超低功耗、毫秒反應，尖峰神經網路為邊緣 AI 開啟新時代

在人工智慧（AI）領域，反應式設計的概念正在逐漸成形，特別是透過尖峰神經網路（SNN）來實現。這種新型的 AI 系統不再是持續運行的「全時監控」模式，而是根據環境刺激進行反應，這一點在最近的討論中得到了強調。

尖峰神經網路的運作原理是模仿生物神經元的行為，透過離散的電信號（尖峰）來進行訊息處理。這使得SNN能在毫秒等級內對輸入變化做出反應，特別適合用於邊緣裝置或機器人技術。與傳統的類神經網路（ANN）相比，SNN在能量效率上有顯著優勢，能夠在低功耗的情況下進行即時處理。

SNN的幾個核心特徵包括稀疏連接性，這意味著神經元僅觸發少數幾個連接，進而減少干擾並實現可追溯的反應行為。此外，尖峰的傳播基於時間，支持事件驅動的計算，這與密集的ANN在超位置問題上的挑戰形成鮮明對比。

最近的研究顯示，SNN在模式推理方面表現出色，能夠在不重新訓練的情況下進行自我批評和適應，這使得它在解決問題時具備反應性。這些特性使得SNN在處理長序列數據時，能夠透過記憶更新來應對挑戰，這對於串流媒體反應式AI來說尤為重要。

在硬體方面，SNN在神經形態硬體上運行良好，這類硬體專為實現尖峰反應而設計。IBM的TrueNorth系統和英特爾（Intel）的Loihi技術是目前的兩個主要例子，這些技術的設計旨在實現超低功耗的運行。

反應式AI的發展將改變我們與技術的互動方式，未來的AI系統將不再是冷冰冰的電腦，而是能根據環境變化做出反應的智慧體，這將使我們的日常生活變得更有趣和有更多互動。

• Designing Reactive AI With Spiking Neural Nets

（首圖來源：pixabay）

延伸閱讀：

• 極低功耗運行 GPT 2！韓國開發全球首款「類似人腦」超高效 AI 半導體