芯潮（ID：aichip001）文 | 心緣

11月4日，全球最早的國際性科技期刊《自然（Nature）》雜誌150週歲了！

許多科研領域最重要、最前沿且具有獨創性的研究成果都發表於此，能入選《Nature》封面的更是鳳毛麟角。

就在《Nature》生日的前一天，一年一度的騰訊科學WE大會在北京北展劇場舉辦，以“小宇宙”為主題，邀請全球頂尖科學家，分享顱內宇宙、幽靈粒子、細胞免疫、地心腫瘤、弦理論的突破性進展，從中輝映出廣袤宇宙中的一隅奧秘。

異構融合的類腦芯片，擁有自主意識的粒子機器人，這兩項來自機器人、人工智能、芯片等交叉領域的科研成果，均解鎖了今年《Nature》封面，有趣的是，這兩項突破性進展均與生物科學有著千絲萬縷的聯繫。

前者從神經元的傳遞中借鑑信息處理的基本規律，探索能支撐高水平智能同時保持低功耗的類腦計算。

後者從生物體細胞的本質中吸取靈感，實現了機器人群體遷移的突破，讓具有自我意識的機器人愈發成為可能。

這兩項研究的核心貢獻者，清華大學類腦計算研究中心主任、清華大學教授施路平，哥倫比亞大學教授、機器人研究權威專家Hod Lipson，他們來到現場，分享這些前沿研究已經實現的進展，以及未來應用的可能。

一、類腦計算是發展人工通用智能的基石

今年8月1日，清華大學一輛自動行駛的自行車登上了《Nature》雜誌封面，這輛自行車由世界首款異構融合類腦芯片“天機芯”驅動，展現了人工通用智能的可行之徑。

這項研究創造了中國在芯片和人工智能兩大領域《Nature》論文零的突破，其背後是清華大學類腦計算研究中心主任、清華大學教授施路平與團隊七年的潛心研究。

施路平教授以通俗的語言分享了什麼是類腦計算、為什麼要發展類腦計算以及可行的路徑。

1、為什麼要發展類腦計算？

類腦計算是借鑑腦科學的基本原理，面向人工通用智能，基於神經形態工程發展的新的計算技術。

現在我們生活在一個數碼宇宙，構成一個萬物互聯的數碼宇宙。這個宇宙迅速膨脹，信息每兩年翻一番，而且從不退步。

這個宇宙是基於我們現在的計算機架構，而計算機架構又基於馮諾依曼架構。

在施路平教授看來，馮諾依曼架構是人類發展史上最簡潔、漂亮、對人們影響最大的一個架構，其特點是計算和存儲分離，計算、存儲通過總線來回調度。然而，來回調度的過程會耗費很多能量、減緩速度、造成堵塞，導致帶寬瓶頸。

因此在近期，2017年圖靈獎的兩位得主Hennessy和Patterson寫了一個長文，結論是未來十年是計算架構發展的黃金十年。

過去我們用計算機做計算，現在我們是用它處理信息，而我們的數碼宇宙每兩年翻一番，就是能耗也受不了。當然還有其他原因，在當下的人工智能時代，但儘管AlphaGo可以戰勝世界圍棋冠軍，很多瓶頸仍然存在。

