Page 57 - 基于人工智能的图像识别技术研究

第一章 人工智能概述

的作用。可以说，机器学习和生物学习存在共同的基本学习单元，而这个基本单

元和硬件的实现，无论是硅、石墨烯、光子，还是蛋白质，实际上都是独立于实
现的具体介质—硅、石墨烯、光子和蛋白质。未来，智能微芯片可以广泛地应
用于各行各业、各个产业、各个微型传感器，可以广泛应用于生物、机器人等领
域中。

（三）人工智能芯片微型化—智能材料
人工智能芯片的微型化离不开智能材料的应用。神经形态芯片的研发在过去
几年得到了长足的发展，新加坡南洋理工大学，澳洲、美国的一些大学以及清

华大学等学校的科学家们都做出了重要的贡献。忆阻器技术也被广泛应用于神
经形态芯片的研发中。与此同时，超限学习机（ELM）理论对神经形态芯片的
研发也起了一定的作用，新加坡南洋理工大学，澳洲、美国、中国等都有科学
家、团队在做基于ELM理论的芯片研发，尤其是新加坡南洋理工大学，已经展

开了ELM芯片的相关流片试样。光子技术也被广泛应用于智能芯片的研发，麻
省理工、法国等大学的科学家们都研发出了基于光子的芯片。ELM理论指出随
机傅里叶序列的组合具有学习能力，法国科学家基于ELM理论已经实现了光子

芯片。在未来几年或者更长的时间里，研究人员预测将能够实现智能芯片的微
型化。
（四）超限学习机（ELM）理论

在智能微芯片的研发过程中，特殊材料石墨烯以及人造蛋白质也许可以广泛
应用于智能芯片的研发中。为了实现智能芯片的微型化、智能微芯片，简单的学
习算法、学习理论将对芯片的研发起到至关重要的作用。研发人员预测，超限学

习机（ELM）理论将对智能微芯片的研发有所助力。超限学习机具有万能逼近
能力，任何连续目标都可以用前馈神经网络以任意小的误差近似逼近。
超限学习机同时还具有万能分类能力，任何理论上可以分开的目标，都可以
用人工神经网络加以分开。此外，超限学习机理论指出，SVM（支持向量机）

提供的是次优学习解，Kernel（核）函数不必是黑箱，可以通过ELM特征影射透
明化。总体来说，超限学习机满足万能逼近和分类能力，（机器或者生物）学习
可以不需要调整隐层节点，给定任何连续目标函数或可分类目标，只要神经元是

非线性阶段连续的，（人工或生物的）神经网络无需调整隐层神经元就能任意逼
近目标连续函数或对分类目标加以分类。神经元的无需调整对芯片的实现产生很

49