改变人工智能开发模式神经模拟计算仍然是关键的一步

著名的信息研究和分析机构Gartner预测，到2025年，神经模拟芯片有望成为人工智能系统中使用的主要芯片之一。

20世纪80年代，科学家设想将人脑的功能映射到硬件上，即直接使用硬件来模拟人脑的结构。这种方法称为神经模拟计算，这种硬件称为神经模拟芯片。经过近40年的发展，神经模拟芯片相继问世。全球知名的信息研究和分析机构高德纳(Gartner)最近预测，到2025年，神经模拟芯片将成为高级人工智能部署的主要计算架构，该芯片有望成为人工智能系统中使用的主要计算机芯片之一。

脉冲神经网络信息处理不再依赖计算机

传统的人工智能主要利用计算，即通过编程等手段来实现机器智能。其中，深度学习是目前广泛使用的技术之一。大约在2006年，深度学习技术进入了公众视野。它赋予机器视觉、语音识别和自然语言处理以多层人工神经网络。

尽管人工神经网络给深度学习带来了福音，但通过计算实现智能的阴影并没有消失。“只是与传统的计算相比，深度学习的算法模型发生了变化，实现的物理载体仍然是计算机。”黄铁军教授在接受《科技日报》记者采访时说。

“与深度学习中使用的多层人工智能神经网络不同，神经模拟计算构建了一个脉冲神经网络，并通过模拟生物神经网络来实现智能。它本身就是一种能够处理信息的载体，不再依赖于计算机。”黄铁军说，神经模拟计算是探索人工智能实现的新范式。在信息处理方面，目前的人工神经网络处理相对静态和固定的信息，而脉冲神经网络适用于处理与空间和时间高度相关的复杂信息流。

例如，当机器人看到豹子时，他们可以通过使用深度学习方法来识别豹子。然而，对于机器人来说，这只是系统中的一个信息标签，而这些信息似乎与它无关。机器无法结合这些信息来判断下一步的行动。当人们看到豹子时，他们不仅可以根据外表识别他们所面对的动物是野兽，还可以观察豹子的行动，甚至判断它们的真实环境，并根据综合信息判断它们是否需要逃跑。“这是真正的情报。智能不仅是信息的简单分类，也是综合处理时空信息和做出决策的过程。”黄铁军解释说，神经模拟计算是通过模拟生物神经网络，使机器具有接近甚至超越生物神经网络的系统，帮助机器感知自然界时空变化的信息，实时处理信息流并采取行动。

“电脑”超越人脑成为可能

深度学习的大规模应用对计算机的计算能力提出了更高的要求，同时也将经典计算机的能耗保持在一个较高的水平。然而，根据生物神经网络结构设计的神经模拟计算已成为大势所趋和必然选择。

德国海德堡大学的神经模拟工程师和物理学家卡尔海因茨迈耶迈耶(Karlheinz Meier Meier)说，与计算机相比，人脑有三个特点：第一，能耗低，人脑的功率约为20瓦，而目前试图模拟人脑的超级计算机需要数百万瓦；第二是容错。人脑总是失去神经元而不影响大脑中的信息处理机制，而如果失去晶体管，微处理器就会被摧毁。第三，不需要编程，大脑在与外界互动的过程中会自发学习和变化，而不会遵循预设算法(如实现人工智能的程序)所限制的路径和分支。

黄铁军认为，通过模仿生物神经网络来实现机器智能是一条非常重要的研究路线，甚至有可能在未来突破生物智能的上限。虽然生物神经网络是一个缓慢的系统，但每秒钟能产生的神经脉冲只有十几个，而且生物体获取和处理的信息量也相对较低，一旦生物神经网络电子化，其处理信息的能力将比模拟生物大脑高出几个数量级。

