leyu乐鱼

12月16日至17日，由北京未来芯（xīn）片（piàn）技术高精尖创新中（zhōng）心及（jí）清华（huá）大学微电子学研究所联合（hé）主办（bàn）的“北京高精尖论坛（tán）暨2019未来芯片（piàn）论坛”在（zài）清华大学（xué）举行，这次（cì）论（lùn）坛上，类脑计算成为多位权（quán）威专（zhuān）家热议的人工智能（néng）研究（jiū）方向。

人工智能浪潮下的洋流

类（lèi）脑计算又被称为神经形态计算（Neuromorphic Computing）。它不仅是学（xué）术会（huì）议关注的（de）新（xīn）热点，产业界也在探索之中。

11月中旬，英特尔官网（wǎng）宣布（bù）了一则消息：埃森（sēn）哲（zhé）、空中客车、通用电气（qì）和日立公司（sī）加入（rù）英特尔神经形（xíng）态研究共（gòng）同体（INRC），该共同体目前已（yǐ）拥有超（chāo）过75个成员机构（gòu）。

如果说，当下（xià）人工智（zhì）能发（fā）展浪（làng）潮（cháo）正波（bō）涛（tāo）汹涌的（de）话（huà），类脑计算就是浪潮之下的洋流。虽不（bú）太引人注意，未来却（què）有可能改变人工（gōng）智能发（fā）展趋势。

原因之一是（shì），深度学习虽在语音识别、图像识别、自然（rán）语言理解（jiě）等（děng）领域取得很大突（tū）破（pò），并（bìng）被广泛（fàn）应用，但它需要（yào）大量的算力支撑，功耗也很高。

“我们希望智能驾驶汽车的驾驶水平像司（sī）机一样，但现在显然还（hái）达不到。因（yīn）为它对信（xìn）息的智能（néng）判（pàn）断（duàn）和分（fèn）析（xī）不够，功（gōng）耗也非常（cháng）高。”清华大学（xué）微纳电子系教授吴华强告（gào）诉（sù）科技日（rì）报记（jì）者，人工（gōng）智能算法训（xùn）练（liàn）中心（xīn）在执行任务时动辄消耗电量（liàng）几万（wàn）瓦甚至几十（shí）万瓦，而人的大脑（nǎo）耗（hào）能却仅（jǐn）相当于20瓦左（zuǒ）右。

北京大学（xué）计算机科学技术系（xì）教授（shòu）黄铁军也举了一个生动的例子：市（shì）场（chǎng）上（shàng）应用深度学（xué）习技术的智能无人机（jī）已经十分灵巧，但（dàn）从智能程度上看，却与一（yī）只苍蝇或蜻蜓（tíng）相差甚远，尽管体积和（hé）功耗（hào）比后者高很（hěn）多。

追求模拟大脑（nǎo）的功能

到底什么（me）是类脑（nǎo）计（jì）算，它又凭什（shí）么赢（yíng）得学（xué）术（shù）界和产业（yè）界的宠（chǒng）爱？

“类脑计算（suàn）从结（jié）构上追（zhuī）求设计出像生物（wù）神经网络那样的系统，从功能上（shàng）追求模拟（nǐ）大脑的（de）功能，从性能上追求大（dà）幅度（dù）超越（yuè）生物大脑，也称神经形态计算。”黄铁军接受科技日（rì）报（bào）记者采（cǎi）访（fǎng）时说。

类（lèi）脑计算试图（tú）模拟生物神经（jīng）网络的（de）结构和信息加工过（guò）程。它（tā）在（zài）软件层面的尝试之（zhī）一（yī）是脉冲神经（jīng）网络（SNN）。

现（xiàn）在深度学习一般通（tōng）过卷积神经网络（CNN）或递归神（shén）经网（wǎng）络（RNN）来实现（xiàn）。“CNN和RNN都属于人工神（shén）经网络，其中的人工神经（jīng）元（yuán），至今仍在使用上世纪40年代时的模（mó）型。”黄铁军说，虽然现（xiàn）在设（shè）计出的人工神经网络越来（lái）越（yuè）大（dà），也越来越复杂（zá），但从根本上讲（jiǎng），其（qí）神经元模（mó）型没有太（tài）大改进。

另一方（fāng）面，在深度学习人（rén）工神经网络中，神（shén）经元之间的连接被称为权值。它们是人工神经网络的关键要素（sù）。

而在（zài）脉冲神经网络中，神经（jīng）元（yuán）之间（jiān）却是神经脉冲，信息的表达（dá）和处（chù）理（lǐ）通过神经脉冲发送来实现。就像我们的大脑中，有大量神经脉冲在传（chuán）递（dì）和（hé）流转（zhuǎn）。

黄（huáng）铁军告诉（sù）记者（zhě），由于（yú）神经脉冲在不停地（dì）传（chuán）递和（hé）流转（zhuǎn），脉（mò）冲神经网（wǎng）络（luò）在表达和处理信息时，比深度学习的时间（jiān）性（xìng）更突出，更（gèng）加（jiā）适合进行高效（xiào）的时空信息（xī）处理。

推广应用可能不（bú）需（xū）太久

也有（yǒu）人从硬件（jiàn）层面（miàn）去实现类（lèi）脑（nǎo）计算，比如神经形态芯（xīn）片。

2019年7月，英（yīng）特尔发布消息称，其神经形态研究芯片Loihi执行专用任务（wù）的速（sù）度可比普通CPU快（kuài）1000倍，效率高（gāo）10000倍。

“在（zài）对信息的编码、传输和（hé）处理方面，我（wǒ）们希望从大脑机制中获得（dé）启发，将（jiāng）这些（xiē）想法应用到芯片技术上，让芯片的（de）处理速度更快（kuài）、水平更高、功耗更（gèng）低。”吴华强也在进行（háng）神经形（xíng）态（tài）芯片（piàn）相关研究，他告诉科技日报记者。

吴华（huá）强介（jiè）绍（shào），在（zài）传统的冯·诺依曼（màn）架构中，信（xìn）息的处理和存储（chǔ）是分开的（de），而人的大脑在处理信息时，存储（chǔ）和（hé）处（chù）理（lǐ）是融为（wéi）一体的。

“所以我们在尝试研发存算（suàn）一体化的芯片，希望通（tōng）过（guò）避免（miǎn）芯片内部不停地搬运数据（jù），来大（dà）幅提高芯片的（de）能（néng）效比。”吴华强说，他的（de）团（tuán）队（duì）现在也已研发出存算一体的样品（pǐn）芯片。

谈到类脑计算的进展（zhǎn），黄（huáng）铁（tiě）军告诉记（jì）者（zhě），目前类脑（nǎo）计算仍在摸索阶（jiē）段，还（hái）缺乏典型的成功应用。但商业公司已经（jīng）嗅（xiù）到味（wèi）道，相关技术获得规模性应用（yòng）可能不需要太长（zhǎng）时间。

“现（xiàn）在（zài）的神经（jīng）形态计算还比较初步，它的发展水平跟现（xiàn）有（yǒu）主流人工（gōng）智能算（suàn）法相比（bǐ），还存（cún）在一（yī）定（dìng）差距。”中科院自（zì）动化所研（yán）究员张兆（zhào）翔接受科技（jì）日报（bào）记者采访时认为，但作为（wéi）一种新（xīn）的探索方式，应（yīng）该继续坚持，因为它（tā）可能就（jiù）是未来人工（gōng）智能技术发展的重要突破（pò）口。