脑科学被视为理解宇宙、自然与人类关系的“终极边陲”，人类从未停滞对人脑的探索，以及对其运行机制的模拟。

人脑以极强的可塑性、通用性、自适应性、自组织性以及低能耗、高效率等，为人工智能技能的发展供应了启示和示范。
类脑智能这一新兴学科得以出身，被认为是后摩尔时期最具发展潜力的颠覆性领域之一。

01

类脑智能：通向通用人工智能的路径

类脑智能又被称为神经形态打算，旨在仿照人类大脑的形态构造及信息处理机制。

而类脑打算是实现类脑智能的条件。

众所周知，现有打算机都是基于冯·诺依曼架构实现的，其处理器事情事理便是按分时复用的办法，将高维信息的处理过程转换成韶光序列的一维处理过程。
这一打算架构的特点是打算与存储分离，构造简洁、易于实现高速数值打算。

（冯·诺依曼打算架构）

不过，冯·诺依曼架构在处理包含非构造化、时空关联信息的感知、认知以及决策等干系问题时，表现出效率低、能耗高、实时性差等问题，乃至无法布局得当的算法。
比如当今最前辈的打算机，也难以完成一只昆虫能够轻易实现的环境感知与适应等干系任务。

而人类大脑却是一个与冯·诺依曼架构恰好相反的“打算器”，虽然人脑不善于高速率大规模数值打算，但是人脑可以在有限尺寸和极低能耗下，完成繁芜环境下的信息关联影象、自主识别、自主学习等认知处理，实现这一“打算”的根本正是脑神经网络的多层次繁芜空间构造和脑神经的高度可塑性。

基于人脑的这些特点，科学家们提出非冯·诺依曼架构的类脑打算，便是借鉴大脑神经网络，存储打算一体化，将高维信息放在多层、多粒度、高可塑性的繁芜网络空间中进行处理，使其具有低功耗、高鲁棒性、高效并行、自适应等特点。

类脑打算既适用于处理繁芜环境下非构造化信息，又有利于发展自主学习机制，乃至终极有望仿照出大脑的创造性，实现类脑智能，这种更具通用性的人工智能。

现有的人工智能技能大多数能够处理的问题具有以下特点：1、充足的数据；2、单一、确定的问题；3、完备的知识；4、静态。
因此为一个问题供应一个办理方案，使得现有的人工智能仍旧属于弱人工智能的范畴。

当我们要处理超出这些条件的繁芜问题的时候，现有 AI 技能就会碰着困难，而我们就须要更具人类智能特点的通用人工智能（AGI）。

类脑打算以及由此产生的类脑智能，便是人们实现通用人工智能的方法之一。

02

类脑智能的运用：想象空间巨大

类脑智能的开拓是为了让机器模拟人类大脑进行信息处理，模拟人类的认知行为和智能水平，终极实现终极人工智能。

01

类脑感知仿照视觉、听觉、触觉和嗅味觉

根据人类感知天下的办法，类脑感知可以分为视觉智能、听觉智能、触觉智能和嗅味觉智能。
当前的视觉智能、听觉智能处于信息技能领域学术研究与实际运用的最前沿。
比较之下，触觉智能和嗅味觉智能处于材料硬件、规模化芯片硬件和类脑芯片构造创新的研究阶段。

在根本研究层面，类脑视觉智能已经发展为目前以深度学习为代表的视觉方法。
在家当发展层面，视觉智能从上游的光源、镜头、相机，到视觉系统中游的中间算法，再到下贱的设备制造和终端运用等已经取得全面的发展。

听觉智能作为其余一个发展较为成熟的领域，其紧张研究内容以自然措辞处理为核心，以语音和文本为载体，对抽象的信息进行表达。
在运用层面，语音旗子暗记处理技能已广泛运用于虚拟主播、在线通话、智能音箱等。
在家当界，自然措辞处理技能已经被用于机器翻译、谈天机器人、舆情剖析和市场预测等各个领域。

触觉智能是相对发展较为缓慢的一类感知技能。
为了实现机器人准确地感知天下，须要全方位的视觉智能与触觉智能。

嗅味觉智能的研究难点也在感知材料层面，而不是后续的深度学习算法与认知演习层面。
人工智能对味觉与嗅觉的识别，进展远远掉队于对视觉和听觉的识别。
缘故原由之一是视觉与听觉的数据获取相对随意马虎且标注较为大略。

而比较之下，嗅觉与味觉的标注非常稀疏，且大部分物品并不会被轻易标注，由于人类不会自己去考试测验陌生物品的味道。
在根本理论层面，人类对味觉和嗅觉的机理研究并不透彻，目前的认知仅勾留在味道与物质分子有关，而对分子之间的联合浸染不存在类似视觉的系统认知。
因根本理论认知的缺失落、感知材料的发展限定，嗅味觉智能尚未在工业界广泛运用。

