Neuromorphic computing — hoặc tính toán giống não — là một cách tiếp cận lập trình mới, lấy não người làm mẫu để xây dựng các con chip tính toán vừa tiết kiệm năng lượng vừa có khả năng học tập thích ứng như não người.
Nhân cách: Từ não người đến con chip
Nhân ra quyết định quan trọng nhất trên thế giới: Carver Mead, một kỹ sư điện tử ở Caltech, đã đề xuất năm 1988 rằng thay vì mô phỏng não bằng phần mềm trên máy tính truyền thống, chúng ta nên xây dựng phần cứng mượt tiếp với kiến trúc não.
Khác với kiến trúc von Neumann truyền thống — nơi CPU và bộ nhớ tách rời gây nên “bottleneck von Neumann” — não người vận hành với 86 tỷ nơron giao tiếp qua 100 nghìn tỷ kết nối thần kinh (synapses). Nơron và bộ nhớ nằm cùng chỗ, xử lý và lưu trữ đồng thời.
Lĩnh vực ứng dụng: Từ IoT đến AI siêu tốc
Neuromorphic computing phù hợp với các bài toán:
- Pattern recognition: Nhận dạng hình ảnh, giọng nói, tín hiệu sinh học.
- Sensor fusion: Kết hợp nhiều cảm biến (độ sáng, âm thanh, nhiệt) như não người.
- Edge AI: Xử lý trên thiết bị không cần kết nối cloud — tiết kiệm băng thông, giảm độ trễ.
- Robots thông minh: Phản hồi nhanh dựa trên phản hồi cảm biến liên tục.
Khả năng tiết kiệm năng lượng là lợi thế then chốt: não người tiêu tốn ~20W, trong khi các hệ thống HPC hiện nay để mô phỏng một nơron giống hệt não có thể tới hàng trăm kW.
Intel Loihi: Chip nhiên học đầu tiên trên thương trường
Năm 2017, Intel ra mắt Loihi — con chip neuromorphic đầu tiên thương hiệu với 128 nơron mỗi chứa 128 máy trạng thái (microcode) mô phỏng hành vi thần kinh.
Loihi 2 (2021) nâng cấp lên 1 million nơron tích hợp trên một con chip, hỗ trợ học tập thời gian thực (on-chip learning) mà không cần huấn luyện riêng trên PC. Đến năm 2024, Intel ra mắt Hala Point — hệ thống lớn nhất thế giới với 1.15 tỷ nơron, dùng cho nghiên cứu AI tiết kiệm năng lượng.
Công nghệ sinh tiết nhân tạo (Artificial Synapses)
Mot hình mẫu của các synapse nhân tạo, nhà nghiên cứu đang phát triển nhiễn hóa cầu (FTJ — Ferroelectric Tunnel Junction) để mô phỏng việc điều chỉnh trọng số sinapse. Khác với bộ nhớ Flash truyền thống, FTJ có thể thay đổi trở kháng một cách liên tục — giống như cách não người điều chỉnh cường độ kết nối thần kinh qua các trải nghiệm.
| Tính năng | Truyền thống | Neuromorphic |
|---|---|---|
| Độ trễ | Micro giây | Nano giây (nơron-nơron nội bộ) |
| Năng lượng mỗi phép toán | ~100 pJ | ~10 fJ (10.000x tiết kiệm) |
| Học tập | Offline batch | Online contínuous |
| Kết cấu bộ nhớ | Separated (von Neumann) | Integrated (compute-in-memory) |
Lĩnh vực nghiên cứu hiện tại
- Spiking Neural Networks (SNN): Mạng nơron bắn sóng (spike) — giao thức truyền tin của não người.
- TrueNorth (IBM): Chip 1 million nơron, 256 million synapse, tiêu thụ 70mW.
- BrainChip Akida: Chip neuromorphic thương mại cho edge AI.
- Loihi 2 Hala Point: Hệ thống 1.15 tỷ nơron của Intel để nghiên cứu AI tiết kiệm năng lượng.
Tương lai: Khi não máy gặp não người
Những năm tới, neuromorphic computing tiềm năng thay đổi bốn ngàn tử:
- Robotics: Robot phản hồi cơ thể như con người nhờ l xử lý tín hiệu cảm biến liên tục.
- Xe tự hành: Nhận diện chướng ngại vật trong thời gian thực với tiêu thụ năng lượng cực thấp.
- Chăm sóc sức khỏe: Thiết bị đeo thông minh dự báo bệnh lý qua phân tích tín hiệu sinh lý.
- Máy chủ AI xanh: Tính toán đám mây giảm 100x tiêu thụ năng lượng so với GPU truyền thống.
Tuy nhiên, thách thức lớn còn ở đây: cách lập trình các mạng nơron bắn sóng (SNN) chưa có công cụ hỗ trợ trưởng thành như TensorFlow hay PyTorch. Các framework neuromorphic đang được phát triển như Lava (Intel), Nengo, và Brian.
Bên cạnh đó, lực lượng lao động chuyên gia neuromorphic vẫn còn hạn chế so với nhu cầu thị trường AI. Các trường đại học và lab nghiên cứu cần đầu tư nhiều hơn vào giáo dục neuromorphic để đáp ứng nhu cầu tương lai.
Kết luận
Neuromorphic computing không chỉ là một xu hướng công nghệ mà là bước chuyển tiếp từ “mô phỏng não” sang “xây dựng phần cứng giống não”. Với Intel Loihi, IBM TrueNorth, và Hala Point của Intel, chúng ta đang chứng kiến sự ra đời của một thế hệ máy tính tiết kiệm năng lượng và có khả năng học tập liên tục — mở ra tương lai của AI tiết kiệm năng lượng.
Nguồn tham khảo: Wikipedia: Neuromorphic Computing | Intel Labs: Neuromorphic Computing | Intel Loihi Neuromorphic Chip
