深度学习正各处着花，但它可能并非人工智能的终极方案。
无论是学术界还是家当界，都在思考人工智能的下一步发展路径：类脑打算已悄然成为备受关注的“种子选手”之一。

　　12月16日至17日，由北京未来芯片技能高精尖创新中央及清华大学微电子学研究所联合主理的“北京高精尖论坛暨2019未来芯片论坛”在清华大学举行，这次论坛上，类脑打算成为多位威信专家热议的人工智能研究方向。

　　人工智能浪潮下的洋流

　　类脑打算又被称为神经形态打算（Neuromorphic Computing）。
它不仅是学术会议关注的新热点，家当界也在探索之中。

　　11月中旬，英特尔官网宣告了一则：埃森哲、空中客车、通用电气和日立公司加入英特尔神经形态研究共同体（INRC），该共同体目前已拥有超过75个成员机构。

　　如果说，当下人工智能发展浪潮正波涛彭湃的话，类脑打算便是浪潮之下的洋流。
虽不太引人把稳，未来却有可能改变人工智能发展趋势。

　　缘故原由之一是，深度学习虽在语音识别、图像识别、自然措辞理解等领域取得很大打破，并被广泛运用，但它须要大量的算力支撑，功耗也很高。

　　“我们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。
由于它对信息的智能判断和剖析不足，功耗也非常高。
”清华大学微纳电子系教授吴华强见告科技日报，人工智能算法演习中央在实行任务时动辄花费电量几万瓦乃至几十万瓦，而人的大脑耗能却仅相称于20瓦旁边。

　　北京大学打算机科学技能系教授黄铁军也举了一个生动的例子：市场上运用深度学习技能的智能无人机已经十分机动，但从智能程度上看，却与一只苍蝇或蜻蜓相差甚远，只管体积和功耗比后者高很多。

　　追求仿照大脑的功能

　　到底什么是类脑打算，它又凭什么赢得学术界和家当界的宠爱？

　　“类脑打算从构造上追求设计出像生物神经网络那样的系统，从功能上追求仿照大脑的功能，从性能上追求大幅度超越生物大脑，也称神经形态打算。
”黄铁军接管科技日报采访时说。

　　类脑打算试图仿照生物神经网络的构造和信息加工过程。
它在软件层面的考试测验之一是脉冲神经网络（SNN）。

　　现在深度学习一样平常通过卷积神经网络（CNN）或递归神经网络（RNN）来实现。
“CNN和RNN都属于人工神经网络，个中的人工神经元，至今仍在利用上世纪40年代时的模型。
”黄铁军说，虽然现在设计出的人工神经网络越来越大，也越来越繁芜，但从根本上讲，其神经元模型没有太大改进。

　　另一方面，在深度学习人工神经网络中，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。
就像我们的大脑中，有大量神经脉冲在通报和流转。

　　黄铁军见告，由于神经脉冲在一直地通报和流转，脉冲神经网络在表达和处理信息时，比深度学习的韶光性更突出，更加适宜进行高效的时空信息处理。

　　推广运用可能不需太久

　　也有人从硬件层面去实现类脑打算，比如神经形态芯片。

　　2019年7月，英特尔发布称，其神经形态研究芯片Loihi实行专用任务的速率可比普通CPU快1000倍，效率高10000倍。

　　“在对信息的编码、传输和处理方面，我们希望从大脑机制中得到启示，将这些想法运用到芯片技能上，让芯片的处理速率更快、水平更高、功耗更低。
”吴华强也在进行神经形态芯片干系研究，他见告科技日报。

　　吴华强先容，在传统的冯·诺依曼架构中，信息的处理和存储是分开的，而人的大脑在处理信息时，存储和处理是融为一体的。

　　“以是我们在考试测验研发存算一体化的芯片，希望通过避免芯片内部一直地搬运数据，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。

　　谈到类脑打算的进展，黄铁军见告，目前类脑打算仍在摸索阶段，还缺少范例的成功运用。
但商业公司已经嗅到味道，干系技能得到规模性运用可能不须要太永劫光。

　　“现在的神经形态打算还比较初步，它的发展水平跟现有主流人工智能算法比较，还存在一定差距。
”中科院自动化所研究员张兆翔接管科技日报采访时认为，但作为一种新的探索办法，该当连续坚持，由于它可能便是未来人工智能技能发展的主冲要破口。