深度(du)學(xue)習(xi)正遍(bian)地開花，但它可(ke)能并(bing)非人(ren)工(gong)智(zhi)能的終極方(fang)案。無論是(shi)(shi)學(xue)術界還是(shi)(shi)產業界，都在思考人(ren)工(gong)智(zhi)能的下一步發(fa)展路徑(jing)：類腦計算(suan)已(yi)悄然成為(wei)備受關(guan)注的“種子選手(shou)”之一。

　　12月16日(ri)至17日(ri)，由北(bei)京未(wei)來(lai)芯片技術(shu)高(gao)精(jing)尖創新中心及清華大(da)學(xue)微電(dian)子學(xue)研究所聯合主(zhu)辦(ban)的(de)(de)“北(bei)京高(gao)精(jing)尖論(lun)壇暨2019未(wei)來(lai)芯片論(lun)壇”在清華大(da)學(xue)舉(ju)行(xing)，這次論(lun)壇上，類腦計算成(cheng)為(wei)多(duo)位(wei)權威專(zhuan)家熱議的(de)(de)人工(gong)智能研究方向。

　　人工智能浪潮下的洋流

　　類腦計算又被(bei)稱為神經形態計算（Neuromorphic Computing）。它(ta)不僅是學(xue)術會議關注(zhu)的新熱(re)點(dian)，產業界也在探索之(zhi)中。

　　11月中(zhong)旬，英(ying)特爾(er)官網(wang)宣布了一則(ze)消息：埃(ai)森哲(zhe)、空中(zhong)客車、通用電(dian)氣和日立(li)公司加入(ru)英(ying)特爾(er)神(shen)經形態研究共同體(ti)（INRC），該(gai)共同體(ti)目前已(yi)擁有超(chao)過75個(ge)成員機構。

　　如果說，當下人(ren)工(gong)智能(neng)發展浪(lang)潮(chao)正波濤洶涌的話，類腦計算就是浪(lang)潮(chao)之下的洋(yang)流。雖不太引人(ren)注(zhu)意，未(wei)來(lai)卻有可能(neng)改變人(ren)工(gong)智能(neng)發展趨勢(shi)。

　　原(yuan)因(yin)之一是，深度(du)學習雖在語音(yin)識別、圖像識別、自(zi)然語言理解(jie)等領域取得(de)很(hen)大突破，并被廣泛應用(yong)，但它需要(yao)大量的算力支撐，功(gong)耗也(ye)很(hen)高。

　　“我們希望(wang)智(zhi)能(neng)駕駛汽車的(de)駕駛水平像司機一樣，但現在顯然還達不(bu)到。因為(wei)它對信息的(de)智(zhi)能(neng)判斷和(he)分(fen)析不(bu)夠(gou)，功耗(hao)(hao)也非常高。”清(qing)華大學微納電子系教授吳(wu)華強告訴科(ke)技日報記者，人工智(zhi)能(neng)算法(fa)訓練中(zhong)心在執(zhi)行任務時動(dong)輒消(xiao)耗(hao)(hao)電量幾(ji)萬瓦甚(shen)至幾(ji)十萬瓦，而人的(de)大腦耗(hao)(hao)能(neng)卻僅相(xiang)當于20瓦左右。

　　北京大學(xue)計算(suan)機科(ke)學(xue)技術系教授黃鐵軍也舉了(le)一(yi)個(ge)生(sheng)動的(de)例子：市(shi)場上(shang)應用深度學(xue)習技術的(de)智能無人機已經十(shi)分靈巧(qiao)，但從智能程度上(shang)看，卻與一(yi)只蒼蠅或蜻蜓相差甚遠，盡管(guan)體(ti)積和功耗比后者高很(hen)多。

　　追(zhui)求模擬大腦(nao)的功(gong)能(neng)

　　到(dao)底(di)什么(me)是類(lei)腦計算，它又憑(ping)什么(me)贏得學術界和(he)產業界的寵愛？

　　“類腦計(ji)算從(cong)結構上追(zhui)(zhui)(zhui)求(qiu)設計(ji)出(chu)像生物神經網絡(luo)那樣的(de)系統，從(cong)功(gong)能(neng)上追(zhui)(zhui)(zhui)求(qiu)模擬大(da)腦的(de)功(gong)能(neng)，從(cong)性能(neng)上追(zhui)(zhui)(zhui)求(qiu)大(da)幅度超越生物大(da)腦，也稱神經形態(tai)計(ji)算。”黃鐵軍(jun)接受科技日(ri)報(bao)記者采訪時說。

