QQ在线（xiàn）
企业微信
资讯
415
12月16日至（zhì）17日，由北京未来芯（xīn）片技术（shù）高精尖创新中心及（jí）清华大学微电子学研究所（suǒ）联合主（zhǔ）办的“北京高精尖（jiān）论坛暨2019未来芯片论坛”在（zài）清华大学举行，这次论坛上，类（lèi）脑计（jì）算成为多位权威专家热议（yì）的（de）人工智（zhì）能（néng）研究（jiū）方（fāng）向。
人工（gōng）智（zhì）能浪潮下的洋流（liú）
类脑计算（suàn）又被称为神（shén）经（jīng）形态计算（Neuromorphic Computing）。它（tā）不仅是学术会议关注的新热点（diǎn），产业（yè）界也（yě）在探索（suǒ）之中。
11月中旬，英特尔官网宣（xuān）布了一则消息（xī）：埃森哲（zhé）、空中客车、通用电气（qì）和日立（lì）公司加入英特尔神经形态研究共同体（INRC），该共（gòng）同体目前已拥有超过75个（gè）成（chéng）员（yuán）机构。
如（rú）果说，当下人工智（zhì）能发展浪潮正波涛汹涌的话，类脑计算就是浪（làng）潮之（zhī）下的（de）洋流。虽不太引人（rén）注意（yì），未来却（què）有可能改变人（rén）工智能发展趋（qū）势。
原因之一是，深度学习虽在语（yǔ）音识别、图（tú）像识（shí）别、自然语言理解等领（lǐng）域取得（dé）很大突破，并被（bèi）广泛应（yīng）用，但它需要大量（liàng）的算力支撑，功耗也很（hěn）高（gāo）。
“我们希望智能驾驶（shǐ）汽车的驾驶水（shuǐ）平像司机一样，但现在显然还（hái）达不到。因为（wéi）它对信息的（de）智（zhì）能判断和（hé）分（fèn）析不够，功（gōng）耗也非常高（gāo）。”清华大学微纳电子系（xì）教（jiāo）授吴华强告诉科技日报记者，人工智能算法训练中心在执行任务时动辄（zhé）消（xiāo）耗（hào）电量（liàng）几（jǐ）万瓦甚至几十万瓦（wǎ），而人的大（dà）脑耗能却仅相当于（yú）20瓦左右。
北京（jīng）大学计算机科学技（jì）术系教授（shòu）黄铁军也举了一（yī）个生动的（de）例子：市场上（shàng）应（yīng）用深（shēn）度学（xué）习技术的（de）智能无（wú）人机已（yǐ）经（jīng）十分灵巧，但从（cóng）智（zhì）能程度上看，却与一只（zhī）苍蝇或蜻（qīng）蜓（tíng）相差甚远（yuǎn），尽管体（tǐ）积和功耗（hào）比（bǐ）后者高很（hěn）多（duō）。
追求模拟（nǐ）大脑的功能（néng）
到底什么是类脑（nǎo）计算（suàn），它又凭什么赢得学（xué）术界和产（chǎn）业界（jiè）的宠爱？
“类（lèi）脑计算从结构上追求设计出像（xiàng）生物神经网（wǎng）络那样的（de）系统，从功（gōng）能上（shàng）追求模拟（nǐ）大脑的功能（néng），从（cóng）性能上追求大幅度超（chāo）越生物大（dà）脑（nǎo），也称神经形（xíng）态计算。”黄铁（tiě）军接受科技日报（bào）记者采访时（shí）说。
类脑计算试（shì）图模（mó）拟生物神经网络的结构和信息加工过程。它（tā）在软（ruǎn）件层（céng）面的（de）尝试之一是脉冲神经网络（luò）（SNN）。
现在（zài）深（shēn）度学习一般通过卷积神（shén）经（jīng）网络（CNN）或（huò）递（dì）归神经网络（RNN）来实现。“CNN和RNN都（dōu）属于人工神经网络，其中的人工神经元，至（zhì）今仍在使用上世纪（jì）40年代时的模型。”黄铁军说（shuō），虽然现在设计出的人工神经网络（luò）越来越（yuè）大，也（yě）越（yuè）来越（yuè）复杂，但（dàn）从根本上讲（jiǎng），其神经元模型没有太（tài）大改（gǎi）进。
另（lìng）一方面，在深度学习人工神经网（wǎng）络（luò）中，神（shén）经元之间的连接被称为权值。它们（men）是人工神经网（wǎng）络的关键要素。
而在（zài）脉冲（chōng）神经网络中，神经元之间却（què）是神（shén）经（jīng）脉冲，信（xìn）息的表达和处理通过神经脉冲发送来实现。就像我们的大脑中（zhōng），有大量神经脉冲在传递和流转。
黄铁军（jun1）告（gào）诉记者，由于神经脉（mò）冲在不停地传递和（hé）流转，脉冲（chōng）神经网络在表达和处（chù）理信息时，比深（shēn）度（dù）学习的时间性（xìng）更突出，更（gèng）加适合进（jìn）行（háng）高效的时空信（xìn）息处理。
推（tuī）广应（yīng）用可能不需太久
也有人从硬件层面（miàn）去实（shí）现（xiàn）类脑计算，比如神经形态芯（xīn）片。
2019年7月，英特（tè）尔发（fā）布消息称，其神经形态研（yán）究芯片（piàn）Loihi执行专用（yòng）任务（wù）的速度可比普（pǔ）通CPU快1000倍，效率高10000倍。
“在对信（xìn）息的（de）编码、传输和（hé）处理方（fāng）面（miàn），我（wǒ）们希望从大（dà）脑机制（zhì）中（zhōng）获得启发，将这些想法应用到芯（xīn）片技术上，让芯片的处理速度更快、水平更高（gāo）、功耗更低（dī）。”吴华强也在进行（háng）神经形态（tài）芯片（piàn）相关研究，他告诉科（kē）技日报记者（zhě）。
吴华（huá）强介绍，在（zài）传统的冯·诺依曼架构中，信息的处理和（hé）存储是分开的，而（ér）人的大脑在处理（lǐ）信息（xī）时，存（cún）储和处（chù）理是融为一体的。
“所以我们在尝试研发存算一体化的芯片，希望通过（guò）避免芯片（piàn）内部（bù）不停（tíng）地（dì）搬运（yùn）数据（jù），来大幅（fú）提（tí）高芯片的能效比。”吴华强说（shuō），他（tā）的（de）团队现在也已研发出（chū）存算一体（tǐ）的样品芯片。
谈到（dào）类（lèi）脑计算的（de）进展，黄铁（tiě）军告诉记者，目前类脑计算仍（réng）在摸索阶段，还缺乏典型（xíng）的成功应用。但商（shāng）业公司已经嗅到味道，相关（guān）技术获得（dé）规（guī）模性应（yīng）用（yòng）可能不需要（yào）太长时（shí）间。
“现（xiàn）在的神经（jīng）形态计算（suàn）还比（bǐ）较初（chū）步，它的（de）发（fā）展水平跟现有主流（liú）人工智能算法相（xiàng）比，还存在一定差距。”中科院（yuàn）自动化所研究员（yuán）张兆翔（xiáng）接受科技日（rì）报（bào）记者采访时认为，但作为一种新的（de）探索方式（shì），应该继续（xù）坚持，因为它可（kě）能就是未（wèi）来人工智能技术发展的（de）重要突（tū）破口。
