Kwabena Boahen对数字计算机的热爱始于1981年，那年他16岁，也于同年结束。
Boahen住在西非国家加纳的阿克拉市郊。他家宽敞的平房坐落在安静的芒果树和香蕉树田中。一天下午，Boahen的父亲开着他的标致汽车驶入车道，后备箱里装着一个惊喜：一台从英国购买的RadioShack TRS-80——这是他们家的第一台电脑。
小Boahen把机器放在门廊的书桌上，他通常在那里拆收音机，用PVC管制作气枪。他把电脑连接到电视机作为屏幕，连接到盒式录音机以便将程序存储在磁带上，很快他就编程让它玩乒乓球。但是，当他读到构成它和所有其他数字计算机工作原理的电子元件时，他对这个玩具感到厌倦。
在屏幕上移动乒乓球一个像素，需要数千个1和0，这些1和0由电脑处理器中每秒开关250万次的晶体管产生。Boahen期望在他的新电脑核心找到优雅。相反，他发现了一个由二进制代码组成的“小人国官僚机构”。“我彻底厌恶了，”他回忆道。“它太粗暴了。”这种幻灭激发了他对更好解决方案的梦想，一个最终会指导他职业生涯的愿景。
此后，Boahen跨越大西洋，成为加利福尼亚州斯坦福大学的著名科学家。在那里，他致力于创造一台能实现他童年梦想的计算机——一种新型计算机，它不是基于传统硅芯片的严格秩序，而是基于人脑的有序混沌。设计这台机器将意味着摒弃我们过去50年中学到的所有关于构建计算机的知识。但这可能正是我们需要让信息革命再持续50年的关键。
人脑仅消耗约20瓦的功率，相当于冰箱泡菜罐后面那盏昏暗的灯。相比之下，你桌上的电脑每次计算消耗的能量是其一百万倍。如果你想制造一个拥有人脑般智能处理器的机器人，它将需要10到20兆瓦的电力。“10兆瓦是一个小型水力发电厂，”Boahen不以为然地说，“我们应该致力于将水力发电厂微型化，这样我们就可以把它们放在机器人背上。”如果你试图制造一个医疗植入物来取代大脑中仅1%的神经元，用于中风患者，你也会遇到类似的问题。那个植入物将消耗200户家庭的电量，并散发保时捷Boxster发动机那么多的热量。
“能源效率不仅仅是优雅的问题。它从根本上限制了我们能用计算机做什么，”Boahen说。尽管电子技术取得了惊人的进步——今天的晶体管比半个世纪前小了十万分之一，计算机芯片快了千万倍——我们仍然没有在能源方面取得有意义的进展。如果我们不这样做，我们就可以忘记真正智能的人工机器以及所有其他关于功能更强大的计算机的梦想。
Boahen多年前就意识到，要实现这一目标，需要重新思考能量、信息和噪声之间的基本平衡。每次我们费力地通过嘈杂的手机连接听别人说话时，我们都会遇到这种权衡。我们会本能地对着电话更大声地喊叫，试图通过投射更强的信号来压倒静态噪音。数字计算机几乎在零噪声下运行，但这种精度水平的运行会消耗大量电力——这就是现代计算的症结所在。
Boahen手中闪烁着一块微小的、闪着彩虹光芒的方形芯片，这是他在解决这个问题上取得进展的标志。这片硅晶圆是新型神经超级计算机Neurogrid的基础，他已接近完成建造。晶圆上蚀刻着数百万个晶体管，就像你电脑里的那些一样。但在这熟悉的表面之下，隐藏着工程师工作方式的彻底革新。
传统数字计算机依赖数百万个晶体管以近乎完美的方式打开和关闭，每万亿次操作的错误率低于一次。我们的计算机如此精确令人印象深刻——但这种精度却如同纸牌屋。一个晶体管意外翻转就可能导致计算机崩溃，或者改变您银行账户中的小数点。工程师通过施加高电压来确保芯片上的数百万个晶体管可靠运行——本质上是增大1和0之间的差异，从而使电压的随机变化不太可能使它们相互混淆。这是计算机如此耗电的一个重要原因。
