張延■ 孫穎
神經(jīng)網(wǎng)格計算機是一種新型智能信息處理工具。它建立在近年來(lái)對人工神
經(jīng)網(wǎng)絡(luò )研究的基礎之上，通過(guò)模仿并簡(jiǎn)化大腦在結構上和功能上的特點(diǎn)，以解
決電子計算機難以完成的智能信息處理和計算任務(wù)。
人工神經(jīng)網(wǎng)絡(luò )的硬件系統既有電子的也有光學(xué)的或光電混合的，那么神經(jīng)
網(wǎng)絡(luò )計算機將是用什么技術(shù)構成的呢？要了解這個(gè)問(wèn)題，還得從神經(jīng)網(wǎng)絡(luò )的由
來(lái)和發(fā)展說(shuō)起。
一、電腦與人腦的區別
現代電子計算機雖有“電腦”之稱(chēng)，但其處理方式卻與人腦有著(zhù)本質(zhì)的不
同。雖然它在運算速度和計算精度上都大大超過(guò)了人腦的平均水平，但是在圖
像識別，自然語(yǔ)言理解，自適應控制，學(xué)習、推理、決策等智能方面，最先進(jìn)
的超級計算機也無(wú)法與人的智能相比。例如，人的大腦通過(guò)不斷學(xué)習和實(shí)踐而
產(chǎn)生識別事物、語(yǔ)言和文字的能力。這種能力使人類(lèi)能迅速地對外界信息做出
反應，從而保證自身的生存、安全和日?；顒?dòng)的順利進(jìn)行。而計算機是通過(guò)編
制程序和對外界信息進(jìn)行處理和計算來(lái)識別事物的。由于事物的復雜性、隨機
性和不完整性，使得智能軟件很難編制；即使編寫(xiě)出來(lái)，由于計算量過(guò)大，也
難以在需要的時(shí)間內由計算機完成。
人們把智能計算機的研究戰略建立在更快的計算速度與更完善的智能軟件
相結合的基礎之上?？上б恢睕](méi)有取得重要的進(jìn)展。而腦科學(xué)和神經(jīng)網(wǎng)絡(luò )的進(jìn)
展卻從另外一個(gè)角度，給智能計算機的研究帶來(lái)了希望。
二、大腦的神經(jīng)機制
雖然人們對大腦的機制尚不完全清楚，但從對大腦神經(jīng)機制的研究已經(jīng)知
道，大腦中神經(jīng)細胞元的總數約有１２［，１１］個(gè)。每個(gè)神經(jīng)元都有１０［
，３］～１０［，４］個(gè)突觸或樹(shù)突與其它神經(jīng)元實(shí)現復雜的相互作用。每個(gè)
神經(jīng)元的運算功能都十分簡(jiǎn)單，只有“興奮”和“抑制”兩種狀態(tài)，取決于所
有其它神經(jīng)元對它作用的總和，并有簡(jiǎn)單的非線(xiàn)性關(guān)系。值得注意的是，神經(jīng)
元狀態(tài)演變的速度（約１０［，－２］秒）比計算機中基本單元的翻轉速度（
約１０［１０］秒）要慢得多。而大量神經(jīng)元高度互連
所組成的網(wǎng)絡(luò )，卻可以產(chǎn)生非凡的信息存儲和驚人的整體運算能力。人類(lèi)大腦
的思維、運算過(guò)程正是建立在這種大規模的并行處理的基礎上。這是一種群體
行為，而不是單個(gè)神經(jīng)元活動(dòng)的結果。
大腦神經(jīng)系統與電子計算機的這種明顯差異給人們一種啟示：要實(shí)現智能
計算機，只靠現行計算機速度的提高及構造和算法的完善是不夠的。以人腦神
經(jīng)系統工作原理為基礎構成的人工裝置卻有可能達到類(lèi)似人腦的某些功能。對
智能計算機來(lái)說(shuō)，大量神經(jīng)元的互連要比單元速度的提高更為重要。這一認識
被稱(chēng)為“互連主義”（ｉｎｔｅｒｃｏｎｎｅｃｔｉｏｎｉｓｍ）。它已被大
量的研究成果所證實(shí)，是神經(jīng)網(wǎng)絡(luò )計算機的重要基礎。
三、人工神經(jīng)網(wǎng)絡(luò )的智能特點(diǎn)
早在４０年代，ＭｃＣｕｌｌｏｃｈ和Ｐｉｔｔｓ就已開(kāi)始了以神經(jīng)元作
為邏輯器件的研究。６０年代，Ｒｏｓｅｎｂｌａｔｔ提出了模擬學(xué)習和識別
功能的“感知機”模型，其構造和規則曾轟動(dòng)一時(shí)，但終因此類(lèi)機器嚴格的局
限性而很快冷落下來(lái)。到１９８２年，Ｈｏｐｆｉｅｌｄ提出了一種新的理論
模型。這一模型簡(jiǎn)明地反映了大腦神經(jīng)系統的分布式記憶存儲、內容尋址、聯(lián)
想以及局部細胞損壞不靈敏等特性。與此同時(shí)，神經(jīng)網(wǎng)絡(luò )在解決“推銷(xiāo)員旅行