簡單來說，現在的人工智能需滿足5個條件：充足的數據、決定性的問題、完備的知識、靜態、單一的系統。

我們想象的人工通用智能，是在沒有這些條件的情況下，系統仍然能解決問題。腦是目前唯一的一個通用智能體，要發展人工通用智能，必須向腦學習。

人腦和電腦兩個系統雖然原理不同，但實際上是互補的。有的任務人腦更擅長，有的電腦更擅長。

發展人工通用智能不是一個新的想法，回溯圖靈、馮諾依曼這些偉大科學家早期的文章，會發現這是我們一直以來的夢想。

2、現在是發展人工通用智能最好的時機

為什麼說現在是發展人工通用智能最好的時機呢？

施路平教授主要提及四點：

（1）隨著精密儀器的發展，我們對腦知道的越來越多，似乎到了一個理解腦的關口；

（2）超級計算機的發展可以使我們做很好的模擬仿真，省錢、省力、省時間；

（3）大數據、雲計算給我們提供了一個像腦一樣複雜的系統，和腦交相呼應，我們可以共同研究、互相促進；

（4）納米器件已經可以使我們去發展像人腦能耗水平的神經元和突觸這樣的電子器件。

發展類腦計算去支撐人工通用智能，在這其中，腦起了非常大的作用。

13年前，有感於摩爾定律在二三十年後要到頭，所以施路平教授開啟了類腦計算的研究，當時自認為做研究還不錯的他，忽然覺得不會做研究了，因為沒有文獻，很多東西需要自己摸索，所以感到苦惱。

有一次他去爬山，故意讓自己鑽進森林走丟了，後來他根據太陽判斷方向，盯著一個方向一直走，走到高速公路上截了一輛車。

再一天，他找了一個陰天去爬山，他想到的辦法是往高處爬，盯著一個點一直走到高速公路。

這兩件事情使得施路平教授思考，腦在這其中起的是指南針的作用，提供的是方向感，因為這是唯一所知的通用智能體。

“做研究我喜歡做難的，因為我覺得越難的越容易，太容易的話有很多競爭者，你很難領先，如果很難，做著做著旁邊就沒人了，你反而可以領先。”施路平教授說，“但是有一個前提條件，就是方向必須是正確的，如果你走到錯路上，大家都跑了，你是很尷尬的。”

人的智能建立於碳基上，人們已經在硅基上建造了現在的數碼宇宙。而碳基、硅基的結構非常相近，所以人們有一個信念，碳基上能夠實現的，硅基上一定能夠實現。

3、發展類腦計算的挑戰

發展類腦計算和人工通用智能真正的挑戰既不是科學，也不是技術，而是因為我們的學科分佈，使得我們沒有合適的人做這樣的研究。而且腦科學探索自然世界，計算機科學更關注應用，它們有不同的文化、語言，目標也不一樣，所以多學科融合尤為關鍵。

清華大學類腦計算研究中心由7個院系組成，因為這個領域不僅僅是計算機和腦科學，還有數學、物理、電子、微電子等學科，7個院系的老師每週花半天的時間在一起反覆的討論，最後7年只做了一件事情——融合、融合再融合。

經梳理，當前發展人工通用智能主要有兩條路線：第一，計算機主導的；第二，腦科學主導的。計算機主導的路線很難處理不確定性的問題，而腦科學神經形態計算受限於人們對腦機制的理解程度。

在施路平教授看來，將這兩條互補的技術路線結合起來，是目前最好的一種方法。

發展類腦科學需理解人腦機制：

（1）基於計算機，用腦科學的基本原理來改變計算架構；

（2）用“類腦”這樣簡單又明瞭的詞涵蓋了這兩個部分。

發展類腦科學意味著從理論、芯片、軟件、系統，雲腦到應用都要投入研究。但大家總問一個問題，不理解人腦，憑什麼能造出類腦計算系統？在經過長期的思考後，施路平教授給出了答案：

計算機是把多維空間的信息轉換成為0、1這樣一維的信息流，用計算來解決問題。CPU的主頻越來越快用的是時間複雜度，縮維的時候，相關性會丟失，這就是人很容易確定一個物體是在真實空間裡還是在鏡子裡，而計算機很難做到的根本原因。

人們不知道腦的基本原理，但知道從一個神經元到一千、一萬個神經元，換句話說，這裡把信息擴輸了，把相關性增強了，用的是空間複雜度。另外，腦還用脈衝來編碼，引進了時間的因素，利用了時空複雜度。

總之，施路平教授的團隊希望保持現在的計算機所有的優點，保持時間複雜度，增加空間複雜度。

4、驅動無人自行車的天機芯片

現在的神經網絡加速器是面向深度人工神經網絡，而像腦一樣工作的神經形態計算面向的是脈衝神經網絡。前者利用的是空間複雜度，後者利用的是時空複雜度，何不把它結合起來呢？

