类脑计算：人工智能发展的终极目标

□ 文 / 杨 瑾 杭州市科技信息研究院

近年来，随着大脑成像、脑机交互、生物传感、大数据处理等新技术不断涌现，脑科学与计算技术、人工智能、纳米材料、认知心理等学科的交叉融合，正酝酿着重大理论与技术突破，催生了新一代的类脑计算技术，为疾病诊断、智能机器人、通用人工智能等战略性新兴产业带来巨大的发展机遇。类脑计算已成为全球产业发展和升级新的爆发点和增长点。

类脑计算的基本阐释

类脑计算从狭义上讲，主要是指神经形态计算，即研制神经形态芯片以支持源自计算神经科学的脉冲神经网络（Spiking Neural Networks，SNN）；从广义上讲，是借鉴生物神经系统信息处理模式和结构的计算理论、体系结构、芯片设计以及应用模型与算法的总称。

类脑计算是一种颠覆传统计算架构的新型计算模式，就是用硬件及软件模拟大脑神经网络的结构与运行机制，构造一种全新的人工智能系统，而硬件或者芯片上模拟复杂神经网络的完整可用的计算系统则被称作类脑计算机。

通俗地说，类脑计算的目的是通过借鉴脑神经系统的工作原理，实现高性能、低功耗的计算系统。类脑计算是人工智能发展的终极目标，但类脑计算不可能复制人的大脑。类脑计算希望通过研究人类大脑的工作机理并模拟出一个和人类一样具有思考、学习能力的机器人。

如今，基于机器学习的人工智能技术已经深入到许多不同的研究领域。然而，机器学习往往需要大量的数据，并且它还面临着无法进行推理的困境。为了突破这一瓶颈，科学家们开始转向对人脑的借鉴与研究，他们认为类脑计算将是未来人工智能的发展方向。

归纳起来，类脑计算是以“人造超级大脑”为目标，借鉴人脑的信息处理方式，模拟大脑神经系统，构建以数值计算为基础的虚拟超级脑；或通过脑机交互，将计算与生命体融合，构建以虚拟脑与生物脑为物质基础的脑机一体化的超级大脑，最终建立新型的计算结构与智能形态。其主要特征包括：以信息为主要手段，用信息手段认识脑、模拟脑乃至融合脑；以人造超级大脑为核心目标，包括以计算仿脑为主的虚拟超级脑，以及虚拟脑与生物脑一体化的超级大脑这两种形态；以学科交叉会聚为突破方式，不单是计算机与神经科学交叉，还需要与微电子、材料、心理、物理、数学等大学科密切交叉汇聚，才有更大机会取得突破。

类脑计算要全面实现“懂脑、仿脑、连脑”，脑认知基础、类脑模拟、脑机互联三个方面缺一不可。因此，可以将类脑计算的主要内容归纳为三个方面：信息手段认识脑、计算方式模拟脑、脑机融合增强脑。其中，信息技术贯穿始终。

类脑计算要做的，就是在硬件和软件上类脑（braininspired）或仿脑（brain-like）。类脑的意思是说，受脑启发，结构机理类脑、认知行为类人；仿脑的意思是说，先设计更先进的探测分析工具，从结构上解析大脑，然后再利用工程技术“照葫芦画瓢”构造仿脑装置，最后再培育这个人造大脑。

目前，国际上的传统计算架构就是冯诺依曼体系架构，基于冯诺依曼体系架构的计算技术升级日渐乏力，所以通过计算体系架构创新以实现计算能力的快速升级，成为中长期计算技术创新的重要方向。量子计算和类脑计算是目前主要的创新方向，并且与传统冯诺依曼体系都有着本质性差异（如表1）。量子计算因量子态与原子比特对信息表达方式不同，将彻底改变现有二进制的计算模式；类脑计算则将彻底变革冯氏体系中计算存储和通信之间的逻辑关系。

表1 类脑计算与量子计算、传统计算的对比

类脑计算的技术发展现状

目前，类脑计算整体仍处于单点技术突破阶段，我国与全球的研发进展基本处于同步。美国在神经形态芯片、核心算法方面暂时领先；我国在基础理论、交互产品方面发展较为突出，是全球首次完成小鼠脑图谱和人类脑图谱绘制的国家。

全球类脑计算相关技术发展历程

类脑计算属于计算机研究范畴。短短几十年间，现代计算机使用的电子器件经历了电子管、晶体管、中大规模集成电路、超大规模集成电路等阶段，持续更新换代。但时至今日，通过提高集成电路的晶体管集成度来提升计算能力的模式已难以为继，材料的物理与化学性能的变化导致半导体器件不能正常工作。如何以新的处理机制解决计算机的计算能力限制，成为信息科学发展最为紧迫和最为前沿的问题之一。

类脑计算领域的相关研究为新一代计算变革带来了希望。以大脑为模仿对象建立新一代计算技术体系，既可以保留计算机的既有优势，又可以叠加人脑处理信息的诸多优势，将有望打破冯诺伊曼架构的束缚，实现存储处理一体化、超低能耗和超大规模并行信息处理。

自上世纪末起，美国和欧洲就以阐明大脑和神经系统机制原理为目标开展脑科学研究，随后日韩加德英等国陆续发布脑科学研究计划，围绕神经形态计算、脑计算等类脑计算领域开展科研布局。

