大脑神经网络助力下 AI和ML新算法有了新的方向

人们曾经认为眼睛是一个“哑的”传感器，通过视觉神经将数据发送到大脑，大脑包含了所有的视觉“处理”能力。近年来，科学家们一直在探究眼睛内视网膜神经元的复杂结构和线路。正如对大脑的研究已经为现代人工智能（AI）做出了巨大的贡献一样，关于视觉系统的这些发现也提出了一个有趣的框架，可以指导当今高度专业化、分布式和互连的数据中心中类似的复杂处理任务的未来发展。

大脑的神经网络为激发人工智能（AI）和机器学习（ML）革命的新算法提供了灵感。

在过去的十年中，可编程的GPU取得了令人难以置信的进步，现在它能够以类似人类的性能来解决极具挑战的语音和图像识别问题。眼睛的扩展神经网络为这些AI和ML算法的扩展提供了新的模型，朝向一个更分布式的计算范式发展，这个范式包括了在边缘的智能网络设备。就像GPU能够实现大脑的深层神经网络一样，眼睛也激发了一种新型的处理器 C I/O处理单元（IPU），它结合了两种功能：执行类似于眼睛的远程处理能力，和整合将被有效传输到集中式数据中心进行其他计算的信息。

生命有机体的视觉系统眼视网膜中有50多种不同类型的神经元，它们都以一种精确的方式连接在一起，以形成特定的子结构，来对关键数据流进行预处理。例如：检测运动的能力对生存有着至关重要的意义，尤其是有投射物直接向你的脸扔射过来的时候。一个物体变大意味着运动，如果它变大而没有明显的横向运动，那么它很可能会撞击到你。这些信息需要非常快速的响应，甚至绕过大脑中正常的视觉处理来触发躲避反应。即使事后证明是错误的数据，至少也避免了一场可能的灾难。

视网膜内所有这些美丽的复杂性如何对视觉功能作出贡献呢？

视网膜有许多不同的子结构，在信息经由神经节通过视神经传递到大脑之前，每一个子结构都会对视觉场景进行特定且重要的处理。视网膜实际上执行了许多不同类型的处理，能够探测到可视场景的不同方面，并将各种形式的合并信息传递给大脑：

1. 短暂时间的 C 即使是强烈背景下微弱的闪光

2. 空间的 C 模式检测，尤其是对左右对称的检测

3. 运动的 C 检测物体的运动

此处的短暂时间的灵敏度令人震惊，周期性但在既不快也不慢的适当速度下甚至能够检测到单一光子也是可能的。

数据中心、边缘处理和连接的新模型如今更先进的数据中心正沿着与人类视觉系统（HVS）的分布式智能类似的路线发展，使用带有内置处理器的智能网卡（SmartNIC）和I/O处理单元（IPU），可以在边缘实时地做出重要决策。

因此，正如眼睛具有短暂时间、空间和运动的检测模式一样，基于IPU的智能网卡（SmartNIC）或控制器可以提供关于信息的时间、位置和流动的详细资讯。类似地，IPU可以自动标记信息的来源，映射到正确的虚拟网络，将信息传输到它需要去的地方。然后在接收时，将其路由到特定虚拟机内存中的正确位置。

IPU甚至可以做更多的事情，它们可以处理对时间敏感的数据，对其进行压缩，从而只需较少的带宽即可移动到集中位置，并加快存储和安全等功能的处理速度考虑网络安全。在拥有自带设备（BYOD）和无线连接的云连接世界中，我们再也无法定义一个清晰的网络边界并使用防火墙来保护它。我们还需要能够检测网络中任何地方可能的恶意软件、或只是异常的行为。

基于智能I/O处理单元的智能网卡可以当场检测到这种异常，并立即采取缓解措施，例如阻止或转移数据流，而不通过网络将其发送到集中的计算资源进行分析。

今天的“超大规模”数据中心（为亚马逊网络服务、Facebook、微软和阿里巴巴等互联网巨头提供动力的那种系统）包含数十万台强大的服务器，通过数千英里的网络电缆将它们连接在一起。据估计，谷歌在其全球13个数据中心拥有90万台服务器，使用的电力足够20万户家庭使用。

问题是：如何最好地将庞大而复杂的部件集合，集成为一个功能强大且高效的整体？

正如我们在人类大脑上看到的那样，将关键智能分配到系统中，而不是将每个信号都发送到大脑进行处理，这样具有进化的优势。因此，此举是通过安装智能网卡，使网络本身更加智能，该智能网卡不仅可以更有效、无缝地响应正常的运行状况，还可以快速响应网络中的异常或潜在的危险活动，从而无需等待传统数据中心的集中智能指令即可采取行动。

除了向更高效、自我修复的数据中心发展之外，这又将把我们带往何处？

自动化和机器学习的新发展，反映了使我们的视觉感官如此智能的进化和发生的过程。值得注意的是，“基于意图的”网络的兴起，能够实现更高层级的业务意图（例如自动识别和消除网络攻击，或者处理故障的系统），而不需要技术团队费力地重新编写系统的每一个元素。