查看原文
其他

类脑智能技术初探

人工智能的迅速发展将深刻改变世界发展模式和人类生活方式。为抢抓人工智能发展重大战略机遇,各国均在构筑先发优势。类脑智能作为人工智能的另一条发展路径,也是实现通用人工智能的最可能路径,成为各国的关注焦点。


一、类脑智能是人工智能发展的必要路径

当前人工智能存在两条技术发展路径。一条是以模型学习驱动的数据智能,另外一条是以认知仿生驱动的类脑智能。当前现阶段人工智能发展的主流技术路线是数据智能,但是数据智能存在一定局限性,如:数据方面,需要海量数据和高质量的标注;自主学习、自适应等能力弱,高度依赖于模型构建;计算资源消耗比较大,CPU、GPU消耗量巨大;缺乏逻辑分析和推理能力不足,仅具备感知识别能力;时序处理能力弱,缺乏时间相关性;仅解决特定问题,适用于专用场景智能。


类脑智能可以解决数据智能的局限性和不足。数据方面,类脑智能可处理小数据、小标注问题,适用于弱监督和无监督问题;更符合大脑认知能力,自主学习、关联分析能力强,鲁棒性较强;计算资源消耗较少,人脑计算功耗约20瓦,类脑智能模仿人脑实现低功耗;逻辑分析和推理能力较强,具备认知推理能力;时序相关性好,更符合现实世界;可能解决通用场景问题,实现强人工智能和通用智能。


二、类脑智能的定义

类脑智能是受大脑神经运行机制和认知行为机制启发,以计算建模为手段,通过软硬件协同实现的机器智能。类脑智能具备信息处理机制上类脑、认知行为表现上类人、智能水平上达到或超越人的特点。2018年8月,Gartner公司发布2018年新兴技术成熟度曲线,公布了5大新兴技术趋势,其中类脑智能、神经芯片硬件和脑机接口作为重要技术趋势。


类脑智能发展有三个层面的目标,分别是结构层次模仿脑、器件层次逼近脑、功能层次超越脑。具体来说,结构层次,主要研究基本单元(各类神经元和神经突触等)的功能及其连接关系(网络结构),通过神经科学实验的分析探测技术完成;器件层次,重点在于研制模拟神经元和神经突触功能的微纳光电器件,在有限物理空间和功耗条件下构造出人脑规模的神经网络系统,如研制神经形态芯片、类脑计算机;功能层次,对类脑计算机进行信息刺激、训练和学习,使其产生与人脑类似的智能甚至涌现自主意识,实现智能培育和进化,学习、记忆、识别、会话、推理、决策以及更高智能。


现阶段类脑智能研究发展依然缓慢。一是由于脑机理认知尚不清楚。大脑是人类进化的高级产物,重量约1.5公斤,占体重2%,功耗约20瓦,占全身功耗20%,当前人类对大脑的认识还不足5%,尚无完整的脑谱图可参考;二是由于类脑计算模型和算法尚不精确。神经元连接的多样性变化性,使得前馈、反馈、前馈激励、前馈抑制、反馈激励、反馈抑制的建模不精确,脑功能分区与多脑区协同的算法不准确;三是现有计算架构和能力制约。现在计算系统是冯诺依曼架构,计算与存储分离,系统功耗高、并行度低、规模有限,而类脑计算系统是非冯诺依曼架构,计算与存储统合,高密度、低功耗,颠覆现有架构的代价较大。


三、各国高度重视积极布局

先进国家积极布局类脑智能研发。美国于2013年启动“BRAIN计划”,将大脑结构图建立、类脑相关理论建模、脑机接口等列为研发重点;欧盟于2013年提出“人脑计划”,重点开展人脑模拟、神经形态计算、神经机器人等领域研究;日本于2008年提出“脑科学战略研究项目”,重点开展脑机接口、脑计算机研发和神经信息相关的理论构建;韩国在2016年发布《脑科学研究战略》,重视脑神经信息学、脑工程学、人工神经网络、大脑仿真计算机等领域的研发。


企业争相布局类脑智能。IBM围绕Watson系统和TrueNorth类脑芯片,意图抢先打造类脑智能生态系统;谷歌依托全球技术领先地位,在现有谷歌大脑基础上结合医学、生物学积极布局人工智能;微软提出意识网络架构,声称是具备可解释性的新型类脑系统。除龙头企业外,美国Emotiv、美国Neurallink、美国Kernel、美国Brainco、瑞士aiCTX等一批新兴公司在类脑智能方面取得很多研发成果,部分进入产业化阶段。


