深度學習正(zheng)遍地(di)開花，但(dan)它可能并非人工智(zhi)(zhi)能的(de)終極方案。無論是學術界還是產(chan)業界，都在(zai)思考人工智(zhi)(zhi)能的(de)下(xia)一步發展路徑：類(lei)腦(nao)計算已悄然成為(wei)備受關注的(de)“種(zhong)子選(xuan)手(shou)”之一。
12月16日至17日，由(you)北京未(wei)來芯(xin)片(pian)技術高精(jing)尖創新中(zhong)心(xin)及清(qing)(qing)華(hua)大學微電子學研(yan)究所聯合主辦的“北京高精(jing)尖論壇(tan)暨2019未(wei)來芯(xin)片(pian)論壇(tan)”在清(qing)(qing)華(hua)大學舉行(xing)，這次論壇(tan)上，類腦(nao)計算(suan)成為多位權威專家熱議的人工智(zhi)能研(yan)究方向。
人(ren)工(gong)智能浪潮下(xia)的洋流(liu)
類腦計算(suan)又被(bei)稱(cheng)為(wei)神(shen)經形態計算(suan)（Neuromorphic Computing）。它不僅(jin)是學術(shu)會議關(guan)注的新(xin)熱點，產業界也在(zai)探索(suo)之中。
11月中旬，英特爾(er)官網宣布了一則消息：埃森哲、空中客(ke)車、通用電(dian)氣和日立公司加入英特爾(er)神經形態(tai)研(yan)究(jiu)共(gong)同(tong)(tong)體（INRC），該共(gong)同(tong)(tong)體目前已擁(yong)有超過75個成員機構。
如果說，當下人(ren)工智(zhi)能(neng)發展(zhan)浪潮正波濤洶涌(yong)的話，類腦計算就是浪潮之(zhi)下的洋流。雖(sui)不太引人(ren)注意，未來卻有(you)可能(neng)改(gai)變人(ren)工智(zhi)能(neng)發展(zhan)趨勢。
原因之一是，深度學習(xi)雖在(zai)語(yu)音識別、圖像識別、自然語(yu)言(yan)理解等(deng)領域取得很(hen)大(da)突破(po)，并被廣(guang)泛(fan)應用(yong)，但(dan)它需(xu)要大(da)量的算力支撐，功(gong)耗也很(hen)高。
“我們希望智能駕(jia)駛(shi)汽車的駕(jia)駛(shi)水平像司機一樣，但(dan)現(xian)在顯然還(huan)達不(bu)到。因為它對信息的智能判斷和分析不(bu)夠，功耗(hao)也(ye)非常高。”清華(hua)大學微納電子(zi)系教授(shou)吳華(hua)強(qiang)告訴科技(ji)日報記者，人(ren)工(gong)智能算(suan)法訓練中心(xin)在執行任務時動輒消耗(hao)電量幾萬瓦(wa)甚至(zhi)幾十萬瓦(wa)，而人(ren)的大腦耗(hao)能卻僅相當于20瓦(wa)左右。
北京大學計算機科學技術系教授黃鐵(tie)軍也舉了(le)一(yi)個生動的例子：市場(chang)上應用深度學習(xi)技術的智能(neng)(neng)無人(ren)機已經十分靈巧，但(dan)從智能(neng)(neng)程度上看，卻與一(yi)只蒼蠅或蜻蜓相差甚遠，盡管體積和功耗比后者高很多。
追求模擬大腦的功能
到底什么是類腦計算，它又憑什么贏得學術(shu)界(jie)(jie)和產業界(jie)(jie)的寵愛？
“類腦計(ji)算(suan)從(cong)結構(gou)上(shang)追求設(she)計(ji)出像生(sheng)物神經(jing)網絡(luo)那(nei)樣的系統，從(cong)功(gong)能上(shang)追求模擬(ni)大(da)腦的功(gong)能，從(cong)性能上(shang)追求大(da)幅度超越生(sheng)物大(da)腦，也稱神經(jing)形態計(ji)算(suan)。”黃鐵軍(jun)接受科(ke)技日報記者采訪時說(shuo)。
類腦計(ji)算試(shi)圖模擬生物神(shen)經網絡的結構和信息加工過(guo)程。它在軟件層面的嘗試(shi)之一是脈沖神(shen)經網絡（SNN）。
