要訓練一個 AI 需要大量的算力，而算力的發展和專門為 AI 演算法設計的晶片有很大的關係，也因為 AI 的運算需求，改變了現代電腦的結構。

電腦或許可以寫入大量的資訊來進行運算，但它不像人類大腦會仰賴「大規模的多重平行處理系統」，因此電腦晶片模擬人類大腦神經突觸，一直以來都是趨勢所趨，即使目前技術尚未成熟，但總體方向還是正確的。

過去幾年來，許多科技巨擘均在模擬神經元晶片方面，斥資了上億美元，例如，英特爾的 Loihi 的神經擬態晶片就脫離了傳統矽晶片的計算模型，模仿了人腦原理的神經擬態計算方式。

而 IBM TrueNorth 晶片的架構，其設計結構更加接近人腦。美國勞倫斯利弗莫爾國家實驗室（Lawrence Livermore National Laboratory）就曾測試了這台價值約 3000 萬新台幣的電腦，它集成了 16 個用來模擬人腦工作方式的微處理器，成為同類電腦的首創。

人腦能大規模並行計算且消耗耗能非常之低

模仿人類大腦是科學家尋求突破的方向，人類大腦的神經元擁有龐大的數量可以讓每個神經元都通過成千上萬個突觸與其他神經元相連，形成超龐大的神經元迴路，以分布式和並發式的方式傳導信號，相當於超大規模的並行計算，從而彌補了單神經元處理速度的不足。

且人腦的另一個特點是部分神經元不使用時可以關閉，因此整體耗能非常之低

神經突觸（neurosynaptic）晶片 TrueNorth

根據《華爾街日報》報導，為了解決世界上棘手的計算難題，美國勞倫斯利弗莫爾國家實驗室（Lawrence Livermore National Laboratory）嘗試從人類大腦中獲取靈感。

該實驗室測試的這台電腦使用的晶片正是 IBM 研究院在 2014 年正式發表的第二代神經突觸（neurosynaptic）晶片 TrueNorth。

這款晶片與當前伺服器或個人電腦中使用的晶片截然不同，該晶片集合了 54 億個電晶體，構成了一個擁有 100 萬個模擬神經元的網路，這些神經元由數量龐大的模擬神經突觸相連結。

也就是說， TrueNorth 是採用模擬人腦而發展出來的晶片架構，不僅具備了 100 萬個可程式化的神經元以及 2.56 億個可程式化的突觸，每秒每瓦特還可進行 460 億次的突觸操作。

若實驗室按照計劃採購 16 顆 TrueNorth，則將會有 1600 萬個神經元、40 億個可程式化的突觸，且只會消耗 2.5 瓦特電源，省電效率非常驚人。

人工智慧以消耗計算資源和能源作為代價

人工智慧的自然語言處理、圖像識別和自動駕駛技術的進步，是以消耗計算資源和能源作為代價的，因此工程師和計算機科學家都在付出巨大的努力，以找出可以更有效地訓練和運行深度神經網路的方法，這也是未來晶片升級和演化的主要目的。

而 TrueNorth 旨在推動圖像識別、語音識別等前沿技術的新突破，也就是會隨著我們對機器人的視聽感知和自主學習的應用需求而不斷升級，有望推動新一輪的產業革命。

TrueNorth 晶片在各領域的應用潛力

IBM 也正在探索 TrueNorth 晶片在多個領域的應用潛力，包括：運動、音樂處理、立體視覺、強化學習、機器人、分類等。

勞倫斯利弗莫爾國家實驗室的計算機科學家范埃森（Brian Van Essen）表示，對於深度學習應用以及更廣泛的機器學習應用而言，TrueNorth 提供的技術非常有用。