6月22日，AI界大佬共聚合肥，商討人工智能的未來——“類腦智能”。
在第二屆中國（合肥）類腦智能高峰論壇上，百餘位知名學者及行業大咖匯聚於此，以“類腦智能·駕馭未來”的主題，進行類腦智能技術的高峰對話。
現在的市面上充斥著各類AI“小聾瞎”“小笨蛋”，讓人們逐漸以為它們便是AI的真實模樣。
其實，無論是在科幻大片裡，還是在幾代研究人員的心目中，“類腦智能”始終都作為AI研究的終極目標而存在。
所謂“類腦智能”，通俗來說就是擁有人造大腦、會思考、會學習的智能體。本質上，它就是一個利用算法模擬神經元工作機制，製造在信息處理機制上類腦，在認知能力上類人的計算模型。
近年來發展起來的深度神經網絡模型，正是該領域所取得的一大突破。它的核心思想是模擬人腦分區化、層次化的信息處理機制，在模式識別和人工智能應用領域取得了巨大成功。
即便如此，“類腦智能”的未來，還是停留在遙遠的彼方。
為何我們還未擁有“類腦智能”？
“類腦智能”所需的是讓計算機成為一個不聾不瞎，能跑能跳、聰明機智的仿生人，需要視覺聽覺、信息處理、運動控制的有機結合，它的研發不僅僅基於算法領域取得的進展，其動能的來源，是腦科學。
就像大腦能夠實現對生物體各類功能的控制那樣，“類腦智能”的核心思想就是通過給機器“移植大腦”，從而“克隆”人類行為。既然如此，便少不了對人類大腦的種種研究。
人類的大腦有多複雜？它能讓牛頓創造微積分，能讓李白寫出“欲上青天攬明月”，能讓達芬奇畫出蒙娜麗莎，也能讓梅西成為世界聞名的球員。
這一切原因，在於上千億神經元能夠通過百萬億突觸實現協同運作。一個人的大腦中擁有數千萬個幾何結構，結構層次最高能到11維，它們分佈不均、數量龐大、功能繁雜，是一個濃縮的宇宙。
由此，要對大腦進行模擬，需要從三個方面入手。
首先是微觀理解神經元、突觸的工作機制及其特性。
通過一道道電流，我們的肌肉收到指令，我們的腦海浮現場景。這些電流正如計算機中的0和1，排列組合之下產生不同的效果。可以說，這種工作機制是最容易在計算機世界裡被量化的東西，自然也就成為“類腦智能”領域最基礎的研究範疇。
其次是宏觀分析腦區間的鏈路及協作。
“類腦智能”自然不會是“終其一生”只能做一件簡單事的機器，而是可以作為以身涉險的消防員、勤加持家的管家而存在的“仿生人”。這就要求其“大腦”能夠管控協調多重功能，讓機器人說話時運動功能不受影響，視物時能夠看圖說話，必然也少不了對不同功能腦部區間的研究。
最後是從介觀，也就是從神經網絡連接模式來了解微觀與宏觀層面的協作。
縱然，腦科學在這三方面都取得了一定的進展，尤其是微觀層面對於神經元與突觸結構性與功能性的研究，給“類腦智能”的研發輸送了強有力的支援。
但未知的謎題還有許多，諸如：我們該如何模擬記憶，才能讓機器的運作不像安卓手機那樣，越來越慢？不同的神經元連接模式對應的功能差異對於認知功能的實現具有何種意義，是否有必要捨棄簡潔明快的算法轉而追求複雜結構？層次化分區化思考如何實現，信息處理應該有怎樣的優先級？
當然，掣肘“類腦智能”發展的，不僅僅是腦科學方面的進展。
目前而言，絕大部分的腦科學發現都難以有效地運用到人工智能領域。因而，“類腦智能”研究需要加強人工神經網絡和生物神經網絡在工作機制、結構功能和記憶學習上的擬合，尤其迫切需要圍繞兩個方向進行科研攻關。
首先迫切需要發展的，是更加高效能的新一代人工神經網絡模型。
