新型神经芯片和软件能够赋予机器人无与伦比的感知能力。
用3D打印技术制造的机器人，像一个拥有眼睛的微型感应车一样。它被放在Brain Corporation的一个房间里，经过几分钟的游荡之后，就学会了如何避免自己撞到墙上。当eyeRover走开之后，机器人软件公司助理科学家彼得·奥康纳（Peter O’Connor）亦步亦趋地跟在他的后面。他使用远程控制系统，轻松地控制几英尺高的机器人并引导它围绕着他的脚转，就像父母会帮助孩子学会避免碰到咖啡桌一样。在下一圈时，eyeRover就学会了自己躲开周围所有的障碍。
模拟大脑的结构
eyeRover看起来像一个玩具，但是它包含了一些目前科学家能够设计出的最先进的机器人技术，其中包括一个能够模拟人类大脑的计算平台的原型。不同于按照线性序列执行任务的计算机芯片和软件的传统方法，这种被称为神经形态计算的新方法能够几乎同时进行处理和记忆任务，就像我们的大脑面对复杂的世界仍然能平衡通过视和听得到的信息一样，一切都在有序运转。
许多研究者认为，神经计算赋予了机器人从未有过的感知技能，使他们拥有前所未有的自主权。波士顿大学的机器人视觉专家米歇尔·鲁奇（Michele Rucci）说,这种技术有潜力成为一场真正的机器人领域的革命。同时，机器人可以完美地展示神经形态计算的力量，从而成为劝服计算机视觉领域和环境数据分析方法领域的专家与公司进行合作的有力说客。Brain Corporation的战略高级副总裁托德·希尔顿（Todd Hylton）说：“我们认为拥有这种能力的机器人是神经形态计算的杀手级应用。”
不过，如果你还是不信任“我们正步入机器人技术黄金时代”的声明的话，也是情有可原的。开发独立自主机器人的梦想是一道超越计算技术的曙光，但是要想让这个梦想成真，我们必须编写出能让机器人学习和适应的程序，而这一步骤因为过于困难，至今还没有实现。在人工智能、计算机体系结构和贝叶斯统计（一种考虑事件不同结果展开的可能性的技术）等领域几十年的研究之后，我们还是没能制造出可以处理日常生活环境中的普通事务的机器人。
“制造一个可以理解周围环境的机器人，”希尔顿说，“是一个特别困难的计算问题。”大多数人对周围环境的分析主要是通过视觉，而鲁奇承认：“机器人能够达到的视觉水平目前还远远落后于我们在二三十年前所提出的预期。”
研究团队提出了各种不同的程序路径，使机器人能够对它们所看到的信息进行处理和反应。在其中一种设想中，鲁奇给所有的机器人提供了由人类执行控制的微型无意识眼球，通过供给大脑不断变化的图像，这些眼睛可以帮助它们判断距离和跟踪对象。不过,即使是鲁奇最好的flitting-eye机器人，它仍受到处理信息比我们慢十倍的电子大脑的拖累，没法像人类一样正常地处理事务。
在某种程度上人类的眼睛很好使，是因为头骨中复杂的大脑。Brain Corporation的CEO尤金·埃可瑞奇（Eugene Izhikevich）解释说，我们的大脑中含有约1000亿个神经元突触，这些突触连接着1000亿个神经元，它们可以把不同的感知任务分配给不同的神经元和大脑的不同区域。例如，在视觉区,神经元分成不同的组，分别响应垂直方向和水平方向的信息,通过这些信息连接到其他神经元，从而将信号整合。
Brain Corporation开发的，被称为BrainOS的神经形态软件就是模拟这种方法。像我们的大脑一样，操作系统将把视觉功能分给不同的网络，这些部分分别类似于视网膜、大脑外侧膝状体核（视觉信号中继站）和视觉的皮质层。机器人在视觉系统中整合这些网络的结果，从而能够自动捕捉与背景颜色不同的突出特征，比如，他们能够识别色彩鲜艳的球在一个灰色的地毯上滚过或者一个人穿着鞋子从眼前走过的区别。
