ชิปนิวโรมอร์ฟิก: คอมพิวเตอร์ที่ได้รับแรงบันดาลใจจากสมองเพื่ออนาคตที่ชาญฉลาด

เป็นเวลาหลายทศวรรษที่การประมวลผลส่วนใหญ่อาศัยสถาปัตยกรรมฟอนนอยมันน์ ซึ่งเป็นรูปแบบการออกแบบที่แยกหน่วยประมวลผลและหน่วยความจำออกจากกัน แม้ว่าจะประสบความสำเร็จอย่างสูง แต่สถาปัตยกรรมนี้ก็มีข้อจำกัดในตัวเอง โดยเฉพาะอย่างยิ่งเมื่อต้องจัดการกับปัญหาที่ซับซ้อนในโลกแห่งความเป็นจริง นี่คือจุดกำเนิดของคอมพิวเตอร์นิวโรมอร์ฟิก (neuromorphic computing) ซึ่งเป็นกระบวนทัศน์การปฏิวัติที่ได้รับแรงบันดาลใจจากโครงสร้างและการทำงานของสมองมนุษย์

ชิปนิวโรมอร์ฟิกคืออะไร?

ชิปนิวโรมอร์ฟิกคือวงจรรวมที่ออกแบบมาเพื่อเลียนแบบโครงข่ายประสาทที่พบในสมองของสิ่งมีชีวิต แตกต่างจากโปรเซสเซอร์แบบดั้งเดิมที่ทำงานตามคำสั่งทีละลำดับ ชิปนิวโรมอร์ฟิกประมวลผลข้อมูลในลักษณะแบบขนานและกระจายศูนย์ โดยใช้วงจรแอนะล็อกและวงจรสัญญาณผสมเพื่อจำลองพฤติกรรมของเซลล์ประสาท (neurons) และไซแนปส์ (synapses) แนวทางที่ได้รับแรงบันดาลใจจากสมองนี้มอบศักยภาพในการปรับปรุงประสิทธิภาพการใช้พลังงานและสมรรถนะได้อย่างมีนัยสำคัญ โดยเฉพาะอย่างยิ่งสำหรับงานที่เกี่ยวข้องกับการจดจำรูปแบบ การประมวลผลทางประสาทสัมผัส และการเรียนรู้แบบปรับตัว

คุณลักษณะสำคัญของชิปนิวโรมอร์ฟิก:

• การประมวลผลแบบขนาน: ด้วยการเลียนแบบสถาปัตยกรรมแบบขนานของสมอง ชิปนิวโรมอร์ฟิกจะประมวลผลข้อมูลพร้อมกันในหน่วยประมวลผลหลายหน่วย ทำให้สามารถคำนวณงานที่ซับซ้อนได้รวดเร็วและมีประสิทธิภาพมากขึ้น
• การประมวลผลตามเหตุการณ์: แตกต่างจากระบบที่ทำงานตามสัญญาณนาฬิกาแบบดั้งเดิม ชิปนิวโรมอร์ฟิกมักใช้การประมวลผลตามเหตุการณ์หรือแบบอะซิงโครนัส ซึ่งหมายความว่าการคำนวณจะเกิดขึ้นก็ต่อเมื่อมีการเปลี่ยนแปลงที่สำคัญในสัญญาณอินพุตเท่านั้น ซึ่งนำไปสู่การประหยัดพลังงานอย่างมหาศาล
• การประมวลผลในหน่วยความจำ: สถาปัตยกรรมนิวโรมอร์ฟิกมักจะรวมหน่วยความจำและหน่วยประมวลผลเข้าไว้ด้วยกันอย่างใกล้ชิด ทำให้ไม่จำเป็นต้องถ่ายโอนข้อมูลระหว่างตำแหน่งหน่วยความจำและหน่วยประมวลผลที่แยกจากกัน ซึ่งช่วยลดความหน่วงแฝง (latency) และการใช้พลังงาน ทำให้การคำนวณรวดเร็วและประหยัดพลังงานมากขึ้น
• โครงข่ายประสาทเทียมแบบสไปก์ (SNNs): ชิปนิวโรมอร์ฟิกจำนวนมากใช้โครงข่ายประสาทเทียมแบบสไปก์ ซึ่งเป็นโครงข่ายประสาทเทียมที่สมจริงทางชีวภาพที่สื่อสารโดยใช้สไปก์ (spikes) ของสัญญาณไฟฟ้าที่ไม่ต่อเนื่อง SNNs เหมาะอย่างยิ่งสำหรับการประมวลผลข้อมูลเชิงเวลาและการนำฟังก์ชันการรับรู้ที่ซับซ้อนไปใช้งาน
• ความสามารถในการปรับตัวและการเรียนรู้: ชิปนิวโรมอร์ฟิกถูกออกแบบมาให้สามารถปรับตัวและเรียนรู้จากข้อมูลได้ เช่นเดียวกับที่สมองเรียนรู้ ซึ่งช่วยให้สามารถทำงานที่คอมพิวเตอร์แบบดั้งเดิมทำได้ยากหรือไม่สามารถทำได้ เช่น การจดจำรูปแบบในข้อมูลที่มีสัญญาณรบกวน (noisy data) หรือการปรับตัวเข้ากับสภาพแวดล้อมที่เปลี่ยนแปลงไป