　　類(lei)腦計算(suan)試圖模擬生(sheng)物神經網絡的結構和信息加工過程。它在軟件層面的嘗試之一(yi)是脈沖(chong)神經網絡（SNN）。

　　現(xian)在(zai)深度學習一般(ban)通過(guo)卷積神經(jing)網(wang)絡（CNN）或遞歸神經(jing)網(wang)絡（RNN）來實現(xian)。“CNN和RNN都(dou)屬于(yu)人(ren)(ren)工(gong)神經(jing)網(wang)絡，其(qi)(qi)中的(de)人(ren)(ren)工(gong)神經(jing)元，至(zhi)今(jin)仍在(zai)使(shi)用(yong)上世(shi)紀40年代時的(de)模型(xing)。”黃鐵軍說(shuo)，雖然現(xian)在(zai)設(she)計(ji)出的(de)人(ren)(ren)工(gong)神經(jing)網(wang)絡越(yue)(yue)來越(yue)(yue)大(da)(da)，也越(yue)(yue)來越(yue)(yue)復雜，但從根(gen)本上講，其(qi)(qi)神經(jing)元模型(xing)沒有(you)太大(da)(da)改進。

　　另一方面，在深度學習人(ren)工(gong)神經(jing)網(wang)絡(luo)中(zhong)，神經(jing)元之間(jian)的(de)連接(jie)被(bei)稱為權值。它們(men)是人(ren)工(gong)神經(jing)網(wang)絡(luo)的(de)關鍵要素(su)。

　　而在脈(mo)(mo)沖(chong)(chong)(chong)神(shen)(shen)經(jing)網絡(luo)中(zhong)，神(shen)(shen)經(jing)元之間卻是(shi)神(shen)(shen)經(jing)脈(mo)(mo)沖(chong)(chong)(chong)，信息的(de)(de)表達和(he)處理通(tong)過神(shen)(shen)經(jing)脈(mo)(mo)沖(chong)(chong)(chong)發送來實現。就像我(wo)們的(de)(de)大(da)(da)腦(nao)中(zhong)，有大(da)(da)量神(shen)(shen)經(jing)脈(mo)(mo)沖(chong)(chong)(chong)在傳遞(di)和(he)流(liu)轉。

　　黃鐵軍告訴記者，由(you)于神(shen)經脈沖在不(bu)停地傳遞和流轉，脈沖神(shen)經網絡在表(biao)達和處理信息時，比深度學習的時間(jian)性更突出，更加適合進行(xing)高(gao)效的時空信息處理。

　　推(tui)廣應用可(ke)能不(bu)需太久

　　也有人從(cong)硬件層面去實現類腦計算，比如神經形態芯片。

　　2019年7月，英特爾發布(bu)消息稱，其神(shen)經(jing)形(xing)態研(yan)究芯(xin)片Loihi執行專用任務的速(su)度可比普通CPU快1000倍，效率高(gao)10000倍。

　　“在對信(xin)息(xi)的編碼、傳輸和處理(li)方面，我們希望從大腦(nao)機制中獲得啟發，將這些想法應(ying)用到芯片技術上，讓芯片的處理(li)速度更快、水平(ping)更高、功耗更低。”吳華強(qiang)也(ye)在進行神經(jing)形態(tai)芯片相關(guan)研究，他告(gao)訴科(ke)技日報記者(zhe)。

　　吳華強介紹，在傳統的馮·諾依曼架構中，信息的處(chu)理和存儲(chu)是(shi)分開的，而(er)人的大腦在處(chu)理信息時(shi)，存儲(chu)和處(chu)理是(shi)融為一體的。

　　“所(suo)以我們在嘗試研發(fa)存(cun)算一體化(hua)的芯片(pian)，希望通過(guo)避(bi)免(mian)芯片(pian)內(nei)部(bu)不停地搬(ban)運數據，來(lai)大幅(fu)提高(gao)芯片(pian)的能(neng)效比。”吳華強(qiang)說，他的團隊現在也已(yi)研發(fa)出存(cun)算一體的樣品芯片(pian)。

　　談到類(lei)腦(nao)計算的進展，黃(huang)鐵軍告訴記者，目前(qian)類(lei)腦(nao)計算仍在摸(mo)索階段，還缺乏(fa)典型的成(cheng)功應(ying)用。但商業公司已經(jing)嗅(xiu)到味道，相關技術獲得規模性應(ying)用可能(neng)不(bu)需要太長(chang)時間。

　　“現在的神經形態(tai)計算(suan)還(huan)比較初步，它的發展(zhan)水平跟現有主流人(ren)工(gong)智能(neng)算(suan)法(fa)相比，還(huan)存(cun)在一(yi)定差(cha)距。”中科院自動化(hua)所研究員張(zhang)兆翔接受科技日(ri)報記者采訪時認為(wei)，但作為(wei)一(yi)種新的探(tan)索方式，應該繼續堅持，因為(wei)它可能(neng)就是未來人(ren)工(gong)智能(neng)技術發展(zhan)的重要突(tu)破口。