开云

12月16日至17日，由北（běi）京未来芯（xīn）片技术高精（jīng）尖创新中心（xīn）及清华大学微电子（zǐ）学研究所联合主办的“北京高精尖论（lùn）坛暨2019未来芯片（piàn）论坛”在清（qīng）华大学举行，这次论（lùn）坛上，类脑（nǎo）计算成为多位权威专家（jiā）热议的人工（gōng）智（zhì）能研究方向（xiàng）。

人工智能浪潮下的洋流

类脑计（jì）算又被称为神经形（xíng）态计算（Neuromorphic Computing）。它不仅是学术会议关注的（de）新热点，产业界也在探索之中。

11月中（zhōng）旬，英特尔官网（wǎng）宣（xuān）布了一则消息（xī）：埃森哲、空中（zhōng）客车、通（tōng）用电气和日立公司加入英特尔神经形（xíng）态研（yán）究（jiū）共同体（INRC），该共同体目（mù）前已（yǐ）拥（yōng）有超（chāo）过75个成员机构（gòu）。

如（rú）果（guǒ）说，当（dāng）下人工智能发展浪潮正（zhèng）波涛汹涌的话，类脑计算就是浪（làng）潮之下的洋流。虽不太引人注意，未来却有可能改（gǎi）变人工智能（néng）发展趋势。

原因之一是，深度学习虽（suī）在（zài）语音识别、图像（xiàng）识别、自然语言理解等领域取得很大突破，并被广泛应用，但它需（xū）要大（dà）量的算（suàn）力支（zhī）撑，功（gōng）耗（hào）也很高。

“我们希望智能驾驶（shǐ）汽车的驾驶水平像司机一样，但现在显然还达不到。因为它对信息的（de）智（zhì）能判断和分析不（bú）够，功耗也非常高。”清华大（dà）学微纳电子系教授吴华（huá）强告诉科技日报（bào）记者，人工（gōng）智（zhì）能算法训练中心（xīn）在执（zhí）行任务时动辄（zhé）消（xiāo）耗电（diàn）量几万瓦甚（shèn）至几十万瓦，而人的大脑（nǎo）耗能却仅相当于（yú）20瓦左右（yòu）。

北京大学计算（suàn）机科（kē）学技术系教授黄铁军（jun1）也举了一个生动（dòng）的例子：市场上应（yīng）用深（shēn）度学（xué）习技术的智能（néng）无人机已经（jīng）十分灵巧（qiǎo），但（dàn）从（cóng）智能程度上看，却与一只苍蝇或蜻蜓相差甚（shèn）远，尽管（guǎn）体积和功耗比后者高很多（duō）。

追求（qiú）模拟（nǐ）大脑的功能

到底什么（me）是（shì）类脑（nǎo）计算，它又凭什（shí）么赢得学术界和产业界的宠（chǒng）爱（ài）？

“类脑计算从结构（gòu）上（shàng）追（zhuī）求设计出像生物神经（jīng）网络那样的（de）系统，从功（gōng）能上追求模拟大脑（nǎo）的功能（néng），从性（xìng）能上追求大（dà）幅度超越生物大脑，也称神经（jīng）形（xíng）态计算（suàn）。”黄铁军（jun1）接受科技日报记者采访时说（shuō）。

类脑计算试（shì）图模拟（nǐ）生物神经网（wǎng）络的（de）结构和信息加工过程。它在（zài）软（ruǎn）件层面的（de）尝试之一是（shì）脉冲神经网络（SNN）。

现在深度学习一般通过卷积神经网络（CNN）或递归神经网络（RNN）来实现。“CNN和（hé）RNN都属（shǔ）于人工（gōng）神经网络，其（qí）中的人工（gōng）神经元（yuán），至今仍在使用上世纪40年代时的模型（xíng）。”黄铁军说，虽（suī）然现在设计出（chū）的人工神经网络越（yuè）来越大，也越（yuè）来（lái）越复（fù）杂，但从根本上讲，其神经元模型没有太大改进。

另（lìng）一方面，在深度（dù）学习人工神经网络中，神经元之间的连接被称（chēng）为权值。它们是人工神经网络的关键要素（sù）。

而在脉冲神经网络中，神经元之间却是神经（jīng）脉冲（chōng），信息的（de）表达和处理通过神（shén）经脉冲发送来实现（xiàn）。就像我（wǒ）们的（de）大（dà）脑（nǎo）中，有大量神经脉冲在传递和流（liú）转。

黄铁军（jun1）告诉记者，由于神经脉冲在不（bú）停地传递和流（liú）转，脉冲神经网络（luò）在表达和（hé）处（chù）理信息时，比深度学习的（de）时间性更突出，更加适合进行高（gāo）效的时空信息（xī）处理。

推广应用可能不需（xū）太久

也有人从硬件（jiàn）层面去实现类脑（nǎo）计（jì）算，比如（rú）神经形态芯片。

2019年7月，英特尔发（fā）布消息（xī）称，其神（shén）经形态（tài）研究（jiū）芯（xīn）片Loihi执行专用（yòng）任（rèn）务的速度可比普通CPU快1000倍，效率（lǜ）高10000倍。

“在对信息（xī）的编码、传输（shū）和处理方面，我们希望从大（dà）脑机制中（zhōng）获得（dé）启发，将这些想法（fǎ）应用到芯（xīn）片技术上，让芯片的处理速度更快（kuài）、水平更高、功耗更低。”吴华强也在进行神经形态芯片相（xiàng）关研究，他告诉科（kē）技日报记（jì）者。

吴华强介绍，在（zài）传统的冯·诺依曼架构中，信息的处理和存储是分开的，而人的大（dà）脑在（zài）处理信息时，存储和处理是融为一体的。

“所以我（wǒ）们在尝试研发存算一体化的芯片，希望通过避免（miǎn）芯片内部不停地搬运数据，来大幅提（tí）高芯片的能效（xiào）比。”吴华强（qiáng）说，他的团队现在也已（yǐ）研发出存算一体（tǐ）的样品芯片。

谈到类脑计算的进展，黄铁军（jun1）告诉记者（zhě），目前类脑（nǎo）计算仍在摸索阶段，还缺乏典型（xíng）的成功应（yīng）用。但商业公司已（yǐ）经嗅到味道，相关（guān）技术获（huò）得规模（mó）性应（yīng）用可（kě）能不需要太长时间。

“现在的神经形态计算还比较初步，它的发展（zhǎn）水平跟（gēn）现（xiàn）有主流人工（gōng）智能算法相比，还存在一定差距。”中（zhōng）科院自（zì）动化所研究员张兆翔接受科技日报记者采访时认为，但（dàn）作为一种（zhǒng）新（xīn）的探索方式，应该继续（xù）坚持（chí），因为它可能就是未来人工智（zhì）能技术发展的重要突破口。