”問(wèn)題、語(yǔ)音識別、音樂(lè )片斷的學(xué)習創(chuàng )作、英語(yǔ)智能讀音系統等方面，都取得
了令人鼓舞的結果。因此人工神經(jīng)網(wǎng)絡(luò )的研究熱潮在８０年代初期又重新興起
，成為多學(xué)科共同關(guān)注的跨學(xué)科新領(lǐng)域。不同學(xué)科研究神經(jīng)網(wǎng)絡(luò )的方法雖不盡
相同，但目的都是為了探索大腦智能的機制和實(shí)現智能計算機。
近十年來(lái)人工神經(jīng)網(wǎng)絡(luò )研究的進(jìn)展，使研制神經(jīng)網(wǎng)絡(luò )計算機的歷史任務(wù)落
到了現代高科技的面前。這是社會(huì )對智能計算機的迫切需要。人類(lèi)對大腦認識
的深入以及當今的科技水平已具備了這一可能，它既是一個(gè)挑戰，也是一個(gè)機
會(huì )。
四、人工神經(jīng)網(wǎng)絡(luò )的實(shí)現技術(shù)
人工神經(jīng)網(wǎng)絡(luò )的主要特點(diǎn)是大量神經(jīng)元之間的加權互連。這就是神經(jīng)網(wǎng)絡(luò )
與光學(xué)技術(shù)相結合的重要原因。
電子技術(shù)與光學(xué)技術(shù)相比，精確度高，便于程序控制，抗噪聲能力強。但
是，隨著(zhù)計算機芯片集成度和速度的提高，計算機中的引線(xiàn)問(wèn)題已成為一個(gè)嚴
重的障礙。由于電子引線(xiàn)不能互相短路交叉，引線(xiàn)靠近時(shí)會(huì )發(fā)生耦合，高速電
脈沖在引線(xiàn)上傳播時(shí)要發(fā)生色散和延遲，以及電子器件的扇入和扇出系數較低
等問(wèn)題，使得高密度的電子互連在技術(shù)上有很大困難。超大規模集成電路（Ｖ
ＬＳＩ）的引線(xiàn)問(wèn)題造成的時(shí)鐘扭曲（ｃｌｏｃｋ ｓｋｅｗ），嚴重限制了
諾依曼型計算機的速度。
而另一方面，光學(xué)互連是高度并行的，光線(xiàn)在傳播時(shí)可以任意互相交叉而
不會(huì )發(fā)生串擾，光傳播速度極快，其延時(shí)和色散可以忽略不計，加上光學(xué)元件
的扇入和扇出系數都很高，因此光學(xué)互連具有明顯的優(yōu)勢。正因如此，許多科
學(xué)家早已開(kāi)始研究采用光學(xué)互連來(lái)解決ＶＬＳＩ的引線(xiàn)問(wèn)題，以及芯片之間、
插板之間的連接問(wèn)題。
此外，光學(xué)運算的高度并行性和快速實(shí)現大信息量線(xiàn)性運算的能力，如矩
陣相乘，二維線(xiàn)性變換，二維卷積、積分等，也是用光學(xué)手段實(shí)現人工神經(jīng)網(wǎng)
絡(luò )的有利條件。
光學(xué)信息處理雖有高速度及大信息量并行處理和優(yōu)點(diǎn)，但要滿(mǎn)足模糊運算
和隨機處理的要求還是遠遠不夠的。光學(xué)信息處理性能的改進(jìn)，要求在傳統的
線(xiàn)性光學(xué)處理系統中引入非線(xiàn)性，而這些問(wèn)題的解決與神經(jīng)網(wǎng)絡(luò )的光學(xué)實(shí)現恰
好不謀而合。光學(xué)信息處理中的許多課題，如光計算、圖像變換、相關(guān)濾波、
特征提取、邊緣增強、聯(lián)想存儲、噪聲消除等，都可以用神經(jīng)網(wǎng)絡(luò )的方法來(lái)完
成。
近年來(lái)，關(guān)于光學(xué)神經(jīng)網(wǎng)絡(luò )的研究，國內外已提出許多不同的硬件系統。
例如，基于光學(xué)矢量矩陣相乘的Ｈｏｐｆｉｅｌｄ網(wǎng)絡(luò )的外積實(shí)現，采用全息
存儲和共軛反射鏡（ＰＣＭ）的全光學(xué)系統，采用液晶開(kāi)關(guān)陣列、液晶光閥以
及其它空間光調制器（ＳＬＭ）的內積型光學(xué)神經(jīng)網(wǎng)絡(luò )，光電混合全雙極“Ｗ
ＴＡ”網(wǎng)絡(luò )等等。光學(xué)神經(jīng)網(wǎng)絡(luò )已成為人工神經(jīng)網(wǎng)絡(luò )研究的一個(gè)重要組成部分
。
五、光學(xué)神經(jīng)網(wǎng)絡(luò )發(fā)展面臨的新問(wèn)題
