類腦智能，邁向通用人工智能新可能？

如今，第三次人工智能浪潮的興起已經(jīng)是一個不爭的事實。我們知道這一次的人工智能浪潮不僅僅是一次技術(shù)的創(chuàng)新，更是一場產(chǎn)業(yè)的變革。機器學習，特別是深度學習等算法的突破、算力和數(shù)據(jù)的井噴，讓 AI 技術(shù)已經(jīng)廣泛應用在社會生產(chǎn)生活的眾多領域。

不過從這一輪 AI 變革的實質(zhì)來看，深度學習算法依然是一種數(shù)據(jù)驅(qū)動的一種模擬計算，目前僅僅在語音、圖像、文字識別等感知領域有著較強的應用，距離人類更加復雜的因果推理、假設聯(lián)想等高級認知能力還有很遠距離，甚至有著本質(zhì)的差別。

在從當前弱人工智能通向強人工智能，以致于通用人工智能的道路上，學術(shù)界正在推動以類腦智能和類腦計算為方向的新的研究方向，來實現(xiàn)由弱到強的人工智能的升級。

剛剛結(jié)束的 2020 世界人工智能大會（WAIC）上，來自復旦大學類腦智能科學與技術(shù)研究院的林偉教授在“認知智能，改變世界”行業(yè)論壇中提到，“類腦智能已成為人工智能跨越式發(fā)展的突破口。”

類腦智能和類腦計算到底是什么，與現(xiàn)有經(jīng)典計算和當前的 AI 技術(shù)有哪些不同，是否真的能夠擔此“跨越式”的重任？面對如此多問題，這次我們就來一探“類腦智能”的究竟。

類腦計算：打破馮·諾依曼架構(gòu)禁錮

實現(xiàn)類腦智能的前提的實現(xiàn)類腦計算。在了解類腦計算之前，我們簡單聊下現(xiàn)在主流的計算機架構(gòu)——馮·諾依曼架構(gòu)。

眾所周知，現(xiàn)有計算機都是基于“馮·諾依曼”架構(gòu)實現(xiàn)的，其處理器工作原理就是按分時復用的方式，將高維信息的處理過程轉(zhuǎn)換成時間序列的一維處理過程。這一計算架構(gòu)的特點是計算與存儲分離，結(jié)構(gòu)簡潔、易于實現(xiàn)高速數(shù)值計算。

（馮·諾依曼計算架構(gòu)）

不過，馮·諾依曼架構(gòu)在處理包含非結(jié)構(gòu)化、時空關聯(lián)信息的感知、認知以及決策等相關問題時，表現(xiàn)出效率低、能耗高、實時性差等問題，甚至無法構(gòu)造合適的算法。比如當今最先進的計算機，也難以完成一只昆蟲能夠輕易實現(xiàn)的環(huán)境感知與適應等相關任務。

而人類大腦卻是一個與馮·諾依曼架構(gòu)正好相反的“計算器”，雖然人腦不擅長高速率大規(guī)模數(shù)值計算，但是人腦可以在有限尺寸和極低能耗下，完成復雜環(huán)境下的信息關聯(lián)記憶、自主識別、自主學習等認知處理，實現(xiàn)這一“計算”的基礎正是腦神經(jīng)網(wǎng)絡的多層次復雜空間結(jié)構(gòu)和腦神經(jīng)的高度可塑性。

基于人腦的這些特點，科學家們提出非馮·諾依曼架構(gòu)的類腦計算，就是借鑒大腦神經(jīng)網(wǎng)絡，存儲計算一體化，將高維信息放在多層、多粒度、高可塑性的復雜網(wǎng)絡空間中進行處理，使其具有低功耗、高魯棒性、高效并行、自適應等特點。

類腦計算既適用于處理復雜環(huán)境下非結(jié)構(gòu)化信息，又有利于發(fā)展自主學習機制，甚至最終有望模擬出大腦的創(chuàng)造性，實現(xiàn)類腦智能，這種更具通用性的人工智能。

我們回過頭來再看推動當前產(chǎn)業(yè)智能變革的 AI 技術(shù)。深度學習是在一定程度上對人類神經(jīng)網(wǎng)絡結(jié)構(gòu)進行的模擬，但其過程要依靠現(xiàn)有的經(jīng)典“馮·諾依曼”架構(gòu)的計算方式，使用優(yōu)化問題建模并求解，其實質(zhì)仍然是按照分時序列的計算，所以會呈現(xiàn)出算力要求高、數(shù)據(jù)計算量大的特點。

現(xiàn)有的人工智能技術(shù)大多數(shù)能夠處理的問題具有以下特點：1、充足的數(shù)據(jù)；2、單一、確定的問題；3、完備的知識；4、靜態(tài)。因此為一個問題提供一個解決方案，使得現(xiàn)有的人工智能仍然屬于弱人工智能的范疇。

