“人脑”VS“智脑”孰胜孰劣，神经形态语音识别芯片的另类表述-德赢Vwin官网网

20世纪80年代科学家卡弗·米德（Carver Mead）在20世纪80年代创造了“神经元”这一术语，一直都备受争议。不久前，《IEEE Spectrum》网站发布了一份关于“我们能复制人类大脑吗？”的报告，彻底的打开了无论在硬件还是软件方面复制人类大脑的研究热潮。

来自我国、法国、美国以及日本的国际科学家团队就人类神经元的非线性振动领域，一起致力于缩小人工非线性振子，以108个振子集合成一个拇指大的芯片内的二维数组里成功复制“大脑”—神经形态语音识别芯片。

人工智能——2017年最炽热的标签。对于很多AI试水者，vwin 大脑的计算机的概念并不新鲜，怎么平衡技术与需求才是重中之重？人工非线性振子对错线性振动器将输入的常量转化为一种振动标志。例如，摆钟对错线性振动，神经元也对错线性振动，可是假如你用恒定电流刺激它们，它们会周期性地发射电压峰值。

他们始终相信该研讨将使人工神经元的才能不断接近咱们大脑中的神经元，而且使微型神经形态语音辨认芯片可以学习和适用于各个领域。

就现在的研讨成果来看，纳米级设备似乎是最佳的挑选，虽然这些设备也不是完美无瑕，比如噪音大，缺乏安稳性。可是科学家依然挑选使用纳米级的自旋振动器，而不是具有记忆功用的设备或超导设备。该振动器由磁性地道结构成，并成为巨大磁电阻硬盘驱动器上读头的骨干。

来自法国科学研讨中心的Julie Grollier表明：“与记忆性振动器比较，磁振动由于其可循环性，具有十分安稳的性能。磁性地道结简直具有无限的耐力，而记忆电阻器在其一百万次循环之后开始退化。”

Grollier弥补说，磁振动比超导脉冲更简单丈量。在室温下就可以进行，而且发射的电压通常是100毫伏，其数量级大于约瑟夫森结的数量级。

自旋纳米振动器是由两个被非磁距离器分离的铁磁层组成的支柱。当电荷流经这些连接点时，它们就会构成自旋极化的电流，并在磁化过程中产生转矩。这就导致了一种称为磁化矢量运动的现象，这种现象发生在情况是，当有未成对的电子自旋原子被放置在磁场中，并以精确的频率环绕磁场旋转时。这种继续的磁化矢量运动产生的频率从几百兆赫到几万兆赫。然后，通过磁阻将磁化振动转化为电压振动。由此产生的射频振动高达数十毫伏，这可以通过丈量连接点的电压来检测。

Grollier表明：“咱们采取时分多路传输战略，使用磁性纳米神经元模拟了一个具有400个神经元的完好网络。磁柱扮演每个神经元的人物，就像一个艺人在电影中扮演一切人物一样。”

为了测试该体系，研讨人员试图用它来进行声音辨认。他们将音频信号转换成电流，然后通过纳米神经元发送电流。这些电子波形使纳米磁体中磁化的诱发振动加速了一千倍。磁振动通过磁阻效应转化为神经元间的电压振动。他们用一个示波器记录了这些电压的变化，然后用计算机模拟突触功用，然后让神经网络学习。

Grollier说：“咱们已经实现的神经网络可以识别由不同人宣布的语音数字，其成功率为99.6%，这与那些体积庞大的神经元的效果一样好，甚至更好。研讨结果表明，磁性纳米神经元可以准确可靠地完成认知任务。”

磁性纳米神经元与磁性存储单元的结构完全相同，而且该神经元由亿万个硅元素构成。在未来的几年里，研讨人员致力于将这些神经元紧密连接并操控其耦合，以便树立可以进行处理杂乱信息的大型网络。Grollier表明，终究的目标是研宣布可以学习和适应各种变化的智能、低功耗的微型语音识别芯片。这些语音芯片将广泛用于各个领域，包括实时分类海量数据、驾驶自动轿车以及医疗诊断等。

虽然这仍只是目前的一个研究项目。但是，在AI火热的今天，高速发达的芯片技术支持下，原理有了，对于我们了解大脑如何工作的？神经元的脉冲或“尖波”达到一定的激活水平需要什么要求？一切将不在是空想，到那时“人脑”VS“智脑”孰胜孰劣就不得而知。

