移动机器人学科学方法 IFRR 12P33T1/S14L-9(8)

“从宏观看，大脑不同区域主管不同功能。从微观看，大脑有非常复杂的突触结构。越复杂越可调控，复杂带来可塑性，也就是大脑的结构与功能可依据使用的历史而改变。”中科院外籍院士、中科院上海神经科学研究所所长蒲慕明认为，神经系统与其他生物系统最大的差别在于其可塑性，“可塑性是大脑认知功能的基础，也是类脑智能系统最可借鉴的特性。”

“目前我们使用的人工智能网络的结构还是太简单，缺乏人类大脑那样的反馈机制和长远反向连接等功能。”蒲慕明表示，作为一名脑科学研究专家，他很期待未来脑科学研究可以和智能化网络研究互相促进、同步发展。

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世界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，我国政府也高度重视脑科学的研究，正在论证并启动“中国脑计划”。

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，只是最后以失败告终。

中国工程院院士郑南宁就经历过那一波热潮。上世纪80年代，郑南宁曾赴日本留学，当时日本提出了为期10年的“第五代计算机”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，这个惊人的开发计划，将引起第二次计算机革命。

然而，第五代计算机运气不佳，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，最终导致该计划流产。

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，使我们今天再次聚焦类脑计算。”郑南宁分析说，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过程。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过程。

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，并已在语音识别、图像分类、人脸识别中大幅提高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，大脑记忆得到了强化，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，那些与刺激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系统。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。

“类脑计算是一场令人兴奋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，使最初的目标成为皇帝的新衣。”

模拟神秘大脑从哪里“入手”

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-63840-8.html