生物行移动版

1997年，IBM超级电脑“深蓝”在国际象棋比赛中险胜世界冠军卡斯帕罗夫，依靠的是每秒计算约2亿步的“蛮力”。然而，在视觉、听觉、图像识别和学习等领域，计算机远不及人脑。例如，计算机无法像人类一样仅凭走路姿势识别朋友。在能效方面，一台房间大小的超级电脑比人脑重1000倍、大10000倍、耗能高100万倍。

人脑以约千分之一秒的速度在神经元间传递化学信号，却能比最强数字处理器更高效地执行特定任务。秘密在于人脑的组织方式：它不执行代码，而是激活神经突触，每秒可进行10^16次突触活动，相当于100万台Intel奔腾处理器，但能耗仅需几亿瓦。

如今，一群创新工程师在复制神经元组织和功能方面取得进展，研究将神经突触结构“类化”到硅电路中，构建类神经形态微芯片。成功后可植入硅视网膜帮助盲人、声音处理器帮助聋人，仅靠9伏电池使用30年，并用于机器人视觉、听觉或味觉识别。

宾夕法尼亚大学实验室专注于类化视网膜——一层位于眼后仅半毫米厚的网状组织。视网膜由5层特异神经细胞构成，可处理图像并提取信息。选择视网膜是因为解剖学家已清楚了解该系统。后来研究转向建立生物电路的发展机械学机制，称为“元类化”。

类神经形态视网膜：视网膜上近100万个神经节细胞比较来自多个感光细胞的视觉信号，每组细胞解释一小块视野。当特征（如光强）改变时，神经节细胞沿视神经发送电脉冲。每个细胞根据光强相对变化产生脉冲，而非绝对水平，因此敏感度随总强度升高而下降，适应从拂晓到正午50倍的亮度变化。

Misha A. Mahowald与Carver Mead在加州理工大学用硅复制视网膜前3层。Kareem Zaghloul在2001年做出所有5层视网膜，其硅视网膜芯片Visio1复制了神经节细胞4种反应模式，可模拟90%的视神经输出。

Zaghloul用电压输出代表神经元电活动，晶体管控制电流模仿突触反应。电子感光器探测光影响电压，类似光对视网膜细胞的影响。他将基本电路拷贝到芯片上，复制了5层视网膜的活动。

芯片通过离子通道让神经节细胞释放尖峰信号。Zaghloul安装晶体管反馈电流，当电压达到阈值时产生尖峰。在60毫瓦时，该芯片比PC节能1000倍。低能耗为眼内修复手术开辟新天地，可解决色素性视网膜炎或斑点恶化导致的失明。现有视网膜修补术如“光幻视视觉”使用微电极刺激神经节细胞，但视野狭窄。而我们的芯片有3600个神经节细胞输出，可实现接近正常视野。但生物适应性材料和界面仍需完善，预计2010年左右实现安全修补术。

元类化神经突触：通过改变视网膜实现节能后，思考人脑高能效的原因。Mead预言计算机无法达到人脑效能量级。高效操作来自硬件对任务的适应，传统计算机通过软件适应，而大脑和类神经芯片通过改进硬件。如果将此机制用于硅芯片（元类化），可得到自适应芯片。研究神经发展学发现，大脑神经网络由10^12个神经元和10^16个突触构成，但DNA信息不足以说明连线。早期发展阶段，神经元通过相互作用自我完善，原则是“一起放电的神经元联接到一处”。

研究青蛙视网膜-中脑连接发现，轴突生长锥感知化学信号浓度梯度，引导轴突到达正确区域。相邻视网膜神经节细胞一起放电，轴突通过定位中脑神经元释放的化学气味找到邻居，形成突触。

2001年，Brian Taba以大脑发展过程为模型建立芯片Neurotrope1。他利用Visio1芯片输出地址代表尖峰，通过路由表重新路由软线。在人造中脑芯片中，软线激活对浓度梯度敏感的硅生长锥和硅神经元。当硅神经元活动时释放电荷，电荷扩散类似化学物质，硅生长锥感知梯度并更新路由表，将软线拖向源头。这样，Neurotrope1将同时放电的神经元连接起来。

Taba从Visio1和Neurotrope1之间杂乱连线开始，用随机激活硅神经节细胞块模拟相邻细胞同时放电。激发几千块细胞后，软线连接显著改善，相邻人造神经节细胞连接到的硅中脑神经元比开始时紧密两倍。但连线仍不完美，原因未知。

构建“硅脑”：成功实现视网膜5层后，目标是视皮层6层。已完成第IV层，得到方向偏好地图。但视皮层比视网膜厚5倍，需更多晶体管。目前芯片工艺每平方厘米集成100万晶体管和10米导线，但到2010年密度仍比大脑小10倍。研究者用大量仪器模拟脑皮层，但如何控制每平方厘米10亿晶体管？数千工程师考虑常规设计，但模拟神经发展过程更可能处理纳米电子系统的复杂性。