有了这款神经处理器，或许谷歌无人驾驶车就不会出事故了

澳洲业者BrainChip宣布采用其棘波神经处理器(spiking neural processor)技术，开发了自主性视觉特征提取(Autonomous Visual Feature Extraction，AVFE)系统。

BrainChip的神经网路处理器被称为SNAP，采用讯号棘波来传输资料，以及一种叫做棘波时机相关可塑性(Spike Time Dependent Plasticity，STDP)的学习方法。AVFE是一项突破，证明能从视觉资料流进行无人监督的学习，可应用于诸如自动驾驶车辆与无人机的防碰撞功能。

根据BrainChip所提供的资料，SNAP上的AVFE每秒能处理100万个视觉事件，而且能在几秒钟学习并辨别资料流中的图形；SNAP/AVFE是以该公司向瑞士开发商Inilabs采购的Davis 动态视觉感测器(Dynamic Vision Sensor)，做为串流数位视讯资料的来源。

Davis 动态视觉感测器是一种人工视网膜，拥有与SNAP相同的位置事件表现(Address Event Representation，AER)介面；并非将视讯讯框输出，每个画素只要在对比(contrast)变化时就会输出一个或更多棘波。

AVFE 系统架构

执行于SNAP上并连结至一个恰当视讯来源的AVFE潜在应用，包括车辆以及无人机内的防碰撞系统、异常状况检测、保全与医疗成像等等。

该系统最初对于输入资料流内容并无所知，会藉由重复性与强度自主学习，并开始找到影像串流内的图形；影像串流可以是由视觉影像感测器(如Davis人工视网膜)所产生，或是经过恰当设计的雷达或超音波来源设备。

AVFE已经在美国加州帕沙迪那(Pasadena)的高速公路上进行过测试，持续运作了78.5秒，SNAP棘波神经网路学习辨别车辆并开始即时计算其数量。

以Inilabs的Davis视网膜晶片撷取的视觉影像，显示在高速公路上移动的车流 (图片来源：BrainChip)

BrainChip执行长、SNAP神经处理器的发明人Peter van der Made表示："我们对于此大幅度进展感到非常兴奋，展现了BrainChips的神经处理器SNAP能在无人类监督的情况下，从视觉馈入撷取资讯并学习。"