利用有意随机的数字部件构建快速贝叶斯计算机器

大脑利用比逻辑门更慢且更不可靠的神经元，比现代计算机更快、更可靠地解释模糊的感官信息。但是，作为许多感知和认知计算模型基础的贝叶斯推断，即使在现代晶体管速度和能量预算下，似乎在计算上也极具挑战性。缩小这一差距所需的计算原理和结构尚不清楚。在此，我们展示了如何使用有意随机的数字部件构建快速贝叶斯计算机器，从而将这一效率差距缩小多个数量级。我们发现，通过按照简单的数学规则连接随机数字组件，可以构建大规模并行、低精度的电路来解决贝叶斯推断问题，并且这些电路与皮层神经元的泊松发放统计相容。我们评估了用于深度和运动感知、感知学习及因果推理的电路，每种电路均能实时对超过 10,000 个潜变量进行推断——其速度比商用微处理器快 1,000 倍。这些结果表明，随机性在智能计算的工程和逆向工程中具有新的作用。