เหตุใดคอมพิวเตอร์นิวโรมอร์ฟิกจึงมีความสำคัญ: การรับมือกับข้อจำกัดของสถาปัตยกรรมแบบดั้งเดิม

สถาปัตยกรรมฟอนนอยมันน์แบบดั้งเดิม แม้จะทรงพลัง แต่ก็มีปัญหากับงานบางประเภท ข้อจำกัดเหล่านี้เริ่มปรากฏชัดเจนขึ้นเรื่อยๆ ในขณะที่เราผลักดันขอบเขตของปัญญาประดิษฐ์และพยายามประมวลผลชุดข้อมูลที่ใหญ่ขึ้น นี่คือเหตุผลที่คอมพิวเตอร์นิวโรมอร์ฟิกกำลังได้รับความสนใจมากขึ้น:

• ประสิทธิภาพการใช้พลังงาน: โปรเซสเซอร์แบบดั้งเดิมใช้พลังงานจำนวนมาก โดยเฉพาะเมื่อรันอัลกอริทึม AI ที่ซับซ้อน ชิปนิวโรมอร์ฟิกซึ่งมีสถาปัตยกรรมที่ได้รับแรงบันดาลใจจากสมอง มอบศักยภาพในการลดการใช้พลังงานลงอย่างมาก การศึกษาพบว่าระบบนิวโรมอร์ฟิกสามารถประหยัดพลังงานได้มากกว่าระบบดั้งเดิมหลายเท่าตัวสำหรับการใช้งานบางประเภท ซึ่งมีความสำคัญอย่างยิ่งสำหรับอุปกรณ์ที่ใช้แบตเตอรี่และแอปพลิเคชัน Edge Computing
• ความเร็วและประสิทธิภาพ: ความสามารถในการประมวลผลแบบขนานของชิปนิวโรมอร์ฟิกช่วยให้สามารถทำงานบางอย่างได้เร็วกว่าโปรเซสเซอร์แบบดั้งเดิมมาก โดยเฉพาะอย่างยิ่งสำหรับงานที่เกี่ยวข้องกับการจดจำรูปแบบ การประมวลผลทางประสาทสัมผัส และการตัดสินใจแบบเรียลไทม์
• การจัดการข้อมูลที่ไม่มีโครงสร้าง: ชิปนิวโรมอร์ฟิกเหมาะสำหรับการประมวลผลข้อมูลที่ไม่มีโครงสร้าง เช่น รูปภาพ เสียง และวิดีโอ ความสามารถในการดึงคุณลักษณะที่เกี่ยวข้องจากสตรีมข้อมูลที่ซับซ้อนทำให้เหมาะสำหรับแอปพลิเคชันอย่างคอมพิวเตอร์วิทัศน์ (computer vision) และการประมวลผลภาษาธรรมชาติ (natural language processing)
• การประมวลผลแบบเรียลไทม์: ความหน่วงแฝงต่ำและปริมาณงานสูงของชิปนิวโรมอร์ฟิกทำให้เหมาะสำหรับแอปพลิเคชันการประมวลผลแบบเรียลไทม์ เช่น หุ่นยนต์ ยานยนต์อัตโนมัติ และระบบอัตโนมัติในอุตสาหกรรม
• ความทนทานต่อความผิดพลาด (Fault Tolerance): ระบบนิวโรมอร์ฟิกก็เหมือนกับสมอง ที่มีความทนทานต่อความผิดพลาดโดยธรรมชาติ ลักษณะแบบกระจายศูนย์ของสถาปัตยกรรมหมายความว่าระบบยังคงสามารถทำงานต่อไปได้แม้ว่าส่วนประกอบบางส่วนจะล้มเหลว