現在深度學習一般通過卷積神(shen)經(jing)(jing)網(wang)絡（CNN）或遞(di)歸神(shen)經(jing)(jing)網(wang)絡（RNN）來(lai)實現。“CNN和RNN都屬于人工(gong)神(shen)經(jing)(jing)網(wang)絡，其中的人工(gong)神(shen)經(jing)(jing)元(yuan)，至今仍在使用(yong)上世紀(ji)40年代時的模型(xing)。”黃鐵軍說(shuo)，雖然現在設計出(chu)的人工(gong)神(shen)經(jing)(jing)網(wang)絡越來(lai)越大，也越來(lai)越復雜，但(dan)從根本上講，其神(shen)經(jing)(jing)元(yuan)模型(xing)沒有太大改進。
另一方面，在(zai)深度學習人工神(shen)(shen)經(jing)網(wang)絡中(zhong)，神(shen)(shen)經(jing)元之間(jian)的(de)連接被稱(cheng)為權值。它們是人工神(shen)(shen)經(jing)網(wang)絡的(de)關(guan)鍵要(yao)素。
而在脈(mo)(mo)沖神(shen)經(jing)(jing)網絡中，神(shen)經(jing)(jing)元之間卻是神(shen)經(jing)(jing)脈(mo)(mo)沖，信息的表(biao)達和(he)處理通過神(shen)經(jing)(jing)脈(mo)(mo)沖發送來實現。就像我們的大(da)腦中，有大(da)量神(shen)經(jing)(jing)脈(mo)(mo)沖在傳遞和(he)流轉(zhuan)。
黃鐵軍(jun)告訴(su)記(ji)者，由于神經(jing)脈(mo)沖在(zai)不停地傳遞和(he)流轉(zhuan)，脈(mo)沖神經(jing)網絡在(zai)表達和(he)處(chu)理(li)信(xin)息(xi)時，比深度學習(xi)的時間性更(geng)突出，更(geng)加適合進行高效的時空信(xin)息(xi)處(chu)理(li)。
推廣(guang)應用(yong)可能不需太(tai)久
也有人從硬(ying)件層(ceng)面去實現(xian)類腦計算(suan)，比如神經形態芯(xin)片。
2019年(nian)7月(yue)，英特爾發布消息稱，其神經形態研究(jiu)芯片(pian)Loihi執行專(zhuan)用(yong)任務的(de)速度(du)可比普通CPU快1000倍(bei)，效率高10000倍(bei)。
“在對(dui)信息的編碼、傳(chuan)輸(shu)和處(chu)理方面，我們希望(wang)從大腦(nao)機制中獲(huo)得(de)啟(qi)發，將這些想(xiang)法應(ying)用到芯片技術上，讓芯片的處(chu)理速度更(geng)快、水平更(geng)高(gao)、功耗更(geng)低。”吳華強也(ye)在進行神經形(xing)態芯片相關研(yan)究，他告訴科(ke)技日報記者。
吳華強介紹，在(zai)(zai)傳統的(de)馮·諾依(yi)曼架構中(zhong)，信(xin)息的(de)處(chu)理(li)和存(cun)儲(chu)是(shi)分開的(de)，而人的(de)大(da)腦在(zai)(zai)處(chu)理(li)信(xin)息時，存(cun)儲(chu)和處(chu)理(li)是(shi)融為一體的(de)。
“所(suo)以我(wo)們在嘗試研(yan)發(fa)存算(suan)一體化的芯片(pian)，希望通過避免(mian)芯片(pian)內部不停地搬運(yun)數據，來大幅(fu)提高芯片(pian)的能效比。”吳(wu)華強說，他的團隊現在也已研(yan)發(fa)出存算(suan)一體的樣品(pin)芯片(pian)。
談(tan)到類(lei)腦計算的(de)進展(zhan)，黃(huang)鐵軍告(gao)訴記者(zhe)，目前類(lei)腦計算仍在摸索(suo)階段，還缺乏(fa)典型的(de)成功應(ying)用。但商業公司已(yi)經嗅到味道，相關技術獲得規模性應(ying)用可能不需要(yao)太長時間。
“現在的(de)神經形態(tai)計算還比較(jiao)初步，它(ta)的(de)發(fa)展水(shui)平跟現有主流人(ren)工智(zhi)能算法相比，還存在一定差距。”中科(ke)院自動化所研究員(yuan)張兆翔接受科(ke)技日(ri)報(bao)記者采訪(fang)時認為，但作為一種新的(de)探索(suo)方式，應該(gai)繼續(xu)堅持，因為它(ta)可能就是未(wei)來人(ren)工智(zhi)能技術發(fa)展的(de)重要突破口。