中國向類腦智能領域發力，機器人將超越我們？

作者：中國科普博覽

近日，「類腦智能技術及應用國家工程實驗室」成立大會暨首屆中國類腦智能高峰論壇（以下簡稱「大會」）在合肥舉辦，大會以「類腦智能、駕馭未來」為主題，將為人工智慧領域的科研機構、業內企業和亟待轉型的傳統行業搭建起全方位的交流平台。

人工智慧已上升為國家戰略目標，類腦智能技術及應用國家工程實驗室填補了中國類腦智能領域創新能力工程實驗室的空白，對顯著提升人工智慧技術的科研水平和核心競爭力，促進中國智能產業的跨越式發展具有重要的意義。

那麼，到底什麼是類腦智能？它是使機器人像人類大腦一樣思考嗎？如果是這樣的，那人腦的信息處理規律是什麼呢？類腦智能研究遇到什麼瓶頸呢？

人腦「舉一反三」的能力還未被超越

人腦是一個由近千億的神經元通過數百萬億的接觸位點（突觸）所構成的複雜網路。感覺、運動、認知等各種腦功能的實現，其物質基礎都是信息在這一巨大的網路當中的有序傳遞與處理。對於大腦工作原理的認知，有助於類腦智能的研究。

真實的大腦是模塊化設計的一個範例，每個腦區或亞區負責一個信息處理的環節或方面，而具體的模塊劃分是經過漫長自然選擇加以優化的結果，已經適應了高效處理真實世界的實際問題。深度神經網路借鑒的對於視覺信息的多層、分步處理結構，某種意義上就是大腦模塊化設計的一個方面。另外近期的一項研究顯示，僅僅初步借鑒了非常粗略的腦功能模塊劃分（包括一系列視覺區域，一個記憶區域，一個決策區域以及一系列運動控制區域等），就能使得一個相對簡單的系統勝任多種不同的任務。

目前，人工智慧領域取得巨大成功的深度學習依賴於龐大的樣本數量，這與大腦卓越的「舉一反三」，即小樣本學習的能力形成鮮明對比。原理上看，這意味著生物腦的學習過程並非從零開始，而是從學習之初，就擁有並運用了重要的先驗知識，這包含了物種在進化過程中學到的（生物學稱之為系統發生），以及個體在生活過程中學到的有關真實世界的關鍵知識。讀取這些知識，以及借鑒如何將這些知識作為先驗信息注入神經網路結構從而實現小樣本學習，可能會是神經科學以及類腦演算法設計中一個富於成果的領域。

類腦智能研究要「軟硬兼施」

近年來，隨著計算機科學、神經科學和神經網路理論的發展，面對大數據時代對智能計算的需求，以及傳統人工智慧速度學習方法的不足，科學家開始將研究重點投向類腦智能，即腦啟發的智能（brain-inspired intelligence）。

小科普：類腦智能就是以計算建模為手段，受腦神經機理和認知行為機理啟發，並通過軟硬體協同實現的機器智能。類腦智能系統在信息處理機制上類腦，認知行為和智能水平上類人，其目標是使機器以類腦的方式實現各種人類具有的認知能力及其協同機制，最終達到或超越人類智能水平。

厲害了！我的機器人！

從大方向講，類腦智能研究主要有硬體和軟體兩個方面。

軟體研究又有兩個角度，一是使智能計算模型在結構上更加類腦，另外一方面是在認知和學習行為上更加類人。兩個角度的研究都會產生有益的模型和方法。比如，模擬人的少樣本和自適應學習，可以使智能系統具有更強的小樣本泛化能力和自適應性。

硬體方面的研究主要是研發類腦新型計算晶元，如神經網路計算晶元，目標是相比當前的CPU和GPU計算架構，提高計算效率和降低能耗。目前人工神經網路主要在通用計算機上編程來實現，能耗比較高。例如一台計算機的功率大概是200~300 W，一台GPU伺服器的能耗至少是2000 W，而人腦的功耗只有20 W。

「強人工智慧」值得期待

未來的類腦智能研究會在結構類腦和行為類人方面更加深入。目前不管是神經結構模擬還是學習行為模擬都是比較粗淺的。以學習為例，當前主流的監督學習是比較「粗暴」的學習方式，即一次性給予大量的類別標記數據對人工神經網路進行訓練，而要收集大量標記數據是要付出很大代價的。人腦的學習具有很強的靈活性，從小樣本開始，不斷地隨環境自適應。這種學習靈活性應該是未來機器學習的一個主要研究目標。

我國提出的「中國腦計劃」（「腦科學與類腦研究」），其基本框架是一體兩翼：一體是腦認知功能研究，從腦科學和神經科學角度研究腦神經結構和認識功能；兩翼是腦科學應用研究，一是腦疾病的診斷、預測、治療，另一方面是類腦智能研究。將來類腦智能和當前主流的基於傳統計算的人工智慧方法將並行發展，相互取長補短。另外，從應用的角度，人與機器協同工作，人的智能與機器智能互補也是一個必然趨勢。未來，類腦智能研究將推動智能技術向通用的人類水平的智能，即強人工智慧的目標逐漸逼近。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！