Boahen表示，要大幅提高这种效率，需要进行一些会令芯片设计师感到震惊的权衡。忘记万亿分之一这样微乎其微的错误率吧；Neurogrid中的晶体管会发出噪声，以高达十分之一的速率发生故障。“没有人知道我们该如何用这种东西进行计算，”Boahen承认。“唯一能用这种垃圾进行计算的就是大脑。”
这听起来很荒谬，但却是事实。科学家发现，大脑的1000亿个神经元出人意料地不可靠。它们的突触有30%到90%的时间未能放电。然而，大脑却以某种方式运作着。一些科学家甚至将神经噪声视为人类创造力的关键。Boahen和世界各地的一小群科学家希望复制大脑的嘈杂计算，开创一个能源高效、智能计算的新时代。Neurogrid就是检验这种方法能否成功的试验。
大多数现代超级计算机都有冰箱那么大，每年耗电10万到100万美元。Boahen的Neurogrid可以装进公文包，只用几节D型电池的电量就能运行，而且如果一切顺利，它的性能将接近这些庞然大物。
用噪音进行计算的问题，最初是在三十年前，由一位名叫西蒙·劳克林（Simon Laughlin）的年轻神经科学家发现的。劳克林当时在堪培拉的澳大利亚国立大学，1975年的大部分时间都在一个漆黑无窗的实验室里度过，灯都是关着的。黑暗使他能够研究从校园垃圾桶里捕捉到的丽蝇的视网膜。在数百次实验中，他将一只活苍蝇粘在显微镜下特殊的塑料平台上，将一根细如发丝的电极插入其蜂窝状的眼睛中，并记录其视网膜对光束的反应。劳克林从中午开始记录，直到午夜之后才结束。当他坐在阴沉的实验室里，看着神经信号在示波器上以绿光跳动时，他注意到了一些奇怪的事情。
每个苍蝇神经元对恒定光的反应在毫秒间上下跳动。这些波动出现在神经元功能的每一步，从色素分子对光线不可靠的吸收，到神经元表面上导电蛋白（称为离子通道）的间歇性开启。“我开始意识到，噪音从根本上限制了神经元编码信息的能力，”劳克林说。
图片：Kwabena Boahen/斯坦福大学< | 空
增强嘈杂的信号使其高于背景噪音需要能量。无论你是一个神经元还是一个业余无线电操作员，将你的信噪比提高一倍，都需要将你的能量消耗提高四倍——这是一个收益递减的定律。“信息与能量之间的关系相当深远，并植根于热力学，”现任职于英国剑桥大学的劳克林说。他过去12年一直在研究大脑如何在信息、能量和噪音之间进行三方平衡。
这种平衡对生存至关重要。神经元比计算机效率高得多，但尽管如此，大脑仍然消耗着大量的能量。虽然人脑仅占我们体重的2%，但它却消耗我们所吃卡路里的20%。
在功能上，大多数神经元有许多与晶体管相似的特性。两者都充当开关，根据接收到的信号来传输或不传输电脉冲。然而，人类进化出的权衡与工程师在设计传统计算机时所做的权衡截然不同。工程师选择了准确性。大脑在自然选择的作用下，不惜一切代价将能耗降至最低。纤细的神经元所需能量更少，因此进化使其缩小，大脑也适应了在略高于噪声阈值的水平上运作。
然而，高效率也伴随着大量的错误。例如，理想情况下，神经元只有在接收到其他细胞发出的信号时才应该发射电脉冲。但大脑最细的神经元有时会因为离子通道蛋白意外打开而发出随机脉冲。神经元越小，它对这些随机通道打开的敏感度就越高，这些“打嗝”也越频繁。劳克林说，大脑最小的神经元工作在“生物物理学的极限”。2005年，他发现，将这些神经元再缩小一点，它们每秒会发出超过100个随机脉冲。
