這種能夠進行多任務訓練的神經網絡模型比起之前那種隻能是進行特定任務訓練的神經網絡模型自然是具有更大的優勢，也為之後能夠執行複雜任務的多功能機器人做好了技術儲備。
現在梅溪湖大學人工智能研究院現在也在為這套神經網絡模型開始提供各種感知能力，並且訓練靈活處理各種信息的能力。
當然，梅溪湖大學人工智能研究院也是誕生了世界上第第一種神經元網絡處理器，然後用眾多的處理器芯片搭建起了一套係統。
這種處理器芯片架構跟大腦神經元網絡非常類似，具有包括輸入端、神經薄膜、信號發生器和輸出端，其中輸入端類似生物神經元的樹突，神經薄膜類似生物神經元的雙分子層，信號發生器類似生物神經元的神經細胞主體，輸出端類似生物神經元的軸突。
而神經薄膜是整個神經元產生作用的關鍵物質，它類似生物神經細胞中的液態薄膜，當能量吸收到一定程度時就會產生信號並向外發射。
這些信號經過輸出端傳導，然後被其他神經元接收，以此循環形成信息處理過程。
神經元網絡處理器大小跟普通的處理器沒有太多區別，不過裏麵的架構卻截然不同，核心區域內密密麻麻的擠滿了數千個處理核心，用來模擬超過百萬個人腦神經元和上億個神經突觸。
這些處理核心每個包含了上百萬個晶體管，其中負責數據處理和調度的部分隻占掉少量晶體管，而大多數晶體管都被用作了數據存儲、以及與其它核心溝通方麵，每個核心都有自己的本地內存，它們還能通過非常類似於人腦神經元與突觸之間的協同的方式來與其它核心快速溝通。
這種架構白冰帶領的技術團隊也稱之為“神經突觸內核架構”。
在人腦中，神經元相當於處理器，一個成年人的大腦至少有數百億個神經元，每個神經元都與其它神經元相連，它們的連接處被稱為突觸，突觸是人腦的存儲器，用計算機術語來說，這是一個極其龐大的分布式計算係統。
這種處理器與存儲器緊密相連的結構，讓人腦內的通信效率非常高。
梅溪湖大學人工智能研究院在這種神經元網絡處理器研製出來後也是搭建了一套類人腦的神經元網絡處理器陣列的神經元計算機原型出來，這套計算機搭載了10多顆神經網絡處理器。
這套神經元計算機原型機也是進行了一係列測試，結果讓人非常驚喜。
沒有普通處理器和圖像處理器的這套神經元計算機消耗的能源要低好幾個數量級，而且學習的速度也是快得驚人。
在技術測試當中，這套計算機對人、自行車、轎車、大巴、卡車等多種物體都是有著非常高的識別率，而且消耗的能源隻有一顆普通處理器的功耗的千分之一。
如此低的功耗比大腦消耗的能量還要少，甚至不需要散熱係統，現在技術團隊也是在研發新的這種神經元網絡處理器3D堆棧技術和封裝技術，希望極大地壓縮設備體積，同時極大地提升能源效率。
當然，這些都是硬件上的，而白冰帶領的技術團隊還在為這套係統的神經元網絡模型進行優化。 本章已閱讀完畢(請點擊下一章繼續閱讀!)