福建省机械工业联合会 E2B-M30LN30-M1-B2(7)

类脑研究能否走上“高速路”

近年来，脑科学与类脑智能已经成为各国研究和角逐的热点，美国、欧盟都相继启动相关研究计划，我国也高度脑科学的研究，正在论证并启动“脑计划”。

这一方面反映出大家对类脑智能的高度期待，另一方面也引发了一些科学家的担忧。因为数十年前，人类曾经有过一次类似的人工智能研究热潮，只是后以失败告终。

工程院院士郑南宁就经历过那一波热潮。福建省机械工业联合会上世纪80年代，郑南宁曾赴留学，当时提出了为期10年的“计算机”计划，试图突破电脑的冯诺依曼瓶颈，也就是现有经典计算机体系的速度和性能极限，以实现人工智能。知识工程奠基人费根鲍姆曾认为，这个惊人的计划，将引起第二次计算机。

然而，计算机运气不佳，虽然在技术上取得了部分突破，但并未实现自然语言人机对话、程序自动生成等关键目标，终该计划。

现在，我们重提类脑计算，与30年前比，有什么不一样的背景呢?

“神经科学、计算机科学、神经网络理论近20年来的长足进步，以及大数据时代对智能计算的需求，使我们再次聚焦类脑计算。”郑南宁说，随着脑与认知科学的研究发展和观测大脑微观结构技术手段日益丰富，人们已经可以在微观水平观测到神经元的结构、不同脑区的形态，以及神经元放电、不同神经元如何构成神经网络等信息处理。结合这些实验观察，智能科学及计算模拟已可以在计算机上部分模拟脑信息处理。

谭铁牛也认为，对人脑层次化信息处理机制的初步借鉴、基于大样本数据的训练、实现端对端的映射深度学习算法，这些进步促进了人工神经网络的复苏，并已在识别、图像分类、人脸识别中大幅了现有的人工智能识别精度。

但这些进步只是提供了突破的可能，我们现有的技术基础距类脑智能的实现还有很长距离。

我们尚未搞清楚大脑的工作机理：睡眠状态下，大脑记忆了强化，它的内在机理是什么?大脑用来处理外界激励的能量消耗只占很小比例，那些与无关的能量消耗到底做了什么?

我们也很难用现有的冯诺依曼结构电脑来构建大尺度的神经形态计算。类脑计算本身需要打破冯诺依曼结构、把类似大脑的突触做到芯片上，但目前的神经突触芯片还在实验室阶段，不能走向实用。而如果用超级计算机平台来模拟整个大脑的计算能力，需要10的18次方浮点运算能力，这样的超级计算机，预计到2019年至2023年才能出现。

【随机图片】

“类脑计算是一场令人又望而生畏的艰难挑战，需要组织多学科交叉的大团队研究。”郑南宁建议大家保持冷静思考，避免期望值过高带来的失望。“期望值过高，又没有达到预期，随之带来的可能是学科发展的低落甚至灾难，使初的目标成为皇帝的新衣。”

模拟神秘大脑从哪里“入手”

那么，要完成当前类脑智能的艰难挑战，我们需要冲破哪些关口呢?

郑南宁认为，与现有的冯诺依曼结构计算机相比，类脑计算的技术路线，需要从组件到的网络规模、计算能力上渐次逼近大脑。冯诺依曼结构采用同步时钟，类脑计算需要采用事件驱动;冯诺依曼结构运算和存储分离，类脑计算运算和存储要达到深度耦合;冯诺依曼结构可以执行预定的数值运算，类脑计算要具备学习能力、擅长发现复杂数据中的规律和;冯诺依曼结构只有有限的容错性能，类脑计算需要低能耗高容错……

当前，IBM等利用超级计算机模拟与人脑相似的神经网络，但结果并不。郑南宁认为其原因在于：“人脑不同脑区具有不同结构和功能，用相同结构的神经网络模拟整个人脑并不合理。我们应该针对不同脑区的不同功能，设计不同结构的神经网络，模拟其学习与认知功能。”

此外，神经学的大量实验告诉我们，人类大脑皮层各功能区域之间的关系极为复杂。因此，在实现类脑计算机的体系结构时，解决各层次和各处理模块之间的关联，也是一个巨大的挑战。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/dianqi/article-75666-7.html