當我們要處理超出這些條件的復雜問題的時候，現(xiàn)有 AI 技術(shù)就會遇到困難，而我們就需要更具人類智能特點的通用人工智能（AGI）。

類腦計算以及由此產(chǎn)生的類腦智能，就是人們?yōu)閷崿F(xiàn) AGI 的方法之一。

“舊神退散，新神未立”：類腦智能正在路上

2017 年計算機圖靈獎的得主大衛(wèi)·帕特森和約翰·軒尼詩表示說，“未來十年是計算架構(gòu)發(fā)展的黃金十年。”

當前，傳統(tǒng)計算架構(gòu)的“舊神”正迎來挑戰(zhàn)，全新計算架構(gòu)的“新神”尚未確立，而類腦計算正是試圖爭奪全新計算架構(gòu)的“新神”之一。

馮·諾依曼和圖靈當時已經(jīng)提到計算機要實現(xiàn)對于人腦的模仿，但由于經(jīng)典計算更加易于實現(xiàn)，因此朝著“摩爾定律”規(guī)定的方向一路狂奔。而麥卡洛克等人在 1943 年提出單個神經(jīng)元計算模型，可被認為是最早的仿腦研究，而到了七八十年代，部分學者開始關注采用更接近于生物大腦系統(tǒng)的計算機制的研究方法。

1990 年，美國加州理工大學卡弗·米德教授嘗試用硬件電路來模擬神經(jīng)網(wǎng)絡，提出了“神經(jīng)擬態(tài)計算”的概念，并將其定義為“采用以模擬器件仿真生物神經(jīng)系統(tǒng)的 VLSI 來實現(xiàn)大規(guī)模并行的自適應計算系統(tǒng)”。

“神經(jīng)擬態(tài)計算”正式開啟了類腦計算的研究和實踐。類腦計算主要以“人造超級大腦”為目標，借鑒人腦的信息處理方式，模擬大腦神經(jīng)系統(tǒng)，構(gòu)建以計算為基礎的“虛擬人腦”。

Nature在 2016 年提到，類腦計算成為后摩爾定律時代極具潛力的發(fā)展方向之一，成為繼第一階段的 GPU，第二階段的 ASIC 加速器之后，在推動 AI 的計算上面發(fā)揮巨大潛力。

現(xiàn)在，全球主要發(fā)達地區(qū)的國家、高校和技術(shù)公司都已經(jīng)摩拳擦掌，紛紛開始類腦計算和類腦智能的研究。

日本在 2008 年就提出了“腦科學戰(zhàn)略研究項目”，重點開展腦機接口、腦計算機研發(fā)和神經(jīng)信息相關的理論構(gòu)建；歐盟在 2013 年提出“人類腦計劃”（HBP），重點開展人腦模擬、神經(jīng)形態(tài)計算、神經(jīng)機器人等領域研究；美國也同時啟動了“BRAIN 計劃”，將大腦結(jié)構(gòu)圖建立、類腦相關理論建模、腦機接口等列為研發(fā)重點；韓國在 2016 年發(fā)布《腦科學研究戰(zhàn)略》，重視腦神經(jīng)信息學、腦工程學、人工神經(jīng)網(wǎng)絡、大腦仿真計算機等領域的研發(fā)。

全球頂尖高校和技術(shù)公司也加入了類腦計算和類腦智能的布局。IBM 推出了 TrueNorth 類腦芯片，試圖搶先打造類腦計算系統(tǒng)；受歐盟腦計劃支持的英國曼徹斯特大學和德國海德堡大學研發(fā)的神經(jīng)擬態(tài)計算系統(tǒng)，分別推出了 SpiNNaker 芯片和 BrainScaleS 芯片。

此外，像微軟提出了意識網(wǎng)絡架構(gòu)，聲稱是具備可解釋性的新型類腦系統(tǒng)；谷歌在現(xiàn)有谷歌大腦基礎上結(jié)合醫(yī)學、生物學積極布局人工智能。

我國積極加速類腦智能計劃。比如我國在 2016 年《“十三五”國家科技創(chuàng)新規(guī)劃》也將腦科學與類腦研究列入科技創(chuàng)新 2030 重大項目。2017 年國務院《新一代人工智能發(fā)展規(guī)劃》提出，2030 年類腦智能領域取得重大突破的發(fā)展目標。在 2017、2018 年，我國分別成立了類腦智能技術(shù)及應用國家工程實驗室、北京腦科學與類腦研究中心，形成了“南腦北腦”共同快速發(fā)展的格局。

