模拟计算起死回生，未来AI还要靠它指路

原文: An Old Technique Could Put Artificial Intelligence inYour Hearing Aid

来源:https://www.wired.com/story/an-old-technique-could-put-artificial-intelligence-in-your-hearing-aid/

但在演示中，相对于常规智能手机芯片，它们可以从更远距离外辨认行人，因为它不需要将视频压缩之后再行处理。对比结果很明显：在路上，搭载模拟系统的汽车更让人安心。

就某些任务而言，模拟电路的耗能低于同等数字设备，因为它需要的电路相对更少。Mythic的芯片还可以独立运行神经网络涉及的一切工作，无需动用设备内存，以至于干涉其他功能。模拟电路并非处处适用，一个重要的原因在于，它不太善于控制“噪音”，这会影响到数字的精确性。但在运行神经网络时，这就迎刃而解了，因为理解图像或声音等“嘈杂数据”正是神经网络的拿手好戏。

Mythic与富士通合作，后者制造闪存芯片，计划在明年面向客户推出，作为试水。一开始，该公司将瞄准摄像头市场，应用领域包括消费设备、汽车和监控系统等。

但在演示中，相对于常规智能手机芯片，它们可以从更远距离外辨认行人，因为它不需要将视频压缩之后再行处理。对比结果很明显：在路上，搭载模拟系统的汽车更让人安心。

就某些任务而言，模拟电路的耗能低于同等数字设备，因为它需要的电路相对更少。Mythic的芯片还可以独立运行神经网络涉及的一切工作，无需动用设备内存，以至于干涉其他功能。模拟电路并非处处适用，一个重要的原因在于，它不太善于控制“噪音”，这会影响到数字的精确性。但在运行神经网络时，这就迎刃而解了，因为理解图像或声音等“嘈杂数据”正是神经网络的拿手好戏。

Mythic与富士通合作，后者制造闪存芯片，计划在明年面向客户推出，作为试水。一开始，该公司将瞄准摄像头市场，应用领域包括消费设备、汽车和监控系统等。

达格·斯派瑟（Dag Spicer）在等一个特殊的快递，不过，它不是“黑色星期五”的冲动消费。里面是一个马达，拳头大小，铜锈斑斑，来自一台挑战过人脑的、房间般大的古董计算机。恰恰是这样一个马达，它可能为人工智能指明一条道路。

斯派瑟是加州山景城计算机历史博物馆的高级策展人。包裹中的马达来自Mark 1感知机，这台感知机诞生于1958年，缔造者为康奈尔大学研究人员弗兰克·罗森布拉特（Frank Rosenblatt）。它能经由摄像头，“看到”三角形和正方形等形状，并学会区分不同形状。它具备512个马达，用于转动旋钮，调整联系，达到辨别形状的目的。“当时，这是一个巨大的里程碑。”斯派瑟说。

时至今日，计算机在记录感知时，已经不再像感知机一样，借助自旋旋钮等模拟组件。现在的计算机使用1和0组成的二进制数，以数字化的方式，对数据加以存储和处理。但在距博物馆11英里处的雷德伍德市（Redwood City），一家名为Mythic的初创企业正视图重振模拟计算机，以为人工智能服务。CEO兼联合创始人迈克·亨利（Mike Henry）表示，要让手机、摄像头和助听器等便携式设备享受人工智能的全部裨益，此举将必不可少。

Mythic用模拟芯片运行人工神经网络，或称深度学习软件，即最近的AI热潮背后的驱动力。这种技术需要大量的数学与记忆操作，很费计算机——对于芯片数量和电池续航均有限的小型设备而言，这就更加难办了。正是出于这个原因，多数强大的AI系统才都扎根于肥沃的云服务之中。但云服务也有其局限性。有些领域虽需要AI，但受到隐私、时间或供电的约束，对它们来说，将数据交给某台远程计算机并不可行。