这种不稳定的行为从根本上限制了我们的功能。补偿随机神经噪声塑造了人类大脑——以及人类智能——从底层开始：神经元的尺寸和形状，神经回路的布线模式，甚至编码信息的脉冲语言。从最基本的意义上说，大脑通过尽可能多地使用大量神经元来管理噪声。它通过让大量的神经元相互竞争来做出重要决策（例如“那是一头狮子还是一只斑猫？”）——在狮子神经元和斑猫神经元之间进行一场“喊叫比赛”，其中少数神经细胞的意外沉默（或自发爆发）被成千上万的其他神经细胞所压倒。胜利者使失败者沉默，这样就不会将模棱两可、可能具有误导性的信息发送到大脑的其他区域。
大脑还使用基于时间巧合的神经编码来过滤错误。想想神经科学家在大脑内侧颞叶中发现的“比尔·克林顿细胞”。当你看到比尔·克林顿的照片、听到他的声音或读到他的名字时，这些神经元就会放电。（你对你熟悉的数百个其他人也有类似的神经元。）一个克林顿神经元可能会在收到例如100个或更多同时发生的其他神经元脉冲时发出一个脉冲。即使每个传入脉冲的假阳性率高达1/2，100个同时到达的脉冲的集体假阳性率也会大大降低。
劳克林和伦敦大学学院的大卫·阿特韦尔估计，神经信号传输占大脑能量消耗的80%，而维持神经元充电并准备放电仅占15%。这一发现具有重大意义。这意味着大脑可以通过容纳大量不常使用的神经元来节省能量。
有了许多额外的神经元，每个脉冲都可以沿着大脑中的许多不同路径中的任何一条传播。每个消耗能量的脉冲都可以沿多条路径传输信息，因此您的大脑可以通过发射更少的脉冲来投射相同数量的信息。（想想看：如果你用一种只有两个字母的语言写作，每个单词都必须很长才能有独特的拼写；如果你有26个字母可供选择，你的单词可以更短，并且一个给定的句子、段落或小说所包含的按键次数也会更少。）大脑通过一次只激发1%到15%——通常只有1%——的神经元来实现最佳能源效率。劳克林说：“人们以前没有考虑过大脑中的大多数神经元必须在大多数时间处于非活跃状态。”
Neurogrid芯片通过使用与神经元相同的模拟过程来计算，从而模仿大脑。这个模拟过程一直持续到达到某个阈值，此时数字过程接管，生成一个电脉冲（脉冲就像1，没有脉冲就像0）。
Boahen不使用晶体管作为数字计算机的开关，而是制造了一个电容器，它产生与神经元相同的电压。“通过使用一个晶体管和一个电容器，您可以解决在现代数字计算机中需要数千个晶体管才能解决的问题，”Boahen说。
在1980年代发现大脑惊人高效的嘈杂计算方法之后，一位名叫卡佛·米德的工程师和物理学家试图用晶体管做同样的事情。米德，现在是加州理工学院荣休教授，也是现代硅芯片之父之一，他想找到更高效的计算方法。当他向普通晶体管施加低电压时，他可以诱导它产生与神经元膜电流对电压的依赖性相同的电流。这个现在被称为神经形态工程的领域就此诞生。
Boahen于1990年来到米德的实验室攻读博士学位。米德的实验室培养了许多神经形态电子领域的领军人物，包括Boahen、Rahul Sarpeshkar（现任麻省理工学院）、Paul Hasler（现任乔治亚理工学院）和Shih-Chii Liu（现任苏黎世神经信息学研究所）。米德的博士生们穿着凉鞋和牛仔靴，工作到凌晨一点，通常需要七八年，而不是通常的四五年，才能获得博士学位。“那是一个极具创造力的环境，”比Boahen晚一年毕业的Sarpeshkar说，“我们都玩得很开心。我们并不急于毕业。”
