現(xiàn)在，我們重提類腦計算，與30年前比，有什么不一樣的背景呢？
“神經科學、計算機科學、神經網(wǎng)絡理論近20年來的長足進步，以及大數(shù)據(jù)時代對智能計算的需求，使我們今天再次聚焦類腦計算。”鄭南寧分析說，隨著腦與認知科學的研究發(fā)展和觀測大腦微觀結構技術手段日益豐富，人們已經可以在微觀水平觀測到神經元的結構、不同腦區(qū)的形態(tài)，以及神經元放電、不同神經元如何構成神經網(wǎng)絡等信息處理過程。結合這些實驗觀察，智能科學及計算模擬已可以在計算機上部分模擬腦信息處理過程。
譚鐵牛也認為，對人腦層次化信息處理機制的初步借鑒、基于大樣本數(shù)據(jù)的訓練、實現(xiàn)端對端的映射深度學習算法，這些進步促進了人工神經網(wǎng)絡的復蘇，并已在語音識別、大規(guī)模圖像分類、人臉識別中大幅提高了現(xiàn)有的人工智能識別精度。
但這些進步只是提供了突破的可能，我們現(xiàn)有的技術基礎距類腦智能的實現(xiàn)還有很長距離。
我們尚未搞清楚大腦的工作機理：睡眠狀態(tài)下，大腦記憶得到了強化，它的內在機理是什么？大腦用來處理外界激勵的能量消耗只占很小比例，那些與刺激無關的能量消耗到底做了什么？
我們也很難用現(xiàn)有的馮諾依曼結構電腦來構建大尺度的神經形態(tài)計算系統(tǒng)。類腦計算本身需要打破馮諾依曼結構、把類似大腦的突觸做到芯片上，但目前的神經突觸芯片還在實驗室階段，不能走向實用。而如果用超級計算機平臺來模擬整個大腦的計算能力，需要10的18次方浮點運算能力，這樣的超級計算機，預計到2019年至2023年才能出現(xiàn)。
“類腦計算是一場令人興奮又望而生畏的艱難挑戰(zhàn)，需要組織多學科交叉的大團隊研究。”鄭南寧建議大家保持冷靜思考，避免期望值過高帶來的失望。“期望值過高，又沒有達到預期，隨之帶來的可能是學科發(fā)展的低落甚至災難，使最初的目標成為皇帝的新衣。”
模擬神秘大腦從哪里“入手”
那么，要完成當前類腦智能的艱難挑戰(zhàn)，我們需要沖破哪些關口呢？
鄭南寧認為，與現(xiàn)有的馮諾依曼結構計算機相比，類腦計算的技術路線，需要從組件到系統(tǒng)的網(wǎng)絡規(guī)模、計算能力上漸次逼近大腦。馮諾依曼結構采用系統(tǒng)同步時鐘，類腦計算需要采用事件驅動模式；馮諾依曼結構運算和存儲分離，類腦計算運算和存儲要達到深度耦合；馮諾依曼結構可以高效執(zhí)行預定的精確數(shù)值運算，類腦計算要具備學習能力、擅長發(fā)現(xiàn)復雜數(shù)據(jù)中的規(guī)律和模式；馮諾依曼結構只有有限的容錯性能，類腦計算需要低能耗高容錯……
當前，IBM等利用超級計算機模擬與人腦相似的大規(guī)模神經網(wǎng)絡，但結果并不理想。鄭南寧認為其原因在于：“人腦不同腦區(qū)具有不同結構和功能，用相同結構的大規(guī)模神經網(wǎng)絡模擬整個人腦并不合理。我們應該針對不同腦區(qū)的不同功能，設計不同結構的神經網(wǎng)絡，模擬其學習與認知功能。”
此外，神經生理學的大量實驗告訴我們，人類大腦皮層各功能區(qū)域之間的關系極為復雜。因此，在實現(xiàn)類腦計算機的體系結構時，解決各層次和各處理模塊之間的關聯(lián)，也是一個巨大的挑戰(zhàn)。
類腦智能需要模擬神秘的大腦，但又不能只模擬神秘的大腦。
“從計算科學和工程學觀點看，類腦計算是一門以仿生學為基礎的，但又超越仿生學的工程研究。研究類腦智能計算并非復制人的大腦，而是模擬人類大腦的功能。”鄭南寧表示，僅研究人的思維活動或記錄腦中所有神經元不可能研制出真正的智能機器。“對鳥的詳細研究不可能對如何制造飛機提供更多啟示，對飛機的真正理解是來自飛行的研究。”
當前，世界各國在類腦智能方向的研究都剛剛啟動，我國在這方面的研究也蓄勢待發(fā)，這也許將成為我國人工智能發(fā)展的一個重要機會。
據(jù)悉，作為本次論壇主要承辦單位的中科院自動化所就已率先啟動了類腦智能研究，成立了類腦智能研究中心，并已取得部分階段性成果，比如研究并初步實現(xiàn)了具有自主學習能力的類腦計算系統(tǒng)，并圍繞環(huán)境感知與交互、類腦自動推理、類人機器人等開展了應用驗證。
譚鐵牛說，我國人工智能整體發(fā)展水平與發(fā)達國家相比仍然存在較大差距，在基礎理論和整體應用水平等方面與發(fā)達國家相比差距較大。“人工智能經過近60年的發(fā)展開始進入爆發(fā)增長期，類腦智能將成為弱人工智能通往強人工智能的途徑。目前類腦智能取得的進展只是對腦工作原理初步的借鑒，未來的機器智能研究需要與腦神經科學、認知科學、心理學深度交叉融合，這是我們的機會。”
