[发明专利]用于人工智能的并行神经处理器

说明书

本文提供了用于实现专门设计用于并行AI处理的人工神经网络的高效和直观的方法的系统和/或设备。在各种实施方式中，所公开的系统、装置和方法补充或替代用于并行神经处理的传统的系统、设备和方法，该并行神经处理(a)大大地减少处理更复杂问题集合所需的神经处理时间；(b)实现自学习所需的神经可塑性；(c)引入注入直觉元素所需要的除了显式存储器之外的隐式存储器的概念和应用。利用这些特性，公开的发明的实施方式使得模拟人类意识或认知成为可能。

技术领域

所公开的实施方式通常涉及人工智能，并且更具体地涉及一种用于实现用于人工智能的并行神经处理器的方法、系统和设备。

背景技术

人工智能(AI)应用传统上被设计用于和作为软件驱动系统。在这样的系统中，处理元件(在AI“脑”中起到“神经元”的作用)被编程以占据硬件存储器中的固定状态。神经元通过耦合变量的代表值互连，以形成人工神经网络。这些神经元的状态是使用处理权重、偏差和输入数据的激活函数迭代评估的，以产生二进制输出值(即，0或1)。神经元的合成状态作为神经元的输出状态被存储在存储器中，随后用作人工神经网络中连接的神经元的输入。在高水平处，以迭代的方式评估多个神经元的输入和输出状态。一些系统使用多线程和多核处理器以同时评估神经元的多个块，但系统作为整体本质上保持“串行”的。较大的神经网络比较小的网络能够解决更复杂的和各种各样的问题。但较大的神经网络需要具有较大的核心数量和/或较大的线程数量的微处理器。因此，AI受这些传统处理器的速度的限制。

为了弥补传统硬件的限制，精心设计具有各种快捷方式和边界条件的AI系统，并针对特定的问题集合进行了调整。由于边界条件是预先限定的，这些系统限于高度特定的应用。例如，被训练用于识别人脸的AI系统，可能不能有效地识别长颈鹿的脸。

传统的系统产生大的开销，不能以节省成本的方式实现快速响应复杂的问题集合，而且远远不能实现人工意识。

发明内容

因此，需要用于实现特别设计用于并行AI处理的人工神经网络的更高效和直观的方法的系统和/或设备。在一些实施方式中，所公开的系统、设备和方法补充或替代用于并行神经处理的传统的系统、设备和方法，该并行神经处理(a)大大地减少处理更复杂的问题集合所需的神经处理时间；(b)实现自学习所需的神经可塑性；以及(c)引入注入直觉元素所需要的除了显式存储器之外的隐式存储器的概念和应用。利用这些特性，公开的本发明的一些实施方式使得模拟人类意识或认知成为可能。

(A1)在一个方面中，一些实施方式包括被配置成处理输入信号的第一子分类器。第一子分类器包括被配置成向输入信号施加权重以生成加权输入信号的加权输入模块。第一子分类器还包括被耦合到加权输入模块的比较模块。比较模块被配置为：在比较模块输入线处接收加权输入信号；以及在比较模块输出线处生成第一输出信号。比较模块进一步被配置成：确定是否加权输入信号具有在下窗口范围值和上窗口范围值之间的值。响应于确定加权输入信号具有在下窗口范围值和上窗口范围值之间的值，比较模块被配置成：在比较模块输出线处将第一输出信号设置成具有第一值。响应于确定加权输入信号具有不在下窗口范围值和上窗口范围值之间的值，比较模块被配置成：在比较模块输出线处将第一输出信号设置成具有与第一值不同的第二值。

(A2)在A1的第一子分类器的一些实施方式中，比较模块包括被配置成接收加权输入信号和设置第一输出信号的至少一个运算放大器。

(A3)在A1的第一子分类器的一些实施方式中，施加于输入信号以生成加权输入信号的权重基于来自第二子分类器的第二输出信号。

(A4)在A1的第一子分类器的一些实施方式中，来自第一子分类器的第一输出信号被发送到第二子分类器。

(A5)在A4的第一子分类器的一些实施方式中，加权输入模块被配置成接收控制组信号并且对输入信号施加权重以基于控制组信号生成加权输入信号。