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

芯片

芯片

+关注

关注
455

文章
50714

浏览量
423138
神经元

神经元

+关注

关注
1

文章
363

浏览量
18449
振动器

振动器

+关注

关注
1

文章
36

浏览量
6479

原文标题：“人脑”VS“智脑”，神经形态语音识别芯片的另类表述

文章出处：【微信号：jiuxin2010，微信公众号：九芯智能】欢迎添加关注！文章转载请注明出处。

NRK3502系列芯片 | 制氧机离线语音识别方案

NRK3502芯片制氧机离线语音识别方案制氧机离线语音识别方案是基于NRK3502蓝牙双模智能语音

发表于 12-04 01:02 •106次阅读

LSTM神经网络在语音识别中的应用实例

语音识别技术是人工智能领域的一个重要分支，它使计算机能够理解和处理人类语言。随着深度学习技术的发展，特别是长短期记忆（LSTM）神经网络的引入，语音

发表于 11-13 10:03 •468次阅读

物联网系统智能控制产品的语音识别方案_离线语音识别芯片分析

01 物联网系统中为什么要使用离线语音识别芯片物联网系统中使用离线语音识别芯片的原因主要基于以

发表于 09-26 17:56 •557次阅读

什么是离线语音识别芯片？与在线语音识别的区别

离线语音识别芯片适用于智能家电等，特点为小词汇量、低成本、安全性高、响应快，无需联网。在线语音识别功能更广泛、

发表于 07-22 11:33 •398次阅读

人脑芯片是什么？植入人脑神经元的芯片能做什么？

人脑芯片，作为一种前沿的科技概念，指的是一种可以嵌入人类大脑中的微型电子设备。这种设备结合了微电子技术与神经科学，旨在通过直接与人脑神经元接口，实现信息的接收、处理与传输。

发表于 07-12 11:50 •1725次阅读

人工智能神经网络芯片的介绍

人工智能神经网络芯片是一类专门为深度学习和神经网络算法设计的处理器。它们具有高性能、低功耗、可扩展等特点，广泛应用于图像识别、语音

发表于 07-04 09:33 •722次阅读

神经形态计算器件和阵列测试解决方案

神经形态计算是一种新型的计算范式，它模仿生物神经网络（如人脑）的结构和功能以在为人工智能、机器学习、机器人和感官处理等各种应用实现高性能、低功耗和自适应学习能力。

发表于 07-03 10:02 •372次阅读

卷积神经网络在语音识别中的应用

随着人工智能技术的飞速发展，语音识别技术作为人机交互的重要桥梁，受到了广泛的关注和研究。语音识别技术旨在将人类语音信号转换为文本信息，实现自

发表于 07-01 16:01 •829次阅读

基于FPGA的类脑计算平台 —PYNQ 集群的无监督图像识别类脑计算系统

（2017A08、2018A04）。 1.1 设计目的 * 通过基于 SNN 的类脑计算方式更好地解决无监督的图像识别问题 * 通过软硬件协同的方式更好地探索大规模、低功耗类脑系统的设计空间

发表于 06-25 18:35

我国科研人员联合研发出一款新型类脑神经形态系统级芯片Speck

6月1日，记者从中国科学院自动化研究所获悉，来自该所等单位的科研人员联合研发出一款新型类脑神经形态系统级芯片Speck。该芯片展示了类脑神经

发表于 06-04 09:43 •1.8w次阅读

同样的语音识别芯片，告诉你，我们厉害在哪里？

语音识别芯片

WT-深圳唯创知音电子有限公司
发布于 :2024年05月30日 17:04:58

L4的板子和MSP430低功耗相比，孰优孰劣？

最近L4低功耗的板子又掀起一阵功耗旋风，和低功耗大哥MSP430相比，孰优孰劣？

发表于 05-13 07:56

智能声控灯具应用语音识别芯片AT6811

AT6811是一款超低功耗的离线智能语音识别芯片，集成了先进的语音活动监测(VAD)、声纹识别、自动消噪

发表于 02-28 16:41 •626次阅读

马斯克称人类首次植入脑机接口芯片神经元尖峰检测（neuron spike detection）很有前景

马斯克称人类首次植入脑机接口芯片马斯克创办的脑机接口初创公司Neuralink宣布在1月29日成功完成首例人脑植入手术。马斯克在X平台发文称，初步结果显示

发表于 01-30 18:16 •1291次阅读

同步复位和异步复位到底孰优孰劣呢？

同步复位和异步复位到底孰优孰劣呢？同步复位和异步复位是两种不同的复位方式，它们各自有优势和劣势，下面将详细介绍这两种复位方式。同步复位是指在时钟的边沿（上升沿或下降沿）发生时对系统进行复位。这种

发表于 01-16 16:25 •1744次阅读