如今的深度神經網絡模型雖然已經在一定程度上借鑑了神經系統的工作原理，並具備相對完整的編解碼、學習與訓練方法，但其並不具備大腦的腦容量以及多功能協作的能力，計算效能也並不突出。
其次，讓類腦學會“終生學習”也同樣重要。
目前的機器學習侷限於監督學習、無監督學習和強化學習三個層面。基於這三個層次研發的人工智能，只能從數據庫獲取“知識”，缺乏從周圍環境對知識、模型結構和參數進行學習和自適應進化。
而讓機器像人一樣不斷地自主學習，正是機器學習的最高目標，這需要監督學習、無監督學習、半監督學習、增量學習、遷移學習、多任務學習、交互學習等多種靈活方式綜合應用。
研發“類腦智能”，高校在做什麼？
“類腦智能”研發變現難、投入大，需要政府的大力支持。而早在中國的《“十三五”國家科技創新規劃》之前，20世紀90年代之初便陸續有國家開始關注“類腦智能”研發。
而到了2013年，美國和歐盟相繼提出“類腦智能”國家計劃，加拿大、日本、德國、英國等也先後加入潮流，希望搶佔未來技術的制高點、掌握未來戰略的主動權。
政府的力量終究只侷限與資本方面，人才的培育和引進還要依仗高校和行業。
在中國，類腦智能技術及應用國家工程實驗室是目前最大的一股研究力量。
目前，工程實驗室已在腦圖譜測繪、腦成像、類腦信息處理等方向上取得了亮眼成果，並提出了3000塊GPU、20PB數據存儲及處理能力的基礎設施建設目標。
然而，這一切還遠遠不夠。與發達國家相比，我國在類腦智能的基礎前沿研究、軟硬件結合的類腦智能機器人等領域實力仍然較弱。讓高校真正站起來，成為中國“類腦智能”的頂樑柱，是眼下的當務之急。
目前，高校的力量首先體現在教學上。例如中科大就在本科生教育中開設了腦與認知科學導論這一門必修課。而浙江大學、中山大學也有著類似的課程。
然而，“類腦智能”研究集合了腦科學、心理學、認知科學、生理學及計算機科學，僅僅依靠一本教材一門課，除了能讓學生明白諸如DNN、SNN等框架的原理所在及應用方向，對於想要真正達到人才輸送的目的來說，猶如杯水車薪。
因此，如何在高校內完成學科交叉融合成為了世界難題。
目前比較好的做法是依靠相關課程的教師，對於本科生進行合理的興趣引導，對於研究生及博士生進行研究指導。
而通過雙學位輔修或多專業有側重點地開設相關課程也不失為一個好方法。但由於人工智能熱剛剛在高校掀起，許多諸如心理學醫學領域還沒有綜合性人才能夠組織課程規劃和教材編著。
高校還能充分發揮作用的是對大創項目的支持。目前行業內赫赫有名的寒武紀、深鑑科技背後都有來自一流高校的支撐。
但是，企業的最終目標是為了盈利，在“類腦智能”還沒有多少變現價值的今天，這方面的研究也難以持續且大規模的進行。
讀芯君開扒
“類腦智能”錢途在何方？
類腦智能技術對於目前的AI行業來說，就是一個吸錢的無底洞。
目前的AI市場，弱人工智能早已佔領高地，雖然它們功能單一，性能低下，但已經能在某些工作中大放光彩。
而“類腦智能”，即強人工智能領域卻僅僅只是研究人員的聖地，科研變現這條路對於它來說，處處佈滿了坎坷與荊棘。
目前能夠對該領域有大量投入的，除了政府與高校，就只剩下芯片與雲計算平臺這兩個必須依靠計算框架取勝的行業。
不過，作為能夠有效提升AI綜合能力的領域，許多大公司也在這一方面有所涉獵，可以說，“類腦智能”的研究並不能作為變現手段，而是對“磨刀不誤砍柴工”最確切的表達。
參考文獻鏈接：
http://m.sohu.com/a/112431206_468668
閱讀更多 讀芯術 的文章