因此，施教授的團隊提出了天機芯片架構，用3%的代價，實現了既支持人工神經網絡，又支持像腦一樣工作的脈衝神經網絡，而且還支持兩個的異構建模。

他們還利用類腦芯片，構建了一個人工通用智能的多模態交叉研究平臺，可以和系統互動，利用環境變化逼迫這個系統變化，並觀察應用這種變化、系統應遵循的基本原理，從而有助於迭代發展。

利用一塊天機芯片，施教授的團隊就在無人自行車上實現了感知、追蹤、過障、避障、自動控制、語音理解、自主決策等功能。

軟件對於開發同樣很重要。施路平教授他們在實驗室開發了一個自研軟件工具鏈，並已經搭起了第一代的類腦計算機，現在他們在做一個類腦雲腦。

類腦雲腦和現有云計算的差別是，雲計算是把很多技術整合起來，而類腦雲腦是面向人工通用智能的，因為人工通用智能的研究從基本上來講，不同於把很多人工智能簡單的疊加在一起，他們的想法是把腦的彈性和計算機的剛性結合起來，把數據驅動和知識驅動結合起來，把通用知識和推理結合起來。

當然，這是一個非常具有挑戰性的長期研究，清華團隊的策略是循序漸進，逐個擊破之前所提到的五個條件，逐步實現人工通用智能。發展類腦計算將支撐人工通用智能，而通用智能將能賦能各行各業的很多應用。

從蒸汽機、發電機、計算機、大數據，到現在的萬物互聯，人們一直在改變外部的世界，改變我們的物質生活。

看看現在的世界，貿易紛爭，國家、民族、人之間有很多矛盾，當我們的物質生活已經發展很快時，我們的精神生活實際上沒有同步發展，現在智能時代發展類腦計算，我們有機會向內發展，審視我們的內心。

施路平教授衷心希望人類在發展技術、探索外界世界的同時，能夠也研究我們的內在世界，內外兼修、共同發展，建設一個美好、和諧的世界。

二、像人一樣有自主意識的機器人

機器人像人一樣有自主意識，這現實嗎？

哥倫比亞大學教授、機器人研究權威專家Hod Lipson一直致力於實現這一可能，他所研發的能仿生群體“粒子機器人”，能夠自我建模和複製，並完成自我遷移。這一研究同樣登上了今年《Nature》的封面。

1、機器人近期進步神速

大約百餘年來，人們一直試圖建造有自我意識的機器人，希望這些機器人的形態和行為都像人。

1939年的機器人能走、說話，還能點菸，但不具備智能。機器人學的發展長期令人失望，有很多美好的設想，卻不是現實。

不過現在，在計算機速度快速提升、人工智能發生革命化變化等趨勢的推動下，機器人也進步飛速，可以做後空翻、設計蛋白質、畫原創性油畫、開車等不可思議的事情，甚至還可以感知情緒、偽裝情緒，模擬人的肌肉走向去微笑。

我們能不能有那種真的擁有情緒的機器人呢？機器人是否能夠有感覺、自我意識和思考？這種能力是會實現於機器人身上，還是隻是人類才擁有的魔法？

2、如何定義知覺與自我意識？

知覺的概念一直特別模糊。數百年來，人們都希望機器能夠獲得這種能力，拿出了知覺、自我意識、人的本質等很多模糊的術語，但並不真正理解這些術語到底是什麼意思。

有這麼一種說法，只有能將某個東西傳授給別人時，你才算真正的瞭解。

但在Hod Lipson看來，只有將某個東西能造出來，你才算真正的理解了它。

那麼，我們能否把意識建造到機器身上去？

Hod Lipson喜歡利用一個定義，自我意識，是能將自己模擬到未來情景當中的能力，即能在多大程度上想象、預測自己在未來有什麼樣的經歷和體驗、會如何感覺、如何採取行動。