我国积极统筹加速布局类脑智能。我国在2006年《国家中长期科学和技术发展规划纲要(2006—2020)》中就把“脑科学与认知”列入基础研究8个科学前沿问题之一。在2016年《“十三五”国家科技创新规划》也将脑科学与类脑研究列入科技创新2030重大项目。2017年国务院《新一代人工智能发展规划》提出了2030年类脑智能领域取得重大突破的发展目标。我国于2017、2018年分别成立了类脑智能技术及应用国家工程实验室、北京脑科学与类脑研究中心,形成了“南脑北脑”共同快速发展的格局。


四、类脑智能技术体系

类脑智能技术体系分四层:基础理论层、硬件层、软件层、产品层。基础理论层基于脑认知与神经计算,主要从生物医学角度研究大脑可塑性机制、脑功能结构、脑图谱等大脑信息处理机制研究;硬件层主要是实现类脑功能的神经形态芯片,也就是非冯诺依曼架构的类脑芯片,如脉冲神经网络芯片、忆阻器、忆容器、忆感器等;软件层包含核心算法和通用技术,核心算法主要是弱监督学习和无监督学习机器学习机制,如脉冲神经网络、增强学习、对抗神经网络等;通用技术主要是包含视觉感知、听觉感知、多模态融合感知、自然语言理解、推理决策等;产品层主要包含交互产品和整机产品,交互产品包含脑机接口、脑控设备、神经接口、智能假体等,整机产品主要有类脑计算机、类脑机器人等。


图1  类脑智能技术体系


类脑智能当前存在先结构后功能和先功能后结构两条发展思路。先结构后功能,主要指先研究清楚大脑生理结构,然后根据大脑运行机制研究如何实现大脑功能;先功能后结构,主要是先使用信息技术模仿大脑功能,在模仿过程中逐步探索大脑机制,然后相互反馈促进。两条发展思路各有千秋,功能和结构的任意发展突破都会推动类脑智能的极大发展,因此现阶段两条路线并行发展。


类脑智能目前整体处于实验室研究阶段,脑机接口技术是类脑领域目前唯一产业化的领域。脑机接口技术是在人或动物脑(或者脑细胞的培养物)与外部设备间建立直接连接通路,以“人脑”为中心,以脑信号为基础,通过脑-机接口实现控制人机混合系统。脑机接口应用于医疗领域,实现瘫痪人士通过脑机设备控制机械臂完成相应动作,也可实现对多动症、癫痫等疾病采取神经反馈方式做对应的恢复训练;用于智能家居,实现意念控制开关灯、开关门、开关窗帘等,进一步控制家庭服务机器人。全球最受关注的脑机接口公司前十名多分布在北美和欧洲,我国产业界逐步推出产品,如科斗脑机、海天智能等公司研发生产出植入式脑微电极、脑控智能康复机器人等产品。


五、未来发展建议

加快构建全景战略视图,突出重点方向。从科研、技术和产业等多维度形成类脑智能体系化布局,并突出重点发展方向,具体围绕结构、器件、功能三个层面开展重点布局和超前部署。


加大对基础工艺/算法/软件等的投入力度。我国长期以来在新算法、新结构、新原理的研究方面原创不足,制约类脑智能整体创新供给能力。因此,仍需持续加大对原始科研创新的重视力度,对关键基础工艺/算法/软件等加大支撑投入力度。


强化政产学研合作,推动技术体系化创新。类脑智能体系涉及要素较多,需要政产学研紧密合作,深化多方协同的合作,共同推动技术实现体系化的创新。借鉴其他先进国家布局经验,突出政产学研多方合作在类脑智能创新中的合力作用,构建国内多方协同的创新体系。



作者简介

王冲鶄,上海交通大学人工智能专业博士,中国信息通信研究院信息化与工业化融合研究所高级工程师。主要从事ICT领域行业研究和决策支撑工作,重点方向聚焦人工智能及相关领域。多次参与国家部委和地方政府关于人工智能、机器人、核心技术、信息化等重大规划和战略的研究起草,发表论文20余篇,负责《全球人工智能产业地图》等研究编制,参与《迈向机器人时代的中国选择》、《中国电子信息技术发展研究》等书籍撰写。

联系方式:wangchongjing@caict.ac.cn



校  审 | 陈  力、 珊  珊

编  辑 | 凌  霄



欢迎转发分享!

如需转载,请联系授权事宜:

电话:62300198 

Email:media@caict.ac.cn



精彩推荐




推荐阅读

5G承载架构及产业进展分析

NB-IoT应用发展态势


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存