところ、ニューロモルフィックハードウェアはまだ完全な可能性に達していないとDe Salvoは述べています。ニューロンとシナプスの間で最大限の接続性と再構成性を実現するために、ニューロモルフィックコンピューティングで超高密度3Dアーキテクチャを使用する必要があります。
昆虫の脳
私たちは今、人間の脳は千億ニューロンを持ち、かつ、95万ニューロンは自分の脳の大きさ1mm程度の立方体で蜂のような他のスマート昆虫があるにはよく知られている。デ・サルボは、昆虫の多様で指摘し、蜂の脳が最も大きいです彼女は言った：「私たちはミツバチの脳内でニューロンマッピングをマスターしましたが、人間の脳のニューロンについてはほとんど分かりません。
「蜂は非常にスマートである。」ので、科学者たちは、ミツバチの脳を解剖することに熱心ですビーは「ありそのナビゲーションを通じて採餌できる多くのセンサがあり、グループで通信する方法を知っている。グループで一緒に暮らすために、ミツバチ必要があります他のミツバチの機能を知る。
「もちろん、ミツバチの脳は小さいですが、そのシンプルな形はAIシステムにとって良いモデルです」とDe Salvo氏は述べています。「生体がセンサーから信号を分離しないため、体系的に考える必要性を強調しています処理。
AI最新の進歩？
10年前、AIで今見ている画期的な進歩を想像できる人はいません。
しかし、観測デ・サルボに基づいて、業界はAIの見通しについて楽観が原因である可能性がありますが、すぐに実際にAIの研究アプリケーションのフォーカスをシフトする、と彼女は言った：「我々はまだ...同じように深い学習をAIシステムの包括的な理解が不足しています」
彼女は成層の隠された深さの研究、およびその結果、システムの複雑さは、それが難しい最大の責任を負うパフォーマンスを向上するプロパティを言うすることがあることを説明した。「一般的な知能、学習、および抽象的推論能力と比較すると達成される蔓延は依然として非常に限られています。
De Salvo氏は次のように述べています。「最近、ニューラルネットワークは、人間が一度も見逃せなかった簡単な作業を実行することができませんでした。 Salvoと引用A.グエン（Nguyen）ら、「ディープニューラルネットワークは簡単に欺かれている：認識できない画像に対する高い信頼の予測」は、最終的に市場の発展を妨げ、さらにはユーザーの信頼を裏切り、深刻な道徳的疑問を引き起こした。
コンパイル：香港のスーザン