QQ在线
企业微信（xìn）
资讯（xùn）
417
12月（yuè）16日至17日，由北京（jīng）未（wèi）来芯（xīn）片技（jì）术高精（jīng）尖（jiān）创新中心及（jí）清（qīng）华大学微电子学研究所联合主办（bàn）的“北京高（gāo）精尖（jiān）论坛（tán）暨2019未来芯片论坛”在清华大学举行，这次论坛（tán）上，类（lèi）脑计算成为多位权威专家热议的人工智能（néng）研（yán）究方（fāng）向。
人工智能浪潮（cháo）下（xià）的洋流（liú）
类脑计算又（yòu）被（bèi）称为神经（jīng）形态计（jì）算（suàn）（Neuromorphic Computing）。它不仅是学术会议关注的新热点，产业（yè）界也在探索之（zhī）中。
11月中（zhōng）旬，英特（tè）尔（ěr）官网（wǎng）宣布了一则消息：埃（āi）森哲、空中客（kè）车（chē）、通用电气和日立公司（sī）加入英特尔神经形态研究共同体（INRC），该共（gòng）同（tóng）体目前已拥有超过75个成员机构（gòu）。
如果说，当下人工智（zhì）能发展浪潮正波涛汹涌的（de）话，类脑计算就是浪潮之下（xià）的洋流。虽不太引人注意，未来却有可能改变人工智（zhì）能发展趋势。
原因之一是，深度学（xué）习（xí）虽在（zài）语音识别、图像识别、自然语言理解等领域（yù）取得很大突破，并被广泛应用，但它（tā）需（xū）要大量的算力支撑，功耗也很高。
“我们希望智能驾驶汽（qì）车的驾驶水平像司机（jī）一样，但现在显然还达（dá）不到（dào）。因为它（tā）对信息的（de）智能判（pàn）断（duàn）和分析不够，功耗也非（fēi）常高。”清华大（dà）学微纳电子系（xì）教授吴华强告（gào）诉科技日（rì）报记者，人工智能算法训（xùn）练中心在执行任务时动辄消耗电（diàn）量几万瓦甚至几十万瓦（wǎ），而人的（de）大脑（nǎo）耗（hào）能却仅相当于20瓦（wǎ）左右。
北京（jīng）大学计（jì）算机科学技术（shù）系教授黄铁军也举了一个（gè）生动的例子：市场（chǎng）上应用深度学习技（jì）术（shù）的（de）智能无人机已经十分灵巧，但从智能（néng）程度上看，却与一只苍蝇（yíng）或蜻蜓相差（chà）甚远，尽管（guǎn）体（tǐ）积和（hé）功耗比（bǐ）后者高（gāo）很多。
追求（qiú）模拟大脑的功（gōng）能
到底什么是类脑计算，它又（yòu）凭什么（me）赢（yíng）得学术界和产业界的宠爱？
“类脑计算从结构上追求设计出像生物神经（jīng）网络那样的系统，从功能上追求模拟大脑的功能，从性能（néng）上追求大幅度超越（yuè）生物大脑，也称神经形态计（jì）算。”黄铁军（jun1）接受科技日（rì）报记者（zhě）采访时说。
类脑计算试图模拟（nǐ）生物神经（jīng）网络的（de）结构和信息加工过程。它在软（ruǎn）件层（céng）面的尝试之一是脉冲神经网络（luò）（SNN）。
现在深度学习（xí）一般通过（guò）卷积（jī）神经网（wǎng）络（CNN）或（huò）递归神经网（wǎng）络（RNN）来实现。“CNN和RNN都属（shǔ）于人工（gōng）神经网（wǎng）络，其中的（de）人工神经元（yuán），至今仍在使用上世纪40年（nián）代（dài）时的模型。”黄铁军说，虽然现在（zài）设计出的人工神经网络越来越大，也（yě）越来越复杂，但从根本上讲，其神经元（yuán）模型没（méi）有太大改进。
另一方（fāng）面，在深度学习人工神经网络中，神经元之（zhī）间的连接被称为权值。它们是人工神（shén）经（jīng）网络的关键要（yào）素。
而在脉冲神（shén）经网（wǎng）络中（zhōng），神经元之间却是神（shén）经脉冲，信息（xī）的表达和（hé）处理通过（guò）神经脉（mò）冲发送来实现。就像我们的大脑中，有大量神经（jīng）脉冲在传（chuán）递和流转。
黄铁军告诉（sù）记者，由于神经脉冲在不停地传递和流（liú）转，脉冲神经网络在（zài）表（biǎo）达和处理信息时，比深度学习的时间性（xìng）更突出，更加（jiā）适合进行高效的（de）时空信息处理。
推广应（yīng）用（yòng）可能（néng）不需太久
也有人从硬件层面去（qù）实现类脑计算，比如神经形态芯片。
2019年7月，英（yīng）特尔发布消息称，其神经形态研究芯片Loihi执行专用任务的速（sù）度可比普通（tōng）CPU快1000倍（bèi），效率高（gāo）10000倍。
“在对信（xìn）息的编（biān）码、传输和处理方面（miàn），我们希望从大脑机制中获得（dé）启（qǐ）发，将（jiāng）这些想法（fǎ）应用到芯（xīn）片技术（shù）上，让芯（xīn）片的处理速度（dù）更快、水平更高、功（gōng）耗（hào）更低。”吴华强（qiáng）也（yě）在进行神经形态芯片相（xiàng）关研究，他告诉科技日（rì）报记者。
吴（wú）华强介（jiè）绍，在（zài）传（chuán）统的冯·诺依曼架构中，信息的处理和存储是分开的，而人的大脑（nǎo）在处理信息时，存储（chǔ）和处理是融为一（yī）体（tǐ）的。
“所以我们在尝（cháng）试研发（fā）存算一体化的芯片，希望通过避免芯片内部不停地搬运数据，来大幅提（tí）高芯片的能效比。”吴（wú）华强说，他的（de）团队现（xiàn）在也（yě）已研发出存（cún）算一体（tǐ）的样（yàng）品芯片（piàn）。
谈到类（lèi）脑（nǎo）计算的（de）进展（zhǎn），黄铁军告诉记（jì）者，目前类脑计算仍在摸索（suǒ）阶段，还缺乏典型的成功（gōng）应用。但商业公（gōng）司已经（jīng）嗅（xiù）到味道，相关技（jì）术获得规模性（xìng）应用（yòng）可能（néng）不需要（yào）太（tài）长（zhǎng）时（shí）间。
“现在的神经形态计算还比（bǐ）较初（chū）步（bù），它（tā）的发展水平跟现有主（zhǔ）流人工智能算法（fǎ）相比，还存在一定差距。”中（zhōng）科（kē）院自动（dòng）化所研（yán）究员张兆翔接受（shòu）科技日报记者采访时（shí）认（rèn）为（wéi），但作为一种新（xīn）的探（tàn）索方式，应该继（jì）续坚（jiān）持（chí），因为它可（kě）能就是未（wèi）来人（rén）工智能（néng）技术发展的重要（yào）突破口。