美国的创新性神经技术大脑研究计划(BRAIN Initiative)旨在绘制出显示脑细胞和复杂神经回路快速相互作用的脑部动态图像，研究大脑功能和行为的复杂联系。

欧盟人类脑计划(Human Brain Project)的目标是开发信息和通信技术平台，致力于神经信息学、大脑模拟、高性能计算、医学信息学、神经形态的计算和神经机器人的研究，侧重于通过超级计算机技术来模拟脑功能，以实现人工智能。

韩国脑计划的核心是破译大脑的功能和机制，其研究的核心领域包括在多个尺度构建大脑图谱、开发用于脑测绘的创新神经技术、加强人工智能相关研发和开发神经系统疾病的个性化医疗。

中国脑计划主要研究方向是以探索大脑秘密、攻克大脑疾病为导向的脑科学研究，以及以建立和发展人工智能技术为导向的类脑研究。

2016 年是类脑计算机发展元年，全球同时上线3 款类脑计算机，美国的TrueNorth、德国的BrainScales、英国的SpiNNaker，这些计算机是基于不同思路和架构设计的。

类脑计算芯片是生产类脑计算机最关键的部件，可以说是人类大脑的硬件电路形式。类脑芯片主要负责模拟大脑神经元的功能特性、信号传递和学习方式，让计算机在低电能消耗情况下完成感知、学习、记忆、决策等智能任务。

从功能角度看，目前研究的类脑计算芯片主要分为几类：主要支持人工神经网络的深度学习加速器（TPU、寒武纪、华为昇腾等芯片）；主要支持脉冲神经网络的神经形态芯片（TrueNorth、Loihi、达尔文等芯片）；支持人工/脉冲神经网络的异构融合芯片（Tianjinc芯片）；以及支持神经元编程的脑仿真模拟芯片（SpiNNaker、ROLLS、Loihi 等芯片）；具备低时延、高动态的神经形态相机为代表的感知芯片。

我国类脑计算相关技术发展

类脑计算是我国的战略发展制高点。

2016 年，国务院发布《“十三五”国家科技创新规划》，战略部署脑科学与类脑科学研究。

2017 年，中国科学技术大学作为承担单位，建设类脑智能技术及应用国家工程实验室。

2018 年，北京与上海相继成立“脑科学与类脑智能研究中心”，标志着中国脑计划正式拉开序幕。此外，在类脑计算与脑机智能发展上，上海交通大学、复旦大学均有团队在开展脑机接口、脑成像等方向的研究。

2019 年8 月，清华大学施路平团队发布研究成果——类脑计算芯片“天机芯”。该芯片是世界首款异构融合类脑芯片，也是世界上第一个既可支持脉冲神经网络又可支持人工神经网络的人工智能芯片。该成果在《自然》杂志作为封面文章发表，实现了中国在芯片和人工智能两大领域内《自然》论文零的突破。

2020 年9 月，浙江大学联合之江实验室共同研制出我国首台基于自主知识产权类脑芯片的类脑计算机（Darwin Mouse），这是一台能像人一样“回忆”、可以“闻”气味的计算机。朝着计算机念一句“春眠不觉晓”，它就能凭着“记忆”很快接着念出“处处闻啼鸟”；朝它喷杀虫剂，它会显示出“注意有毒气体”的感知反馈。该类脑计算机在神经元规模上超越了德国海德堡大学的BrainScaleS、IBM 公司的 Blue Raven 和英特尔公司的Pohiki Springs 三大类脑计算系统，是目前国际上神经元规模最大的类脑计算机。该研发是一次重要的计算模式变革，标志着我国的类脑计算机进入了一个新的发展轨道。

2020年10月，清华大学计算机系张悠慧团队和精仪系施路平团队与合作者在《自然》杂志发表题为《一种类脑计算系统层次结构》的论文，填补了类脑计算系统领域完备性理论与相应的类脑计算系统层次结构方面的空白。

类脑计算的未来展望

类脑计算的发展前景十分广阔。未来，类脑计算既可用于生活中各种智能任务的处理，开拓人工智能的应用场景；也可用于神经科学、脑科学研究，为神经科学家提供更快更大规模的仿真工具，提供探索大脑工作机理的新实验手段。

在科学家们的设想中，类脑计算机的智能未来将接近人脑乃至某些方面超越人脑。它可以从科学家创造的虚拟环境中获取知识，在现实环境中接受各种信息的熏陶，甚至是用机器人的身体和蝴蝶起舞实现互动。通过对它进行信息刺激、训练和学习，类脑计算机有机会获得人脑类似的智能，实现智能培育和进化。在神经元和突触的自我调节的过程中，计算机进行学习、会话、推理等类人运算，实现更高级的智能。

但是，类脑计算机的运算速度很难与现有的计算机比较。例如用于检测CPU 或超算的指标，很多都不是类脑计算机所擅长的。普通计算机能做的事情，类脑计算机不是都能做的。类脑计算机主要将用于处理其擅长的人工智能任务，并不会完全替代冯诺依曼架构的传统计算机，两者互补与融合会是未来的可能趋势。

虽然类脑计算的基础理论和核心技术已取得不少突破，但当前该技术还处于初级阶段，无论在规模上，还是在智能化程度上，都无法和真正的人脑相比。如何寻找兼具生物合理性与计算高效性的脉冲神经元模型，如何建立脉冲神经元模型与AI任务之间的关系是类脑计算领域的核心问题，未来还需要重点攻克。随着神经模型、学习算法、类脑器件、基础软件和类脑应用等方面不断取得突破，类脑计算即将迎来更为蓬勃的创新和发展。