日韩一级一片

　   人工智能技术越来越成为我們的日常话题，不再是陌生的高科技，不再是遥远的高科技，随着科技的进一步发展，人工智能继续迭代，类脑计算悄然走红，那什么是类脑计算呢？我們看看专家们是怎么来诠释的。

　　據科技日報報道，12月16日至17日，由北京未來芯片技術高精尖創新中心及清華大學微電子學研究所聯合主辦的“北京高精尖論壇暨2019未來芯片論壇”在清華大學舉行，這次論壇上，類腦計算成爲多位權威專家熱議的人工智能研究方向。

　　類腦計算又被稱爲神經形態計算（NeuromorphicComputing）。它不僅是學術會議關注的新熱點，産業界也在探索之中。

　　11月中旬，英特爾官網宣布了一則消息：埃森哲、空中客車、通用電氣和日立公司加入英特爾神經形態研究共同體（INRC），該共同體目前已擁有超過75個成員機構。

　　如果說，當下人工智能發展浪潮正波濤洶湧的話，類腦計算就是浪潮之下的洋流。雖不太引人注意，未來卻有可能改變人工智能發展趨勢。

　　原因之一是，深度學習虽在語音識別、图像识别、自然語言理解等领域取得很大突破，并被广泛应用，但它需要大量的算力支撑，功耗也很高。

　　“我們希望智能驾驶汽车的驾驶水平像司机一样，但现在显然还达不到。因为它对信息的智能判断和分析不够，功耗也非常高。”清华大学微纳电子系教授吴华强告诉科技日報记者，人工智能算法训练中心在执行任务时动辄消耗电量几万瓦甚至几十万瓦，而人的大脑耗能却仅相当于20瓦左右。

　　北京大学计算机科学技术系教授黄铁军也举了一个生动的例子：市场上应用深度學習技术的智能无人机已经十分灵巧，但从智能程度上看，却与一只苍蝇或蜻蜓相差甚远，尽管体积和功耗比后者高很多。

　　到底什麽是類腦計算，它又憑什麽贏得學術界和産業界的寵愛？

　　“类脑计算从结构上追求設計出像生物神经网络那样的系统，从功能上追求模拟大脑的功能，从性能上追求大幅度超越生物大脑，也称神经形态计算。”黄铁军接受科技日報记者采访时说。

　　類腦計算試圖模擬生物神經網絡的結構和信息加工過程。它在軟件層面的嘗試之一是脈沖神經網絡（SNN）。

　　现在深度學習一般通过卷积神经网络（CNN）或递归神经网络（RNN）来实现。“CNN和RNN都属于人工神经网络，其中的人工神经元，至今仍在使用上世纪40年代时的模型。”黄铁军说，虽然现在設計出的人工神经网络越来越大，也越来越复杂，但从根本上讲，其神经元模型没有太大改进。

　　另一方面，在深度學習人工神经网络中，神经元之间的连接被称为权值。它们是人工神经网络的关键要素。

　　而在脉冲神经网络中，神经元之间却是神经脉冲，信息的表达和处理通过神经脉冲发送来实现。就像我們的大脑中，有大量神经脉冲在传递和流转。

　　黄铁军告诉记者，由于神经脉冲在不停地传递和流转，脉冲神经网络在表达和处理信息时，比深度學習的时间性更突出，更加适合进行高效的时空信息处理。

　　也有人從硬件層面去實現類腦計算，比如神經形態芯片。

　　2019年7月，英特爾發布消息稱，其神經形態研究芯片Loihi執行專用任務的速度可比普通CPU快1000倍，效率高10000倍。

　　“在对信息的编码、传输和处理方面，我們希望从大脑机制中获得启发，将这些想法应用到芯片技术上，让芯片的处理速度更快、水平更高、功耗更低。”吴华强也在进行神经形态芯片相关研究，他告诉科技日報记者。

　　吳華強介紹，在傳統的馮·諾依曼架構中，信息的處理和存儲是分開的，而人的大腦在處理信息時，存儲和處理是融爲一體的。

　　“所以我們在尝试研发存算一体化的芯片，希望通过避免芯片内部不停地搬运数据，来大幅提高芯片的能效比。”吴华强说，他的团队现在也已研发出存算一体的样品芯片。

　　談到類腦計算的進展，黃鐵軍告訴記者，目前類腦計算仍在摸索階段，還缺乏典型的成功應用。但商業公司已經嗅到味道，相關技術獲得規模性應用可能不需要太長時間。

　　“现在的神经形态计算还比较初步，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。”中科院自动化所研究员张兆翔接受科技日報记者采访时认为，但作为一种新的探索方式，应该继续坚持，因为它可能就是未来人工智能技术发展的重要突破口。（记者刘园园）

　　看完了這篇報道，想必您也堆類腦計算有了了解。想要在AI人工智能方面發展和探索，就要了解行業的新知識和新動態。北京分形科技也在AI人工智能方面积极的探索，我們对于人工智能的知识是非常渴望的，并在AI人工智能公園方面积累了宝贵的经验，更多相关信息，欢迎您咨询北京分形科技！