模仿大腦活動！神經形態運算將加速區塊鏈、AI發展，如何強化加密市場分析？

神經形態運算，如何顛覆區塊鏈、AI？

德國德勒斯頓工業大學（Technische Universität Dresden）研究團隊，最近發表了神經形態運算（neuromorphic computing）研究成果，這項技術可以模擬人腦思考的方式，將可能對區塊鏈、人工智慧（AI）產生革命性的影響。

在背後支援智慧型手機、筆記型電腦和世界上大多數的超級電腦的「經典計算機」（computer），大多是使用二進位電晶體（binary transistor），是可以切換「打開」或「關閉」（表示為1或0）的一種系統。

神經形態運算可以模仿大腦活動，背後使用程式控制的人工神經元（programmable physical artificial neurons），該系統不再是處理二進位的資訊，而是透過不同模式的神經元發送訊號，過程中更增加了時間因子（factor of time）。

磁振子散射儲層（magnon-scattering reservoir）的模式識別工作原理。

圖／ Nature

該團隊使用儲備池計算（reservoir computing）的技術，開發了一種新的方式，執行模型識別（Pattern recognition，或稱圖型識別）的方法，即一種新的判讀模式或圖型的技術，並且可以在辨識後可隨即反應執行演算法。

💡儲備池計算系統（reservoir computing system）： 可以在對話輸出的過程中預測下一個文字，也能以當下為基礎瞻望未來的成果。這項技術減少過去的神經網絡的訓練時間，也縮小了元件的材積。

為何神經形態運算，對區塊鏈和AI領域很重要？

神經形態運算能影響區塊鏈、人工智慧領域，因為神經形態運算本質上，就適合應用於模式識別和機器學習。

二進位系統使用布爾代數（boolean algebra）進行計算。這種算法在處理數字方面沒有問題，然而，當涉及模式識別時，當數據出現錯誤或異常，甚至有部分資訊流失時，系統就會陷入困境。

這就是為什麼，二進位系統需要花費大量時間，來解決複雜的密碼學難題，以及為什麼它們不適合應用在數據不夠完整的情境上。

在金融、人工智慧和交通運輸領域，即時數據源源不斷地湧入之際，二進位計算機難以解決封閉式的問題。 例如，無人駕駛汽車目前有很多待優化的問題，難以被簡化為判斷「真」或「假」的問題，以及在交通運輸中，二進位計算機難以準確預測交通流量，因為獨立變數太多。

神經形態運算能模擬人腦的運算模式，可以更好地處理隨時間而變化的因子，人腦會閃現與特定神經功能相關的特定模式，這些模式和功能，也都可能會隨著時間而改變。

綜觀上述，神經形態運算可以更好地處理資訊不夠完整的情境。而神經形態運算可以不斷地對即時數據做出反應，因為它一次處理不只一個數據點。

神經形態運算還可以顯著地加速機器學習系統，特別是那些應用於感測器（例如自動駕駛汽車、機器人），或者即時數據處理（加密貨幣市場分析、交通樞紐）的系統。

神經形態運算還有另一大優點是，相較於二進位計算和量子計算，其功耗極低，若應用在區塊鏈挖礦時，可以顯著降低時間和能源成本。