IBMTrueNorth芯片以模擬人腦的神經(jīng)元與突觸為基礎，希望讓電腦也能擁有接近人腦的辨識能力。IBM的仿神經(jīng)元芯片利用電力突波(spike)進行資料編碼，因此較其他深度學習(deeplearning)技術更為省電。IBM目前正積極與移動裝置業(yè)者接洽，試圖將TrueNorth芯片技術推向商業(yè)應用。

　　據(jù)MITTechnologyReview報導，IBM利用美國國防部先進研究計劃局(DARPA)資金研發(fā)的TrueNorth芯片，只有郵票般大小，并擁有100萬個矽“神經(jīng)元”，與2.56億個連接神經(jīng)元的突觸，功耗比相同大小的傳統(tǒng)處理技術少了1,000倍以上。

　　有了TrueNorth芯片技術，移動裝置在不需透過云端運算的情況下，也能用極低的電力運行影像或語音辨識等高階機器智能軟體。IBM資深副總裁JohnKelly表示，該公司已與電腦系統(tǒng)領導廠商展開接洽，針對TrueNorth芯片在移動市場與物聯(lián)網(wǎng)市場發(fā)展的各種可能性進行討論。

　　TrueNorth芯片架構不同于既有的運算芯片，需要全新的軟體編寫方式。此外，TrueNorth芯片利用電力開關，模擬生物神經(jīng)元的突波訊號進行資料編碼，因此和Google、Facebook、微軟(Microsoft)等廠商利用軟體研發(fā)的深度學習神經(jīng)網(wǎng)路也有所不同。

　　仿突波神經(jīng)元芯片目前還未展露出能與深度學習匹敵的影像語音辨識能力，在Facebook研發(fā)深度學習的YannLeCun對IBM神經(jīng)網(wǎng)路技術實用性感到質(zhì)疑。負責IBM仿神經(jīng)芯片技術研發(fā)的DharmendraModha則認為，若要提升神經(jīng)網(wǎng)路在芯片上的功率效率，突波將是關鍵。

　　Modha的團隊已著手嘗試將訓練完成的深度學習神經(jīng)網(wǎng)路移植到TrueNorth芯片上。Modha表示，TrueNorth芯片將作為一個基板，各種不同的神經(jīng)網(wǎng)路都可繪制在TrueNorth芯片上，支援即時、超低功耗、超低容量的應用。

　　據(jù)加拿大蒙特婁大學(UniversityofMontreal)的研究結果顯示，要將深度學習的仿神經(jīng)元網(wǎng)路移植到使用突波的仿神經(jīng)元硬體上，比一般預期中更為容易，而影像處理的準確度也不會受到影響。

　　就在IBM尋找整合二種技術的最佳方法時，Google與高通(Qualcomm)都已開始嘗試將人工神經(jīng)網(wǎng)路與深度學習技術，應用在移動裝置與車輛上。