黄铁军说，当类似人脑的“计算机”成为现实时，它大大超过了人脑：就速度而言，“计算机”可以比人脑快几个数量级；就规模而言，没有头骨的限制，而且“计算机”可以根据需要进行扩展；就寿命而言，即使电子系统磨损了，它也可以被复制并迁移到新系统中，从而永生。在准确性方面，生物大脑的许多缺陷和短板将被“计算机”避免和弥补。

目前缺乏应用于现实的模型

尽管神经模拟计算有着广阔的前景，但在实际应用中仍面临着巨大的挑战。黄铁军认为，缺乏适用于现实的模型是神经模拟计算的最大瓶颈。

目前，许多研究者正在寻找突破瓶颈的方法。主要有两种技术途径：一是根据生物大脑结构和葫芦画设计一个神经模拟计算系统。然而，前提是要弄清楚生物神经网络的细节，如神经元的功能和结构以及突触连接的特征。

目前，人类大脑神经元的工作模式已被科学家普遍掌握，数百个大脑区域的功能划分已被证明，但大脑区域神经网络的细节仍是一个谜。如果把生物神经网络看作地球，那么一个神经元就是城市中的一个家庭。目前，城市之间的交通联系相对清晰，但这远远不够。也有必要弄清楚每个家庭是如何联系在一起的。人脑有近1000亿个神经元和数千亿个连接。可以想象分析详细的蓝图。

黄铁军认为，在20年内了解人脑神经网络的精细结构是非常可能的。他还提到研究大脑结构是一个长期的目标，目前的工作集中在斑马鱼、果蝇和其他动物的大脑结构上。他预测在几年内，果蝇的大脑(包含大约300，000个神经元)将能够清晰地分析，一个这种水平的脉冲神经网络模型将会出现。利用果蝇大脑模型，无人机可以更好地实现飞行、避障、追击等功能。

在生物神经网络蓝图完成之前，第二个技术途径是人工设计脉冲神经网络模型。这也是黄铁军团队的工作内容之一，如在初步了解生物视觉的基础上设计视觉脉冲神经网络模型；根据机器对目标检测、跟踪和识别功能的要求，研发超速专职视网膜芯片等。

专家表示，一旦实际问题能够解决，神经模拟计算将改变人工智能的发展模式。然而，深度学习作为一种基本方法仍然是有价值的，就像算法在他们的专业领域仍然发挥作用一样。此外，仿生神经网络是实现强人工智能的一种途径。各种生物智能是最好的证据，但这并不意味着所有的智能问题都应该通过仿生方法来解决。

"神经模仿并不是实现智能的唯一途径."黄铁军强调道。

延伸阅读

神经拟态芯片不会与AI加速器形成竞争

神经模拟芯片是实现神经模拟计算不可缺少的硬件之一。目前，市场上流行的神经模拟芯片和人工智能加速器都是为处理神经网络而设计的，神经网络比中央处理器性能更高，能耗更低。在这样的发展背景下，有人问：神经模拟芯片和人工智能加速器之间会有竞争吗？

英特尔人工神经计算实验室主任迈克戴维斯认为，人工神经芯片不能直接与传统人工智能加速器相比。人工智能加速器是为深度学习而设计的。它使用大量的数据来训练一个大的网络

黄铁军表示，神经模拟芯片和人工智能加速器的价值取向完全不同。神经模拟芯片是一种面向未来的技术，旨在创造一种新的架构和新的智能模型和系统。人工智能加速器是一项基于当前行业的技术。其目的是将“计算机软件”创建的人工神经网络硬件化，提高运行效率。“至于让人工智能处理时空信息和构建更复杂的神经网络，这不是人工智能加速器目前的重点。毕竟，从工业化的角度来看，最重要的是把它应用到现实场景中去解决实际问题。”

"因此，在神经模拟芯片和人工智能加速器之间不会有竞争."黄铁军表示，如果脉冲神经网络最终取代深度学习技术，今天人工智能加速器的制造商可能会转向神经模拟计算市场，但那是另一回事。