浓缩在一块芯片上
BrainOS的另一个创新之处在于，它不需要一台超级计算机来运行。以前由IBM公司在2012年开发的神经形态软件程序必须在一台超级计算机上才能运行，用来模拟拥有5000亿个神经元和1000亿个神经元突触的动物大脑的放电模式。但即使使用由150万个电脑芯片构成的阵列，该程序仍然无法实时产生接近动物大脑模式的电流。
另一方面，BrainOS被集成到一个杯垫大小的叫做BSTEM（“brainstem（脑干）”的简称）的计算机电路板上，它需要由美国高通公司提供的Snapdragon移动处理器来驱动。不同于传统的计算机芯片，手机芯片可以减少需要分配电量的冗杂任务，比如内存、图形处理、通信、从而将大部分能量都专供给子处理器。这种“分布式”结构与人脑中神经形态的能量供给方式相吻合。
一个能把内存和处理单元分布在整个芯片上的真正的神经架构，可能会很快产生。Brain Corporation的上级――高通公司的研究人员已经研发了一个被称为零处理器神经形态芯片，它以科幻作家阿西莫夫的“机器人三原则”来命名，在那部小说里机器人被规则约束不得伤害人类。高通公司神经形态计算项目负责人安东尼·刘易斯（Anthony Lewis）表示，公司的处理器已经开发到接近能够商品化的水准，他们计划把它们整合到移动芯片上，以此来提高掌上音频设备和视觉处理器的工作能力。
高通公司有足够的竞争力。HRL Laboratories LLC的研究人员正在马利布的5号州际公路进一步调试他们最近展示过的神经形态芯片，它可以以足够快的速度处理可视化数据，能够在办公室里操控一个手掌大小的直升飞机，甚至能够辨别和探索一个它从来没有见过的房间。在位于San Jose的IBM阿尔马登研究中心的研究员的引导下，研究小组公布了一个叫TrueNorth的十分庞大的神经形态晶片，它由540亿个晶体管连接而成，就像由2.56亿个神经元突触连接100万个神经元一样。
这些神经形态晶片的灵感不仅来源于大脑的结构，还来自于大脑的能源利用效率。大脑在处理许多任务时远胜于超级电脑，而且只使用约为20瓦的功率。而传统的计算机电路即使在不发送任何信号时，也在不断地耗电，相对的，神经形态电路只有在工作时才用电。通过在整个芯片上分配内存和处理模块，它得以最大限度地减少来回发送数据时所需的功率。例如，TrueNorth只使用1/1000的传统的芯片的能量就完成了等量的视觉感知任务。
现实世界中哪种神经形态的机器人应用产品会首先出现？去年秋天，高通公司的工程师制造了一个一公尺高，被称为龙的神经形态的机器人，它可以熟练地清理散落的玩具，把积木整理到一个箱子里，动物玩具放在另一个箱子里。埃可瑞奇认为神经形态硬件和软件最终将赋予机器人足够的感知能力，使它们成为有价值的家庭伴侣：它们将能够带走垃圾，打扫房子，并从花园里摘菜。芯片感知能力的提升也增加了IBM神经形态团队领导人莫德哈（Dharmendra modha）得到的投资，为开展“能在危险的环境中工作的机器人”研究提供资金，比如，在一个受损的核反应堆中，机器人在无人操控的状况下，能够实时发回辐射数据等情况。
刘易斯说，神经形态计算的能源使用效率提升有助于开辟新的功能。高效的芯片可以运行复杂的算法，使机器人具有学习能力，这通常是高功耗的。但从另一个方面来说，互联网将允许远程操控机器人分享这些经验和技能。例如，机器人学会了如何拿起草莓而不弄坏它，那么它可以把这个技能传输到互联网上，造福全球。这意味着神经形态计算可以提供的东西远比提高机器人感知能力更加有价值。当生命的真谛在人类社会之中被共同传递，我们所称的“文化”就诞生了。
资料来源Science
责任编辑 粒 灰