การประยุกต์ใช้ชิปนิวโรมอร์ฟิก: เหลียวมองอนาคต

คอมพิวเตอร์นิวโรมอร์ฟิกพร้อมที่จะปฏิวัติอุตสาหกรรมหลากหลายประเภท นี่คือบางส่วนของขอบเขตการใช้งานที่สำคัญ:

ปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML)

ชิปนิวโรมอร์ฟิกสามารถเร่งงานด้าน AI และ ML ได้อย่างมาก โดยเฉพาะงานที่เกี่ยวข้องกับ:

• การจดจำรูปภาพ: การระบุวัตถุและรูปแบบในภาพด้วยความเร็วและความแม่นยำที่สูงขึ้น ลองนึกภาพระบบจดจำใบหน้าที่รวดเร็วและเชื่อถือได้มากขึ้นเพื่อความปลอดภัยหรือการดูแลสุขภาพส่วนบุคคล
• การจดจำเสียงพูด: การประมวลผลและทำความเข้าใจภาษาพูดอย่างมีประสิทธิภาพมากขึ้น นำไปสู่ผู้ช่วยเสียงและบริการถอดความอัตโนมัติที่ดีขึ้น
• การประมวลผลภาษาธรรมชาติ (NLP): ช่วยให้เครื่องจักรเข้าใจและตอบสนองต่อภาษามนุษย์ได้อย่างเป็นธรรมชาติและละเอียดอ่อนยิ่งขึ้น เปิดโอกาสใหม่ๆ สำหรับแชทบอท การแปลด้วยเครื่อง และการสร้างเนื้อหา
• การตรวจจับความผิดปกติ: การระบุรูปแบบและเหตุการณ์ที่ผิดปกติในสตรีมข้อมูล ซึ่งสามารถใช้เพื่อตรวจจับการฉ้อโกง คาดการณ์ความล้มเหลวของอุปกรณ์ และปรับปรุงความปลอดภัยทางไซเบอร์ ตัวอย่างเช่น ระบบนิวโรมอร์ฟิกสามารถวิเคราะห์ธุรกรรมทางการเงินแบบเรียลไทม์เพื่อตรวจจับกิจกรรมการฉ้อโกงด้วยความแม่นยำสูงกว่าวิธีการดั้งเดิม

หุ่นยนต์

ชิปนิวโรมอร์ฟิกสามารถเพิ่มขีดความสามารถของหุ่นยนต์ได้หลายวิธี:

• การประมวลผลทางประสาทสัมผัส: ช่วยให้หุ่นยนต์ประมวลผลข้อมูลทางประสาทสัมผัส (การมองเห็น การได้ยิน การสัมผัส) ได้อย่างมีประสิทธิภาพมากขึ้น ทำให้สามารถนำทางและโต้ตอบกับสภาพแวดล้อมได้อย่างมีประสิทธิภาพมากขึ้น ลองนึกถึงแขนกลที่สามารถจับวัตถุที่มีรูปร่างและขนาดต่างกันได้อย่างรวดเร็วและแม่นยำ แม้ในสภาพแวดล้อมที่รก
• การควบคุมแบบเรียลไทม์: ทำให้หุ่นยนต์สามารถตอบสนองต่อการเปลี่ยนแปลงในสภาพแวดล้อมได้แบบเรียลไทม์ ช่วยให้สามารถทำงานที่ซับซ้อนได้โดยอัตโนมัติ
• การเรียนรู้แบบปรับตัว: ช่วยให้หุ่นยนต์เรียนรู้จากประสบการณ์และปรับตัวเข้ากับสถานการณ์ใหม่ๆ ทำให้มีความแข็งแกร่งและหลากหลายมากขึ้น ตัวอย่างเช่น หุ่นยนต์สามารถเรียนรู้ที่จะนำทางในสภาพแวดล้อมใหม่โดยการสำรวจและปรับการเคลื่อนไหวตามผลตอบรับจากเซ็นเซอร์

Edge Computing และ IoT

การใช้พลังงานต่ำและประสิทธิภาพสูงของชิปนิวโรมอร์ฟิกทำให้เหมาะสำหรับแอปพลิเคชัน Edge Computing ซึ่งข้อมูลจะถูกประมวลผลบนอุปกรณ์ในพื้นที่แทนที่จะส่งไปยังคลาวด์:

• เซ็นเซอร์อัจฉริยะ: ช่วยให้เซ็นเซอร์สามารถประมวลผลข้อมูลในพื้นที่และส่งเฉพาะข้อมูลที่เกี่ยวข้อง ซึ่งช่วยลดความต้องการแบนด์วิดท์และปรับปรุงประสิทธิภาพการใช้พลังงาน ลองนึกภาพเครือข่ายเซ็นเซอร์อัจฉริยะที่ตรวจสอบคุณภาพอากาศในเมือง ประมวลผลข้อมูลในพื้นที่ และส่งการแจ้งเตือนเมื่อระดับมลพิษเกินเกณฑ์ที่กำหนดเท่านั้น
• อุปกรณ์สวมใส่ได้: ขับเคลื่อนอุปกรณ์สวมใส่ได้ด้วยความสามารถ AI ขั้นสูง เช่น การติดตามสุขภาพและการติดตามกิจกรรม โดยไม่ส่งผลกระทบต่ออายุการใช้งานแบตเตอรี่อย่างมีนัยสำคัญ
• ยานยนต์อัตโนมัติ: ทำให้ยานยนต์อัตโนมัติสามารถประมวลผลข้อมูลจากเซ็นเซอร์และตัดสินใจแบบเรียลไทม์ได้โดยไม่ต้องอาศัยการเชื่อมต่อกับคลาวด์ตลอดเวลา

การดูแลสุขภาพ

คอมพิวเตอร์นิวโรมอร์ฟิกมอบความเป็นไปได้ที่น่าตื่นเต้นสำหรับการใช้งานด้านการดูแลสุขภาพ:

• การวิเคราะห์ภาพทางการแพทย์: เร่งการวิเคราะห์ภาพทางการแพทย์ (เอกซเรย์, MRI, CT สแกน) เพื่อตรวจจับโรคและความผิดปกติได้รวดเร็วและแม่นยำยิ่งขึ้น ตัวอย่างเช่น ระบบนิวโรมอร์ฟิกสามารถใช้ในการวิเคราะห์ภาพแมมโมแกรมและระบุสัญญาณที่อาจเป็นมะเร็งเต้านมด้วยความแม่นยำที่สูงขึ้น
• การค้นคว้ายา: จำลองปฏิกิริยาระหว่างยาและระบบทางชีวภาพเพื่อเร่งกระบวนการค้นคว้ายา
• การแพทย์เฉพาะบุคคล: ปรับแต่งการรักษาให้เข้ากับผู้ป่วยแต่ละรายโดยพิจารณาจากข้อมูลทางพันธุกรรมและปัจจัยอื่นๆ

ความปลอดภัยทางไซเบอร์

ชิปนิวโรมอร์ฟิกสามารถนำมาใช้เพื่อปรับปรุงความปลอดภัยทางไซเบอร์ได้หลายวิธี:

• การตรวจจับการบุกรุก: การระบุและตอบสนองต่อการบุกรุกเครือข่ายแบบเรียลไทม์ ระบบนิวโรมอร์ฟิกสามารถวิเคราะห์ปริมาณการใช้ข้อมูลเครือข่ายและตรวจจับรูปแบบที่บ่งชี้ถึงกิจกรรมที่เป็นอันตราย
• การวิเคราะห์มัลแวร์: วิเคราะห์ตัวอย่างมัลแวร์เพื่อระบุพฤติกรรมและพัฒนามาตรการตอบโต้ที่มีประสิทธิภาพ
• การพิสูจน์ตัวตนด้วยไบโอเมตริกซ์: เพิ่มประสิทธิภาพระบบการพิสูจน์ตัวตนด้วยไบโอเมตริกซ์โดยทำให้ทนทานต่อการโจมตีแบบปลอมแปลง (spoofing) มากขึ้น

ความท้าทายและโอกาสในคอมพิวเตอร์นิวโรมอร์ฟิก

แม้ว่าคอมพิวเตอร์นิวโรมอร์ฟิกจะมีอนาคตที่สดใส แต่ก็ยังมีความท้าทายหลายประการที่ต้องแก้ไขก่อนที่จะนำไปใช้อย่างแพร่หลาย:

