手机网站
手机网站
科学技术日报记者刘园园
深度学习到处都在开花，也许不是人工智能的终极方案。 无论是学术界还是产业界，都在考虑人工智能的下一个发展路径。 类脑计算已成为静静引人注目的“种子选手”之一。
12月16日至17日，由北京未来芯片技术高精尖创新中心与清华大学微电子研究所共同主办的“北京高精尖论坛和2019未来芯片论坛”在清华大学举行，此次论坛将为人工智能研究方向提供类脑计算成为众多权威专家热门话题
>； >； >； >；
人工智能波下的海流
类脑计算又称神经形态计算。 不仅是学术会议关注的新的关注点，产业界也在探索。
11月中旬，英特尔官方网站宣布，伊桑哲、空中巴士、通用电气公司和日立公司参加了英特尔神经形态研究社区( INRC )，现在拥有75个以上的成员机构。
如果现在人工智能发展的波涛汹涌，那么类脑计算就是波下的海流。 尽管不怎么引人注目，但未来可能改变人工智能的发展趋势。
原因之一是深度学习在语音识别、图像识别、自然语言理解等领域得到了广泛的突破，但其需要大量的计算能力，功耗也很高。
“我们希望智能驾驶车的驾驶水平像驾驶员一样，但现在明显达不到。 因为信息的智能判断和分析不够，消费电力也非常高。 清华大学微纳米电子系教授吴华强告诉科技日报记者，人工智能算法训练中心在执行任务时消耗数万瓦至数十万瓦，人脑能耗仅为20瓦左右。
北京大学计算机科学技术系教授黄铁军也举出了生动的例子。 在市场上应用深度学习技术的智能无人机已经很灵巧，但从智能的程度来看，和苍蝇和蜻蜓有很大的不同。 体积和功耗比后者高得多。
>； >； >； >；
追求模拟大脑的功能
什么是类脑计算，它赢得了学术界和产业界的宠爱？
黄铁军接受科学技术日报记者采访说:“类脑计算在结构上追求生物神经网络这样的系统的设计，在功能上追求模拟大脑的功能，在性能上追求大幅超越生物大脑的神经形态计算。”
类脑计算试图模拟生物神经网络的结构和信息加工过程。 在软件级的尝试之一是脉冲神经网络( SNN )。
现在的深度学习是通过卷积神经网络( CNN )和递归神经网络( RNN )来实现的。 “CNN和RNN都属于人工神经网络，其中人工神经细胞至今仍使用上世纪40年代的模型”黄铁军表示，目前设计的人工神经网络越来越大、越来越复杂，但基本上神经元模型没有多大改善。
另一方面，在深度学习人工神经网络中，神经元间的连接称为权重。 是人工神经网络的重要组成部分。
在脉冲神经网络中，神经元之间是神经脉冲，信息的表示和处理是通过神经脉冲发射来实现的。 就像我们的大脑里流动着很多神经脉冲。
黄铁军对记者说，由于神经脉冲不断传递和流动，脉冲神经网络在表现和处理信息时，比深度学习的时间性更突出，适合进行有效的时空信息处理。
>； >； >； >；
应用程序的普及可能不会花太多时间
在硬件水平上，也有实现神经形态芯片等类似脑计算的人。
2019年7月，英特尔宣布神经形态研究芯片Loihi执行专用任务的速度比普通CPU快1000倍，效率高10000倍。
“在信息编码、传输、处理方面，从大脑结构中得到启示，将这些想法应用于芯片技术，加快芯片处理速度，提高水平，降低功耗”吴华强也在进行关于神经形态芯片的研究，并向科技日报记者报道。
据吴华强介绍，在传统的冯·诺依曼框架中，信息的处理和记忆是分开的，人脑在处理信息时，记忆和处理是一体的。
“所以，我们正在努力开发集成了储备的芯片。 吴华强表示:“我们希望在芯片内部不断传输数据，大幅度提高芯片的能力比。”他的团队现在开发出了预算一体的样品芯片。
关于类脑计算的进展，黄铁军告诉记者，类脑计算还处于摸索阶段，缺乏典型的成功应用。 但商业公司可能花不了多少时间来嗅味道，使相关技术得到规模的应用。
“目前神经形态计算还很初步，其发展水平与目前主流的人工智能算法相比还有一定差距”中国科学院自动化所研究员张兆翔在接受科技日报记者采访时，要坚持认为，作为一种新的探索方式，它可能是未来人工智能技术发展的重要突破口。
审查:王小龙