光學(xué)神經(jīng)網(wǎng)絡(luò )雖具有上述優(yōu)點(diǎn)，并已取得重要的進(jìn)展，但仍存在許多亟待
解決的問(wèn)題。如處理精確度不高，抗噪聲干擾能力差，光學(xué)互連的雙極性和可
編程問(wèn)題以及系統的集成化和小型化問(wèn)題等。這些問(wèn)題直接關(guān)系到神經(jīng)網(wǎng)絡(luò )計
算機的進(jìn)一步發(fā)展、性能的完善及廣泛的實(shí)用化。
１．雙極神經(jīng)元態(tài)與雙極互連問(wèn)題
光學(xué)神經(jīng)網(wǎng)絡(luò )中的互連不僅數量大（Ｎ個(gè)神經(jīng)無(wú)要求有Ｎ［，２］個(gè)互連
）、精度高（不是二值的，而是有一定的灰度分布），而且還有正負極性的要
求。除此之外，神經(jīng)元狀態(tài)也要求有雙極性。但是用光學(xué)實(shí)現雙極性是有困難
的。目前，已提出了多種解決雙極性的方法，但都帶來(lái)了其它缺點(diǎn)，如系統復
雜化、光能損失大及互連動(dòng)態(tài)范圍減小等。
２．大規模光學(xué)神經(jīng)網(wǎng)絡(luò )系統的實(shí)現
神經(jīng)網(wǎng)絡(luò )的整體性能與網(wǎng)絡(luò )中的神經(jīng)元數有密切關(guān)系。雖然光學(xué)互連的高
度并行性在原則上提供了實(shí)現大規模神經(jīng)網(wǎng)絡(luò )的可能性，但隨著(zhù)神經(jīng)元數目的
增加，互連數將會(huì )按平方律增加。在系統尺寸一定的條件下，神經(jīng)元數必然受
到空間帶寬積、衍射和畸變的限制。因此大規模神經(jīng)網(wǎng)絡(luò )的實(shí)現將對光學(xué)設計
、離軸光學(xué)、衍射光學(xué)、二元光學(xué)器件、集成光學(xué)器件以及計算機制全息器件
提出更高的要求。
３．可編程和可調節光學(xué)互連的實(shí)現
一般神經(jīng)網(wǎng)絡(luò )系統中用互連模板實(shí)現的互連權重是不可調的。這就使得一
個(gè)系統只能適用于某種目的或某些特定目標，應用范圍因此而受到極大限制。
而可編程和可調節光學(xué)互連的實(shí)現，將使光學(xué)神經(jīng)網(wǎng)絡(luò )由目前的專(zhuān)用型系統進(jìn)
一步發(fā)展為通用型，并具有自組織、自學(xué)習的能力。
４．空間光調制器的研制
由于學(xué)習和迭代的需要，光學(xué)神經(jīng)網(wǎng)絡(luò )中的空間光調制器（ＳＬＭ）也是
必不可少的器件之一。隨著(zhù)神經(jīng)網(wǎng)絡(luò )研究的深入發(fā)展，對ＳＬＭ的空間分辨率
、響應速度、對比度、灰度級等都提出了更高的要求，因此，高質(zhì)量空間光調
制器的研制迫在眉睫。
５．非線(xiàn)性器件
光學(xué)神經(jīng)網(wǎng)絡(luò )中的非線(xiàn)性操作目前仍采用電子學(xué)或計算機處理的方法。這
就違背了神經(jīng)網(wǎng)絡(luò )的并行性要求。并行光學(xué)非線(xiàn)性運算的實(shí)現，要求有閾值可
調、響應函數形式可調的非線(xiàn)性器件，這也是一個(gè)亟待解決的復雜問(wèn)題。
另外，隨著(zhù)光學(xué)神經(jīng)網(wǎng)絡(luò )研究的不斷深入，對硬件的實(shí)用性要求也在不斷
提高。系統的集成化與小型化勢在必行。這方面，光電混合集成芯片的研制成
功是令人鼓舞的。由此可見(jiàn)，對于神經(jīng)網(wǎng)絡(luò )的實(shí)現來(lái)說(shuō)，光學(xué)與電子學(xué)技術(shù)都
各有其長(cháng)處。充分發(fā)揮二者的優(yōu)勢，形成一個(gè)光電混合處理的硬件系統，將是
未來(lái)神經(jīng)網(wǎng)絡(luò )計算機發(fā)展的重要趨勢。
（計算機世界報 1994年 第8期）
周報全文頻道聯(lián)系方式：010-68130909
【關(guān)于我們】 【廣告服務(wù)】 【周報發(fā)行】 【投稿指南】 【投稿聲明】 【聯(lián)系方式】 【法律聲明】【媒體手冊】 【編讀往來(lái)】Copyright© ccw.com.cn,All rights reserved
中國計算機世界出版服務(wù)公司版權所有
