来自滑铁卢大学的一个跨学科研究团队正在构建模仿人类大脑的系统，以提高自动驾驶汽车（AV）技术中使用的人工神经网络的功率效率和性能。
自动驾驶汽车必须实时导航、做出决策并对不断变化的环境做出反应，尽管人工智能（AI）在这一领域取得了重大进展，但道路安全仍然是一个问题。为了提高自动驾驶汽车执行复杂任务的能力，比如对紧急情况的反应，需要为其人工智能系统提供大量的计算能力。这种增加的电池消耗可能会影响其行驶里程。
克里斯·埃利亚斯史密斯博士是系统设计工程和哲学部门联合任命的教授，领导滑铁卢计算神经科学研究小组（CNRG），专注于复制人类大脑功能，以创造更高效、更强大的人工系统。
“到目前为止，大脑是我们所知道的最好的自主系统，”Eliasmith说。“它以无与伦比的功率效率运行，仅使用约20瓦。计算机是智能的，像ChatGPT这样的人工智能语言模型非常像人类，但它们消耗的能量至少是人类的1000倍，这使得它们不适合广泛的移动应用。
Eliasmith补充说：“如果我们能将大脑的自然活动应用到自动驾驶汽车上，我们就能制造出不仅思考更快更好，而且节省电池电量的自动驾驶汽车，从而实现更好的整体性能。”
制造更智能、更安全的汽车
在与梅赛德斯奔驰的合作中，CNRG将运用他们的神经形态计算专业知识——设计和开发旨在模仿大脑工作方式的软件和硬件开发——使自动驾驶汽车技术更安全、更高效。这一合作凸显了该大学致力于为社会、经济、技术、健康和可持续影响建立有意义的行业和研究伙伴关系的承诺。
自动驾驶汽车系统在“场景理解”等复杂任务上遇到了困难，Eliasmith解释说，这是利用肢体语言和眼神交流来判断行人是否即将过马路。利用模拟和神经形态技术，该实验室将增强系统的感知、预测和控制功能，提高其正确阅读和对环境做出反应的能力。
Chris Eliasmith博士，滑铁卢大学系统设计、工程和哲学系联合聘任教授，计算机科学系主任神经科学研究小组（CNRG）。
Eliasmith说：“我们使用神经形态计算机的研究已经证明，控制和感知任务所需的能量减少了10到100倍，而不会失去准确性，而且经常会有所改善。”
“我们相信，这些和其他好处，比如增强的响应能力，将很好地扩展到全自动驾驶系统，使它们更强大，最终更安全，同时消耗更少的能量。”
道路上和道路下的创新
Eliasmith在神经形态计算方面的工作体现了滑铁卢大学解决复杂挑战的跨学科和前瞻性方法。他的研究从自动驾驶汽车扩展到了家用设备和可穿戴设备等领域，所有这些都是为了以最小的能耗执行复杂的任务而设计的。他的衍生公司“应用大脑研究”（ABR）正在开发世界上第一个能够以极低功耗支持全词汇语音识别的人工智能芯片。
埃利亚斯史密斯说：“想象一下，一个厨房电器可以对没有脚本的、自然的语音命令做出反应，来解冻鸡肉或预热烤箱。”“或者与任何断开连接的设备交谈，比如虚拟现实耳机，就像你与人交谈一样——所有这些都只需要当今人工智能系统所需功率的一小部分。”
“CNRG实验室和ABR都在研究令人兴奋的神经形态计算应用，这将改变我们在世界上的生活和行动方式。人类大脑是一项了不起的技术——为什么要重新发明轮子呢？”