米德的学生们虔诚地阅读生物学期刊，然后尝试构建大脑科学家正在绘制的神经回路的硅版本。Sarpeshkar的第一批芯片之一是耳蜗的早期模拟，耳蜗处理内耳中的声音。Boahen则致力于视网膜芯片，这些芯片产生模糊的信号和颗粒状、椒盐状的图像。这些硅芯片模仿品面临着与真实神经元相同的噪声问题。在硅中，噪声来源于制造缺陷、随机变化和器件中的热波动。这个问题因电子电流的巨大变化而加剧。“两个晶体管的电流本应相同，”Boahen说，“但在低功耗下，它们可能相差两倍，这使得一切都变得相当随机。”
最近，Sarpeshkar将他的一款音频芯片改造成了生物启发式射频耳蜗芯片，这将为未来的认知和超高频无线电应用提供支持。该芯片于6月发布，将允许无线电同时收听各种频率——涵盖所有广播电视节目以及所有手机通信——就像耳朵同时收听和分析多种声音频率一样。Boahen和他的学生们已经开发出越来越逼真的视网膜硅芯片，它为视觉皮层（识别我们所看到的物体）和大脑其他几个区域提供主要的输入。这些芯片有朝一日可能为恢复眼部或脑部受伤患者视力的医疗植入物奠定基础。目前，它们作为研究工具，通过试错法来学习大脑如何编码信息和管理噪音。
一个阳光明媚的周五下午，Boahen身着牛仔裤和加纳凉鞋，走进斯坦福大学的计算机实验室，他的团队正在那里为Neurogrid做最后的润色。其中一个电脑工作站周围堆满了空的皮特咖啡杯，这证明了这里消耗了大量的咖啡因。“我们正在赶芯片的截止日期，”Boahen说，“所以我们每天工作15个小时。”
John Arthur，工程师，Boahen的前博士生，坐在Peet's咖啡圣坛旁。Arthur的电脑显示器上是三角形和正方形的示意图：这是Neurogrid芯片设计的一部分。屏幕上晶体管和电容器的蓝图代表了一个单一的神经元。“每个神经元有340个晶体管，”他说。
这些电路与活体神经元相比很简单，但它们足够先进，足以说明数字计算和神经计算之间巨大的效率鸿沟。亚瑟等人用来模拟芯片行为并测试其蓝图缺陷的数学方程式会很快拖垮一台普通的数字计算机。即使是Boahen实验室的高端戴尔四核计算机，在全速运行时也无法同时模拟超过一个Neurogrid的硅神经元——而完整的芯片包含65,536个神经元。
当第一个Neurogrid芯片插入时，它的硅神经元就活了过来，以毫秒电脉冲序列相互“聊天”，然后通过USB电缆传输到电脑显示器上。就像脉冲沿着神经元的分支卷须涟漪般传播一样，电流脉冲如山洪般通过芯片的晶体管和纳米线。这种活动与方程式或编程无关，就像水从优胜美地的婚纱瀑布倾泻而下一样。它自动发生，是电和导体基本物理学的结果。几个月前，Boahen的团队收到了第一批新制造的Neurogrid芯片。在那个关键的日子里，一切都改变了。团队终于告别了他们几个月来不得不用耗电量大的传统计算机上繁琐软件运行的烦人方程式。他们终于可以从用软件模拟神经元，飞跃到在低功耗硅芯片中实现这些神经元。
在第一次实验中，Boahen的团队促使单个芯片上的神经元自行组织成科学家用脑电图电极在人头皮上检测到的熟悉的“伽马节律”。就像一个拥有65,536名成员的合唱团一样，每个硅神经元都调整自己的放电速率，以匹配每秒20到80个波的伽马节律。研究人员最近将16个Neurogrid芯片安装在一块板上，以模拟100万个神经元，这些神经元由60亿个突触缠结在一起连接。到2011年，他们希望创造出第二代Neurogrid，包含6400万个硅神经元，大约相当于一只老鼠的大脑总量。