• การพัฒนาฮาร์ดแวร์: การออกแบบและผลิตชิปนิวโรมอร์ฟิกที่ทั้งทรงพลังและประหยัดพลังงานเป็นความท้าทายทางวิศวกรรมที่ซับซ้อน การพัฒนาวัสดุและเทคนิคการผลิตใหม่ๆ มีความสำคัญอย่างยิ่งต่อการพัฒนาฮาร์ดแวร์นิวโรมอร์ฟิก
• การพัฒนาซอฟต์แวร์: การพัฒนาเครื่องมือซอฟต์แวร์และภาษาโปรแกรมที่เหมาะกับสถาปัตยกรรมนิวโรมอร์ฟิกเป็นสิ่งจำเป็นเพื่อให้คอมพิวเตอร์นิวโรมอร์ฟิกเข้าถึงได้ง่ายขึ้นสำหรับนักพัฒนาในวงกว้าง ซึ่งรวมถึงการสร้างเครื่องมือสำหรับการฝึกสอนโครงข่ายประสาทเทียมแบบสไปก์ และการจับคู่อัลกอริทึมกับฮาร์ดแวร์นิวโรมอร์ฟิก
• การพัฒนาอัลกอริทึม: การพัฒนาอัลกอริทึมใหม่ที่ปรับให้เหมาะสมสำหรับสถาปัตยกรรมนิวโรมอร์ฟิกเป็นสิ่งสำคัญในการปลดล็อกศักยภาพสูงสุดของมัน ซึ่งต้องมีการเปลี่ยนแนวคิดจากอัลกอริทึมแบบดั้งเดิมไปสู่อัลกอริทึมที่ได้รับแรงบันดาลใจจากสมอง
• การกำหนดมาตรฐาน: การสร้างมาตรฐานสำหรับฮาร์ดแวร์และซอฟต์แวร์นิวโรมอร์ฟิกเป็นสิ่งสำคัญเพื่อให้แน่ใจว่าสามารถทำงานร่วมกันได้และอำนวยความสะดวกในการนำคอมพิวเตอร์นิวโรมอร์ฟิกไปใช้
• การศึกษาและการฝึกอบรม: การฝึกอบรมวิศวกรและนักวิทยาศาสตร์เกี่ยวกับหลักการและเทคนิคของคอมพิวเตอร์นิวโรมอร์ฟิกเป็นสิ่งจำเป็นสำหรับการสร้างบุคลากรที่มีทักษะ

แม้จะมีความท้าทายเหล่านี้ แต่โอกาสในคอมพิวเตอร์นิวโรมอร์ฟิกนั้นมีอยู่มากมาย ในขณะที่นักวิจัยและวิศวกรยังคงมีความก้าวหน้าในการพัฒนาฮาร์ดแวร์ ซอฟต์แวร์ และอัลกอริทึม ชิปนิวโรมอร์ฟิกก็พร้อมที่จะเปลี่ยนแปลงอุตสาหกรรมหลากหลายประเภทและสร้างอนาคตที่ชาญฉลาดและมีประสิทธิภาพยิ่งขึ้น

ผู้นำทาง: ผู้เล่นหลักและโครงการริเริ่มในคอมพิวเตอร์นิวโรมอร์ฟิก

สาขาคอมพิวเตอร์นิวโรมอร์ฟิกกำลังพัฒนาอย่างรวดเร็ว โดยมีการลงทุนที่สำคัญจากทั้งภาคการศึกษาและภาคอุตสาหกรรม นี่คือผู้เล่นหลักและโครงการริเริ่มบางส่วนที่กำลังกำหนดทิศทางของวงการนี้:

• Intel: Intel ได้พัฒนา Loihi ซึ่งเป็นชิปวิจัยนิวโรมอร์ฟิกที่ถูกนำไปใช้ในงานต่างๆ มากมาย รวมถึงหุ่นยนต์ การจดจำรูปแบบ และปัญหาการหาค่าที่เหมาะสมที่สุด Intel กำลังสำรวจศักยภาพของคอมพิวเตอร์นิวโรมอร์ฟิกสำหรับ Edge AI และแอปพลิเคชันอื่นๆ อย่างจริงจัง
• IBM: IBM ได้พัฒนา TrueNorth ซึ่งเป็นชิปนิวโรมอร์ฟิกที่ถูกนำไปใช้ในโครงการต่างๆ ตั้งแต่การจดจำรูปภาพไปจนถึงการตรวจจับวัตถุแบบเรียลไทม์ IBM ยังคงวิจัยและพัฒนาสถาปัตยกรรมและอัลกอริทึมนิวโรมอร์ฟิกใหม่อย่างต่อเนื่อง
• SpiNNaker: โครงการ SpiNNaker (Spiking Neural Network Architecture) ที่มหาวิทยาลัยแมนเชสเตอร์ในสหราชอาณาจักร เป็นระบบคอมพิวเตอร์นิวโรมอร์ฟิกแบบขนานขนาดใหญ่ที่ออกแบบมาเพื่อจำลองโครงข่ายประสาทเทียมแบบสไปก์ขนาดใหญ่แบบเรียลไทม์
• BrainScaleS: โครงการ BrainScaleS ที่มหาวิทยาลัยไฮเดลเบิร์กในเยอรมนี ได้พัฒนาระบบนิวโรมอร์ฟิกที่ใช้วงจรแอนะล็อกเพื่อจำลองพฤติกรรมของเซลล์ประสาทและไซแนปส์
• iniVation: iniVation บริษัทสัญชาติสวิส พัฒนาเซ็นเซอร์การมองเห็นแบบไดนามิก (DVS) ที่เลียนแบบดวงตาของมนุษย์และมักใช้ร่วมกับชิปนิวโรมอร์ฟิก
• GrAI Matter Labs: GrAI Matter Labs (GML) เป็นบริษัทชิป AI ของฝรั่งเศสที่มุ่งเน้นโซลูชันคอมพิวเตอร์ที่ได้รับแรงบันดาลใจจากสมองสำหรับการวิเคราะห์เซ็นเซอร์และการเรียนรู้ของเครื่องที่ Edge
• สถาบันวิจัยทั่วโลก: มหาวิทยาลัยและสถาบันวิจัยหลายแห่งทั่วโลกมีส่วนร่วมอย่างแข็งขันในการวิจัยคอมพิวเตอร์นิวโรมอร์ฟิก ซึ่งมีส่วนช่วยให้เกิดความก้าวหน้าด้านฮาร์ดแวร์ ซอฟต์แวร์ และอัลกอริทึม สถาบันเหล่านี้กระจายอยู่ทั่วโลก รวมถึงแต่ไม่จำกัดเพียง: มหาวิทยาลัยสแตนฟอร์ด (สหรัฐอเมริกา), MIT (สหรัฐอเมริกา), ETH Zurich (สวิตเซอร์แลนด์), มหาวิทยาลัยแห่งชาติสิงคโปร์ และสถาบันเทคโนโลยีแห่งโตเกียว (ญี่ปุ่น)

อนาคตของการประมวลผล: การปฏิวัติที่ได้รับแรงบันดาลใจจากสมอง

คอมพิวเตอร์นิวโรมอร์ฟิกแสดงถึงการเปลี่ยนแปลงกระบวนทัศน์ในวิธีที่เราเข้าถึงการคำนวณ ด้วยการดึงแรงบันดาลใจจากสมอง ชิปนิวโรมอร์ฟิกมอบศักยภาพในการเอาชนะข้อจำกัดของสถาปัตยกรรมแบบดั้งเดิมและปลดล็อกความเป็นไปได้ใหม่ๆ ในปัญญาประดิษฐ์ หุ่นยนต์ และอื่นๆ แม้จะยังมีความท้าทายอยู่ แต่ความก้าวหน้าที่เกิดขึ้นในการพัฒนาฮาร์ดแวร์ ซอฟต์แวร์ และอัลกอริทึมกำลังปูทางไปสู่การปฏิวัติที่ได้รับแรงบันดาลใจจากสมองซึ่งจะเปลี่ยนแปลงอนาคตของการประมวลผล

ในขณะที่โลกต้องพึ่งพาข้อมูลและระบบอัจฉริยะมากขึ้น ความต้องการโซลูชันการประมวลผลที่มีประสิทธิภาพและทรงพลังก็จะเพิ่มขึ้นอย่างต่อเนื่อง คอมพิวเตอร์นิวโรมอร์ฟิกอยู่ในตำแหน่งที่ไม่เหมือนใครเพื่อตอบสนองความต้องการนี้ โดยนำเสนอเส้นทางสู่อนาคตที่ชาญฉลาดขึ้น ยั่งยืนขึ้น และชาญฉลาดขึ้น