當然，現(xiàn)在類腦計算的發(fā)展仍然處在初期的探索階段。

正如我們上面提到的歐洲“人類腦計劃”，就在去年曝出耗盡 10 億歐元之后，試圖“完全模擬人腦”的計劃并沒有取得計劃中的進展，并沒有做出突破性的研究成果。

不過，這一通過傳統(tǒng)計算方式來還原大腦結(jié)構(gòu)的方式的失敗并不能證明類腦計算行不通，反而更加說明了通過全新的計算架構(gòu)來模擬神經(jīng)網(wǎng)絡的計算方式的根本性轉(zhuǎn)向的重要性。

在通向通用人工智能的道路上，類腦智能已經(jīng)被認為是最有希望的方案之一。

與經(jīng)典技術(shù)中，將多維度信息轉(zhuǎn)化為一維的數(shù)值計算的信息流，以提高單位時間的運算速度這一提高時間復雜性的計算方向不同，類腦計算更強調(diào)模擬人腦的復雜的神經(jīng)元連接架構(gòu)（不是直接還原神經(jīng)元的連接），把多維世界中的信息擴展到更復雜的空間中去，利用空間的復雜性來解決計算問題，甚至同時利用時空的復雜性，來解決計算問題。

所以，集成眾多神經(jīng)元數(shù)量、突觸數(shù)量以及存算一體的神經(jīng)元處理單元數(shù)量的類腦芯片，為完成仿真或模擬提供計算、存儲、通信等基礎硬件支持，是實現(xiàn)類腦計算的關鍵因素。而構(gòu)建類腦計算芯片的陣列集成系統(tǒng)，是目前國際通行的大規(guī)模類腦計算系統(tǒng)的技術(shù)路線。

比如，今年 3 月，英特爾用 768 個 Loihi 芯片構(gòu)造了一個新的神經(jīng)擬態(tài)研究系統(tǒng) Pohoiki Springs，達到了 1 億個神經(jīng)元的規(guī)模，比上一次構(gòu)建的系統(tǒng) Pohoiki Beach 的 64 個芯片 800 萬個神經(jīng)元，擴大了 12 倍的規(guī)模。

類腦計算芯片作為實現(xiàn)類腦通用人工智能的硬件基礎，既是神經(jīng)科學模型的仿真平臺，又是新計算范式、新體系結(jié)構(gòu)的原型。這一點從清華大學的天機芯片的研究成果中，也得以清晰的體現(xiàn)。

去年 8 月，清華大學開發(fā)出全球首款異構(gòu)融合類腦芯片，被命名為“天機芯”(Tianjic)，相關論文《面向通用人工智能的異構(gòu)天機芯片架構(gòu)》作為封面文章登上了Nature。

這一異構(gòu)融合芯片配置有多個高度可重構(gòu)的功能性核，可以同時支持機器學習算法和現(xiàn)有類腦計算的算法。相比于當前 IBM 推出的 TrueNorth 芯片，新一代“天機芯”功能更全、靈活性和擴展性更好，密度提升 20%，速度提高至少 10 倍，帶寬提高至少 100 倍。

去年，在清華大學操場上，由這一類腦芯片支持，實現(xiàn)自動駕駛的一輛自行車更是成為 AI 圈“刷屏”的網(wǎng)紅車。這輛車僅用一個芯片，就可以在無人駕駛自行車系統(tǒng)中同時處理多種算法和模型，實現(xiàn)實時目標檢測、跟蹤、語音控制、避障和平衡控制。

從天機芯片結(jié)合計算機科學和神經(jīng)科學兩個主要方向，發(fā)展而成的融合計算平臺，成為現(xiàn)在實現(xiàn)類腦計算的較好的解決方案，為學術(shù)界貢獻了一種通向 AGI 的新發(fā)展思路。

現(xiàn)在，類腦計算目前還沒有統(tǒng)一的技術(shù)方案。在當前學術(shù)界提供的實現(xiàn)方案中，有采用數(shù)?；旌蠈崿F(xiàn)的 Neurogrid 和 BrianScaleS；有異步純數(shù)字實現(xiàn)的 TrueNorth、Loihi；有采用同步純數(shù)字實現(xiàn)的天機等等解決方案。

在實現(xiàn)通用人工智能（AGI）的道路上，主要有計算機科學導向和神經(jīng)科學兩大方向而將二者緊密結(jié)合可能是當下來看的最佳實現(xiàn)方案。

超級計算機的發(fā)展能夠帶給科學家更好推進計算模擬的進程；互聯(lián)網(wǎng)、大數(shù)據(jù)和云計算的發(fā)展可以構(gòu)造一個無比復雜的數(shù)字世界，可以形成與數(shù)字大腦類比的復雜鏡像世界。而由于新的測量技術(shù)和納米材料等基礎技術(shù)的發(fā)展，又正在逐步揭開人類大腦的結(jié)構(gòu)和運行原理，并且為我們開發(fā)出高效能、高密度的芯片器件提供了基礎。

而這些正在構(gòu)成發(fā)展類腦智能的基礎條件，也是未來通向通用人工智能的有利契機。