就在几英里外的圣何塞IBM阿马登研究中心，一位名叫Dharmendra Modha的计算机科学家最近使用了16个数字蓝色基因超级计算机机架，对5500万个神经元（由4420亿个突触连接）进行了数学模拟。这次令人印象深刻的壮举所获得的见解将有助于未来神经芯片的设计。但Modha的计算机消耗了32万瓦的电力，足以为260个美国家庭供电。相比之下，Neurogrid的100万个神经元预计耗电不到1瓦。
Neurogrid的嘈杂处理器不会拥有像数字计算机那样严格的精度。然而，它们或许能让我们完成数字计算机难以应对的日常奇迹，比如双腿在拥挤的房间里跳跃，或者识别一张脸。
Neurogrid的经验教训可能很快也会在传统计算领域得到回报。几十年来，电子行业一直遵循着所谓的摩尔定律：随着技术的进步和电路的缩小，硅芯片上可以挤压的晶体管数量大约每两年翻一番。
到目前为止一切顺利，但这种飞速增长的曲线可能正走向崩溃。
首先，又是功耗问题。热量也令人头疼：随着工程师将晶体管堆叠得越来越近，它们产生的热量会使硅晶圆变形。随着晶体管缩小到几十个硅原子的宽度，噪声问题也越来越严重。硅表面上单个导电掺杂原子的随机存在或缺失会极大地改变晶体管的行为并导致错误，即使在数字模式下也是如此。工程师们正在努力解决这些问题，但新一代芯片的开发时间越来越长。“晶体管速度的增长不再像摩尔定律预示的那样迅速，该领域的所有人都知道这一点，”Sarpeshkar说。“标准的数字计算范式需要改变——而且正在改变。”
Sarpeshkar说，随着晶体管尺寸的缩小，数字计算的可靠性将在某个时刻“断崖式下跌”，这是“物理学基本定律”的结果。许多人将这个统计学上的悬崖线定在9纳米的晶体管尺寸，大约80个硅原子宽。一些工程师说，今天的数字计算机已经面临可靠性问题。据新闻报道，7月份，新罕布什尔州一名男子在加油站买了一包香烟，却发现他的银行账户被扣了23,148,855,308,184,500美元。（错误已得到纠正，该男子15美元的透支费在第二天得到了退还。）我们可能永远不知道这个错误是否源于银行计算机系统中一个晶体管意外地从1翻转到0，但这正是硅芯片设计师所担心的一类错误。
“数字系统容易发生灾难性错误，”Sarpeshkar说，“现在的错误倾向实际上比以前任何时候都要大得多。人们非常担心。”
受神经启发式电子产品是解决这个问题的一种可能方案，因为它们在很大程度上避免了散热和能耗问题，并融合了自身的纠错算法。然而，像英特尔这样的企业巨头正在研发许多其他下一代技术。其中一种名为自旋电子学（spintronics）的技术利用了电子像行星一样自旋的特性，允许将1或0编码为顺时针或逆时针的电子旋转。
因此，Boahen的Neurogrid最重要的成就，可能不是在于重现大脑的效率，而在于其多功能性。加利福尼亚州拉霍亚索尔克研究所的计算神经科学家Terrence Sejnowski认为，神经噪声可以促进人类的创造力。
数字计算机是确定性的：给它们一个相同的方程式一千次，它们总是会吐出相同的答案。向大脑抛出一个问题，它可能会产生一千个不同的答案，这些答案来自一群古怪的神经元。“有压倒性的证据表明大脑是以概率进行计算的，”Sejnowski说。在不确定的世界中，我们不知道一个出轨的足球会如何弹跳，或者一只咆哮的狗是否会扑上来，模棱两可的反应可能会让生活变得更容易。不可预测的神经元可能会导致我们在回家的路上走错路，从而发现一条捷径，或者不小心将酸洒在锡盘上，在清理过程中发现蚀刻工艺。
在电子大脑中重现这种潜力，将需要工程师们克服从小就被灌输的基本冲动。“工程师们被训练得把一切都做得非常精确，”Boahen说，“但答案不一定要完全正确。它只需要近似即可。”