展开全文

Mythic的项目称得上是一种穿越。“我上大学那会儿，模拟计算机就已经销声匿迹，”加州大学伯克利分校教授埃利·雅布罗诺维奇（Eli Yablonovitch）说，他拿到第一个学位是在1967年。“它复活了一种被彻底淘汰的东西。”很多年前，模拟电路就退居某些小众应用领域了，比如无线电信号处理。

亨利表示，内部测试显示，Mythic的芯片有望在便携式设备内运行强大的神经网络，比常规智能手机芯片所能运行的更胜一筹。“这有助于深度学习部署到千千万万的设备之中，如机器人、汽车、无人机和手机等。”他表示。

亨利喜欢演示其芯片的过人之处。在模拟演示中，一边是他的芯片，一边是市面上号称适配AI的智能手机芯片，两者同时运行软件，从车顶摄像头拍摄的视频中辨认行人。到目前为止，Mythic的芯片都太小，不足以运行一整个视频处理系统。但在演示中，相对于常规智能手机芯片，它们可以从更远距离外辨认行人，因为它不需要将视频压缩之后再行处理。对比结果很明显：在路上，搭载模拟系统的汽车更让人安心。

数字计算机靠着发条式的算术序列，对二进制数字进行处理。而模拟计算机的运作更类似于管道系统，只不过，其中流动的是电，而不是水。电子流经放大器和电阻器等组件构成的迷宫，这些元器件通过改变电流大小，或是串并联，达到数学运算的目的。测量管道输出口的电流，便可获得最终答案。

就某些任务而言，模拟电路的耗能低于同等数字设备，因为它需要的电路相对更少。Mythic的芯片还可以独立运行神经网络涉及的一切工作，无需动用设备内存，以至于干涉其他功能。模拟电路并非处处适用，一个重要的原因在于，它不太善于控制“噪音”，这会影响到数字的精确性。但在运行神经网络时，这就迎刃而解了，因为理解图像或声音等“嘈杂数据”正是神经网络的拿手好戏。“模拟数学很适合神经网络，但用来算账还是免了吧。”亨利说。

如果模拟计算卷土重来，这不会是Mark 1感知机的最大亮点。该机器是最早的神经网络之一，但在2012年，也就是当前的AI热潮掀起之前，它都长期处于被冷落状态。

相较于Mark1感知机的马达旋钮，Mythic的模拟管道更加节省空间。该公司的芯片由闪存芯片（即U盘芯片）改制而成，也就是说，他们巧妙地将数字存储器转变成了模拟计算机。

具体方法就是针对一项任务，比如视频处理，将相应的神经网络写入芯片的晶体管。数据以模拟信号的形式流经芯片，即流经神经网络，继而被重新转换成数字信号，这样一来，芯片就能在常规统数字设备内运作。Mythic与富士通合作，后者制造闪存芯片，计划在明年面向客户推出，作为试水。一开始，该公司将瞄准摄像头市场，应用领域包括消费设备、汽车和监控系统等。

Mythic希望，这种起死回生的策略能让它生存下去。目前，这个领域已经挤满致力于定制硅片的公司。在最新款智能手机中，苹果和谷歌都加入了定制硅片，用于支持神经网络。

伯克利的雅布罗诺维奇猜测，除了Mythic，以后还会有更多公司试图复活模拟计算。在本月的一次演讲中，他着重强调了模拟计算机与当今最难攻克、也最有利可图的一些计算机问题。

“其总体潜力比深度学习还要大，”雅布罗诺维奇说。他表示，有证据表明，模拟计算机或还有助于解决涉及到交付路线规划的著名难题：“旅行推销员问题”（给定一系列城市和每对城市之间的距离，求解访问每一座城市一次并回到起始城市的最短回路——译注），以及药品和投资等其他领域的难题。

自模拟计算机过时至今，不变的是工程师们敢于梦想的心。1958年，罗森布拉特在接受《纽约时报》采访时说，“感知机也许会被发射到其他行星上，作为太空机械探测器。”亨利也对地外探索不无憧憬，他说，他的芯片或可以帮助卫星理解它所拍摄到的图像。有朝一日，他也许能证明罗森布拉特所言非虚。

畅销书《决战大数据》作者