02

类脑影象已用于问答系统、机器翻译

生物大脑在进行信息处理时，能够将信息记住一段韶光，即大脑具有影象功能。
该功能是生物大脑的主要功能，是大脑进行学习、认知的根本。
根据影象韶光的是非，可将影象分为短时影象和永劫影象。
短时影象是对当前环境的即时反应，将当前环境数据存储于生物大脑中，从微不雅观角度来看，短时影象是刺激神经元后的持续性变革。
长期影象是对历史信息的高层次概括，从微不雅观角度来看，是神经元之间的突触连接和强度发生了变革。
具有影象单元的智能体有很好的自适应能力，可以从历史履历中学习，从而更好地发挥浸染。

受到脑科学的启示，研究职员将影象模块运用于机器学习模型中。
是非期影象网络便是一种代表性方法。
它通过对神经影象单元进行构造化设计，通过门控模型掌握信息的更新。
个中，遗忘门掌握信息中的哪些部分会被丢弃，输入门掌握神经元要更新的信息，输出门掌握神经元要输出的信息，一个细胞状态中存储着由遗忘门和输入门共同确定的可影象的信息。
是非期影象网络方法将信息表示成固定长度的向量化编码，当外部信息量变大时，这种定长的编码方法可能会丢失信息的细节。
这导致了是非期影象网络的影象能力有限，并不能精确地记住过去的事实。
此时的大部分模型都缺少可以读取和写入外部知识的组件。

在此根本上，研究职员开始研究非定长的影象单元存储信息。

Facebook 团队提出的影象网络便是个中一种。
该团队在影象网络中引入了一个独立的存储器。
我们可以通过类比方式来理解这种网络：网络构造可看作打算机中的中心处理器，而独立存储器可看作随机存储器。
一个影象网络由一个影象数组和四个组件（输入组件、泛化组件、输出组件、回答组件）组成。
输入组件卖力将输入数据转化为网络内在的向量；泛化组件用来更新影象数组；输出组件结合输入，从影象数组中抽取得当的影象；回答组件卖力将输出组件的输出转化为须要的形式。

影象网络虽然办理了定长影象方法的局限性，但这种方法并不是一种端到真个方法。
端到真个影象神经网络随之涌现了。
键值影象网络的提出办理了端到真个神经网络影象规模不敷的问题。
以上方法通过非定长影象编码的办法改进定长影象方法的毛病，但随着影象的增长，这种方法可能会造成信息的冗余。
因此，学者又引入了把稳力机制来对信息进行动态领悟，提取影象中的主要信息。
目前，干系事情已经在问答系统、机器翻译等任务中取得了良好表现。

只管目前的神经网络打算模型对影象的借鉴已经在运用层面取得了良好的效果，但这些方法仍旧是从功能角度去仿照大脑，其进一步的发展还须要对人脑影象机制和事理进行深入的探索。

在类脑影象方面，现有的人工神经网络并不具备生物机理作为理论支撑。
类脑影象未来的发展方向该当借鉴生物大脑的研究，根据生物大脑的影象环路构造及干系理论构建多尺度的影象框架，实现自主影象。

03

类脑智能的未来：行业发展步伐正在加快

智能化发展是大势所趋，人工智能已上升至国家计策地位，而类脑智能是人工智能终极目标，因此受到了包括美国、欧盟、日本、韩国、中国等多个国家的关注。
在外洋，IBM、英特尔、微软、高通、谷歌等科技巨子纷纭进入类脑智能领域布局，类脑智能干系初创公司也在不断增多，例如美国Emotiv、美国Neurallink、瑞士aiCTX等。

我国政府对类脑智能行业发展极为重视。
2017年1月，国家发改委正式批复赞许由中国科学技能大学作为承担单位，培植类脑智能技能及运用国家工程实验室。
“十四五”国家重点研发操持“生物与信息领悟（BT与IT领悟）”重点专项中，组织工程类脑智能复合体设计与开拓被列入。
2021年正式启动科技创新2030——“脑科学与类脑研究”重大项目，大力开展类脑研究。

2019年，清华大学施路平教授团队研发出了环球首款异构领悟类脑打算芯片“天机（Tianjic）芯”，当时的《Nature》总编斯基珀博士赞誉它为“人工智能领域的主要里程碑”。

目前，类脑打算的根本理论和核心技能已取得不少打破。
可以预见，类脑研究将进入前所未有的高速发展期，催生一批新理论和技能成果，引领新一轮科技革命。

结语

目前的类脑研究尚处于低级阶段，仅是对大脑的高度抽象和简化。
要终极形成“人造超级大脑”，还有很长的路要走。

未来研究路径该当对大脑如何进行信息加工加以揭示，阐明繁芜行为之下的内在机制实现形式，特殊是理解神经信息如何产生感知觉、学习、影象、决策等认知功能，并思考如何通过机脑实现智能，建立新型的打算构造与智能形态，使其在信息处理机制上“类脑”，在信息处理性能上“超脑”，在认知行为和智能水平上“类人”。

责编：岳青植监制：李红梅

文章参考：

1.《类脑智能：人造超级大脑》光明网

2.《张旭：脑科学将助力人工智能发展 并形成新的家当机遇》第一财经

3.《类脑智能新风口，未来机遇与寻衅并存》通信信息报

4.《类脑打算——构建“人造超级大脑”》公民网