QQ在线
企业微信（xìn）
资讯
416
12月16日至17日，由北京未来芯片技术（shù）高（gāo）精尖创新中心及清（qīng）华大学微（wēi）电子学（xué）研究所联合主办的“北京高精尖论坛暨2019未来芯片（piàn）论坛”在清华大学举行，这次论坛上，类（lèi）脑（nǎo）计算成为多位权（quán）威专（zhuān）家热议的人工智（zhì）能研究方向。
人工智（zhì）能浪潮下的洋流
类脑计算又被称为神经形态计算（Neuromorphic Computing）。它不仅是（shì）学术会议关注（zhù）的（de）新热点（diǎn），产（chǎn）业界也（yě）在探索之（zhī）中。
11月（yuè）中旬，英特尔官网宣布了一则消息（xī）：埃森哲、空中（zhōng）客车（chē）、通用电气和（hé）日立公司加入英特尔神经形（xíng）态研（yán）究共同体（INRC），该共同体目前已（yǐ）拥（yōng）有超过75个成员机构（gòu）。
如果说，当下人工智能发（fā）展浪（làng）潮正波涛汹涌（yǒng）的话，类脑计算就是浪潮之下的洋流。虽不太（tài）引人注（zhù）意，未来（lái）却有可能改变人工智能发（fā）展趋势。
原因之一是，深度学习虽在语音识别、图（tú）像识别（bié）、自然语（yǔ）言（yán）理解等领域（yù）取得很大突（tū）破，并被广（guǎng）泛应用，但（dàn）它需要大量（liàng）的算力支撑，功耗（hào）也很高。
“我（wǒ）们希（xī）望智能驾驶汽车的驾驶（shǐ）水平（píng）像司机一样，但现在显然（rán）还达不到。因（yīn）为它（tā）对（duì）信息的（de）智（zhì）能判断和分析不够，功耗（hào）也非常高。”清华大学微纳电（diàn）子系教（jiāo）授吴（wú）华强告（gào）诉科技日报记者，人工智能算法训练（liàn）中（zhōng）心在执行任（rèn）务时动辄消耗电（diàn）量几万（wàn）瓦甚至几十万（wàn）瓦，而人的大脑耗能却（què）仅相当于20瓦左（zuǒ）右。
北京大学计算机科学技术系教授黄铁军（jun1）也举了一个生动的例（lì）子：市场（chǎng）上应用深度学习技术（shù）的智能（néng）无人（rén）机已经十分（fèn）灵巧，但从智能程度上看（kàn），却与一（yī）只（zhī）苍蝇或蜻蜓相差甚远，尽管（guǎn）体积和功耗比后者高很多。
追（zhuī）求模拟大脑的功能
到底什（shí）么是类脑计算（suàn），它（tā）又凭什么赢（yíng）得学术（shù）界和产业界（jiè）的宠爱？
“类脑计算从结构上追求设计出像（xiàng）生物（wù）神（shén）经网络那样的系统，从功能上追求模拟大脑的功（gōng）能，从性能（néng）上追求（qiú）大幅（fú）度超越生物大脑（nǎo），也称神（shén）经形态计算。”黄（huáng）铁军接受科技日报记者采访时说。
类脑计算试图模拟生物神经网络的结构和信息加工过程。它在软件层面的尝试之一是脉冲神经网络（SNN）。
现在深度学习一般通过卷积神经网络（CNN）或（huò）递（dì）归神经网络（RNN）来实现。“CNN和RNN都属于人工神经网络，其中的人工神经元，至今仍在（zài）使用上世纪（jì）40年（nián）代时的模型。”黄铁（tiě）军说，虽然现（xiàn）在设计出的人工神（shén）经网（wǎng）络越来（lái）越大，也越来越复杂（zá），但从根本上讲，其神经元模型没有太大改进。
另一方面，在深度学习（xí）人工（gōng）神经网（wǎng）络中，神（shén）经元之间的连接（jiē）被称为（wéi）权值。它们（men）是人工神经网络的关键（jiàn）要素（sù）。
而在脉冲（chōng）神经网络中，神经元之间却是（shì）神经脉冲，信息的表达和处理通过神（shén）经（jīng）脉冲（chōng）发送来实现。就像我们的大脑中，有大量神经脉（mò）冲在传递和（hé）流（liú）转。
黄铁军告诉记者，由于神经脉冲在不（bú）停地传递和流转（zhuǎn），脉冲神经网络在表（biǎo）达和处理信（xìn）息时，比深度学习的（de）时间性更突出，更加适合进行（háng）高效（xiào）的时空（kōng）信（xìn）息处理。
推（tuī）广应用可能（néng）不（bú）需太（tài）久
也（yě）有人从硬件层面去实现类脑计算（suàn），比如神（shén）经形（xíng）态芯片（piàn）。
2019年7月，英特尔发布消息称，其（qí）神经（jīng）形（xíng）态研究芯片Loihi执行专用（yòng）任务的速度可比普（pǔ）通CPU快1000倍，效（xiào）率高10000倍。
“在对信息的编码、传输和处理方（fāng）面（miàn），我（wǒ）们希望（wàng）从大脑机制中获（huò）得（dé）启发，将这些想法（fǎ）应用到芯片技术上（shàng），让芯片的（de）处理（lǐ）速度更快、水平更高、功耗更低。”吴华强（qiáng）也在进行神经形态芯片相关研究，他告诉科技（jì）日（rì）报记者。
吴华强介（jiè）绍，在传统的冯·诺（nuò）依曼架构中，信（xìn）息（xī）的处（chù）理和存储是分开的，而人的大脑在处理信息时，存储和处理是融为一体的。
“所以（yǐ）我们在尝试研发（fā）存算一体化的芯片，希望通过避免芯片（piàn）内部不停地搬（bān）运数据，来大幅提（tí）高芯片的能效比。”吴华强说（shuō），他的团队（duì）现在也（yě）已研发出存算一体的样品芯片。
谈到（dào）类（lèi）脑计算的进展（zhǎn），黄铁军告诉记者，目前类（lèi）脑计算仍在摸索阶段，还缺乏典（diǎn）型（xíng）的成功应用。但（dàn）商业公（gōng）司已经嗅（xiù）到（dào）味（wèi）道，相关（guān）技（jì）术获得规模性应用可（kě）能不需（xū）要（yào）太长时间。
“现在（zài）的（de）神经形态计算还比（bǐ）较（jiào）初步，它的发展水平跟现有主流人工智能算法相比，还存在一定差距。”中（zhōng）科（kē）院（yuàn）自（zì）动化所研究（jiū）员张兆翔接受（shòu）科技（jì）日报记者采（cǎi）访时认为（wéi），但作（zuò）为（wéi）一种（zhǒng）新的（de）探（tàn）索方（fāng）式，应该继续（xù）坚持，因为（wéi）它（tā）可能就是未来人（rén）工（gōng）智能（néng）技术发展的重要（yào）突破口。
