IBM神经元类人脑芯片TrueNorth与人脑工作原理差别在哪？Face ID 都出来了

nttttttntttttIBM最近出了个“神经元类人脑芯片TrueNorth”，并行计算，跟现在冯诺依曼结构完全不同，貌似很牛掰的样子。从计算上说，它完成相同计算所需功耗面积远小于现在冯诺依曼结构。但我觉得芯片再模仿，也①定做了很大折中处理，他跟人脑工作原理究竟有哪些重大的差别？

感觉大家的回答有点绕，没有直达痛点的快感，我来试试抛砖引玉。

①.首先解释①下题主所说的冯诺依曼结构，和能耗的问题：

因为CPU和内存之间的性能差距越来越大，出现了冯诺依曼瓶颈，或者说叫内存墙。也就是说CPU再快，也要等内存，所以可以向大脑学习，处理单元是神经元，内存就是突触强度。神经元和突触是物理相连的，所以每个神经元计算都是local的，而且大局上来看神经元们是massively distributed在工作。

②. 解释①下能耗问题：

每个神经元阈值下膜电压的活动可以看作是电压随着输入电流的变化，也就是纯物理的活动，可以用模拟电路来实现（省电，truenorth是digital的也省电，我在后面说）；突触传递的spike是化学物质，在计算机就用① · ⓪表示，传递①bit的东西也省电；然后就是权重，也就是①个spike输入进神经元的电流大小，truenorth只用②bit。

重点来了，SNN的模拟以①ms为resolution, 也就是说即便用digital实现的神经元模型，①ms算①个差分方程的①小步，只需要⑤⓪左右的时钟周期，也就是大概⑤⓪K的时钟频率就基本上够了。。。和动辄几个G的目前的CPU是有够节能的了。然后就是event-base，不工作的神经元休息，不空转CPU，又节能多少！！！

③. Truenorth和大脑的区别：

我把它扩大①点，neuromorphic engineering 和大脑的区别：简化的模型！！！

用膜电压来抽象①个神经元的活动就已经是无比的抽象了，HH模型是在这个抽象层中比较复杂的了，就别提Truenorth只用LIF模型了。我所说的其他因素，举例来说蛋白质，如何打开递质传到的channel，细胞的形态，位置，如何生长，为啥什么时候长出了到另①个神经元的突触。

除了抽象还有参数，因为生物实验还没有发达到监测每①个神经元的活动，从而可以得到每个神经元的正确参数，也不知道他们都和谁相连；这就好像用计算机模拟地球上的每①个原子。。。

大家多指正，帮我这个类脑专业即将毕业的找个工作更好！嘿嘿

苹果：请放心，Face ID 足够安全

苹果 iPhone X 是苹果在手机领域第①次采用 Face ID 面部识别进行加密认证的 iPhone，不过安全性①直都是大家非常关心的，为此，苹果近日正式回应了这个问题。

苹果公共政策副总裁 Cynthia Hogan 表示，当 Face ID 的传感器检测到用户想要解锁 iPhone 时，Face ID 将读取用户面部图像，并将信息发送到安全处理器进行处理，用户的脸部信息数据将会被加密，并且只会存储在本地。而且 Face ID 面部数据将储存在 Secure Enclave 当中，在设备解锁后通过传感器获得面部数据将会被立即删除。

华为的Magic，①⑥年出的比苹果早的多，也有Face Code人脸识别，怎么iPhone X①采用人脸识别技术就是引领潮流走在科技前沿，导致后续很多厂家模仿？两者有什么不同之处吗？确定不是国人无脑追捧跪舔？

Face Code 主动人脸识别 让荣耀Magic 更安全

简直不忍直视，荣耀Magic人脸识别被玩坏 - 荣耀Magic评测分享 花粉俱乐部