类脑智能已然成为人工智能领域中的热词。近日，“问天I”类脑计算机技术成果在江苏南京发布，该计算机模拟大脑神经网络运行，是国内目前技术领先、规模最大的类脑计算机。
类脑智能又被称为神经形态计算，它通过模仿人类大脑的运作方式，让计算机软硬件实现信息高效处理。相比传统意义上的人工智能，它具有低功耗、高算力的特点。
“人脑是目前已发现的最复杂的信息处理系统，它的简约高效无与伦比。因此人工智能领域的专家们设想，能否以大脑为原型开发出更强大的人工智能。”谈起类脑智能，北京工商大学计算机与人工智能学院教授吴静珠对科技日报记者表示。
模型驱动的人工智能技术存在局限
今年，多款大语言模型面世，全球掀起了一波又一波人工智能热潮。目前，以大模型为代表的人工智能主流应用，事实上都是模型驱动的。程序开发者为软件设置了行为和结构，在此基础上，软件可以通过数据不断得到训练，形成可以与人互动的人工智能。
“这种技术路线的局限性很明显，大模型需要高质量的标注数据，我们不得不为此付出很多人力；更为突出的问题是大模型训练所耗费的计算资源非常庞大，需要超级算力的支撑。另外这种人工智能的自主学习、自适应能力较弱，逻辑分析和推理能力相对欠缺。”吴静珠介绍。
1956年，在计算机科学大家云集的达特茅斯会议上，科学家们就提出或许可以依托脑神经科学和认知科学这两大基础领域，建立多学科协同的工作机制，开发出达到甚至超越人类水平的人工智能。但是，对于当时的技术水平来说这些想法太过超前，无法实施，直到近些年才被提上日程。
吴静珠强调，脑科学和认知科学是开发类脑智能最重要的基础学科。近年来，随着功能核磁共振等成像技术的发展，人类对大脑的认知水平有了很大提高，这为仿照大脑设计计算机软硬件提供了必要条件。
软类脑和硬类脑是实现类脑智能的两大路径
北京工商大学教授、发展中世界工程技术科学院院士韩力群认为，简单来说，类脑智能的实现路径大致可以分为软类脑和硬类脑两类。吴静珠解释道，这二者的主要区别在于侧重点不同，前者重算法，后者重硬件。虽然路径不同，但是总体来看二者相辅相成。
软类脑主要侧重让算法和模型能够模拟大脑的工作模式。虽然没有神经细胞、蛋白质等物质，但是计算机可以模仿大脑的信息加工机制，把现实中的物质形式化，从而在软件中模拟大脑。
硬类脑主要侧重在硬件材料方面寻求突破，通过开发神经形态的芯片（如类脑芯片）和其他介质，以生物电子学、神经形态工程等学科为基础，模拟生物神经元乃至整个大脑。韩力群表示，硬类脑走的道路就是“先追求形似，再考虑神似”。在一枚理想的类脑芯片当中，包含许多相当于神经元的处理器，这些处理器之间的通信系统相当于神经纤维，突触等结构可能也会被模拟。
吴静珠介绍，软类脑路线和传统人工智能的开发同样强调算法，有较多的技术积累，所以目前发展速度较快。而硬类脑所需的新材料、新产品在研发上还处于起步阶段。
“虽然软类脑和硬类脑的实现路径不同，但是从大方向上看，它们的目标是一致的，两种路线的探索过程和创造出的成果也能为彼此提供支持。所以说，两条实践路径都是有价值的。”吴静珠说。
类脑智能技术发展需多学科交叉协作
吴静珠介绍，2013年左右，部分发达国家的类脑智能研究率先起步，我国的相关研究是在2016年左右启动的。截至目前，北京、上海的一些高校和科研机构已经取得了一些成果。如2019年8月，清华大学施路平团队开发出了全球首款异构融合类脑计算芯片，该芯片结合了类脑计算和基于计算机科学的机器学习技术，有望促进人工通用智能（AGI）的研究和发展；2020年1月，清华大学钱鹤、吴华强团队与合作者研发出全球首款多阵列忆阻器存算一体芯片。
在产业界，百度、科大讯飞(46.050, 1.66, 3.74%)、阿里巴巴、华为等企业都在近几年提出了一些与类脑智能应用相关的概念，随着类脑科学研究取得进展，“电子脑”正在从文字概念转向现实应用。据了解，已经正式开展应用的“问天I”类脑计算机具备5亿神经元、2500亿突触智能规模，神经元数、突触规模位居全球第二，较现有计算系统能效提升10倍以上。在成果发布会上，“问天”类脑超算团队表示，将继续研发新一代类脑计算机，进一步革新类脑计算芯片架构与软件系统框架，打造引领未来发展的类脑计算平台。
尽管类脑智能技术已经取得了很大进步，但人类目前对人脑的了解依然是不够的。吴静珠提醒，人类目前对于人脑和神经系统如何产生感觉、知觉、情绪、思维、意识，如何创造语言、行为，仍然一知半解。类脑智能研究要想取得更高水平的研究成果，就需要更多脑科学和认知科学领域的基础理论研究和成果突破。
“类脑智能还需要生物医学、计算机、电子信息技术等多领域多学科的交叉协作才能取得更高层次的发展。尽管刚刚起步，但我相信它的未来值得期待。”吴静珠总结道。