例如，想象你在一個沙灘上，假如你能夠感受到沙子在自己的腳下，你能夠感受到海風的味道，這就是你的自我意識。

自我意識並不是一個非黑既白、非有既沒有的東西，它有的不同層次，你能預想到自己未來有多遠、它的真實性以及整個時間框架。

比如說一個狗，可能預判它的下一頓飯，會偷偷把骨頭藏起來下一頓再吃；你也許能想象到自己退休後是什麼樣，可能會存錢留作退休以後用。

能夠想象自己未來的情況，實際上就是自我意識用來工作的概念，並不是說未來將要發生什麼，而是讓在這種模擬中對自己做出規劃。這就是Hod Lipson所採用的原理和模型。

再比如想象自己在爬樹，需要模擬手抓在那兒、腳踩在什麼地方，以預見和計劃自己在模擬場景中怎麼做，這使得你能學習和做事，而不需要真的去做和犯錯誤，因為真做和犯錯誤會更昂貴。

一個批評者可能會說，我們一直都有這種模擬器，機器人也總用模擬器。確實如此，幾乎所有的機器人在一開始都是用模擬。

這個是伯克利的開放AI項目。這個機器在模擬中學到了東西，在雲上花了5分鐘的時間，實際上是模擬中200年的訓練，這個機器人能夠在模擬當中學會了如何走路，比它在現實中能夠學得更好。

機器可以在模擬中學習，但是人和機器還是不一樣的，所有這些模擬都是由工程師創造出來的，我們需要先知道需要模擬什麼，這會花很多的時間。有些時候，我們也不知道模擬哪些事情重要，模擬哪些事情不重要。

3、怎樣讓機器具備自我意識？

問題在於，機器人能否獲得自我模擬的能力，這個似乎就是拼圖的最後一塊了，而我們人是在哪裡獲得的自我模擬的能力呢？

或許在我們嬰兒的某個階段，我們生來就有一些特殊的結構，玩耍於我們而言不僅僅是刷時間，我們會通過玩耍瞭解事務，瞭解我們自己，瞭解我們身邊的物理世界，瞭解我們的肌肉如何控制、如何動作。

幾年前，Hod Lipson團隊做了一個機器人，試圖實現機器人的自我模擬、自我建模。

這個機器人是“瞎”的，它看不到世界，只能感受到自己，通過自己的大腦學會怎麼走路。起初，它不知道自己是一條蛇，還是蜘蛛、樹、胳膊，但是過了一段時間，它可以感受到自己有四條腿，形成了一種自我認知。

這個自我形象的形成，足夠使它開始學習走路，它不需要在外面的物理世界中學習，這很貴，且風險很大。

當時人工智能處於這樣一個階段，要讓機器人有什麼功能，就要給它很多的暗示，而今天人工智能已經有了很大的進步。

再看看更近的一些機器人，它是一個機械臂，有幾個電機，但是研究人員沒有給它任何的信息，不告訴它它到底是什麼、在做什麼。

一開始它就好像一個嬰兒躺在床上，機械臂四處亂甩。大概過了一天的時間，它的自我形象似乎就產生了，開始將紅色物體撿到塑料杯中。這並不是完美的，但是足夠使得它能瞭解怎麼做一些簡單的任務。

機器人要在自己的想象中學習，而非在物理現實中學習，因而建立自我形象非常重要。但同時這一任務的難度也很高，每一個人很難說清楚自己怎麼看自己，以至於很難提取自我形象。

這個機器人不僅是自己學會做這件事，而且是在它對自己的模擬中學會的，這兩個要素是將來走向機器人自我意識的重要要素。

為了測試它，Hod Lipson他們把其中的部分機器人部件取掉，替換為紅色的部件，結果這個機器人發現有些不對，自我形象和現實不配套，需要繼續學。大概過了半天它就意識到它自己的自我形象變了，和現實相符了，然後又繼續自己從前的任務。

再說兩個機器人，一個是有自我模型的，一個是沒有自我模型的。同樣的數據，能對自我建模的機器學的快得多，而沒有自我建模的機器人要慢1000多倍。

這個差距，就是自我意識的革命。

我們能夠看到自己或許是我們最大的天賦之一，這樣能夠使得我們能夠做其它動物都做不了的事情。

複雜的機器能夠模擬自己，這意味著能做很多事情，而不需要花很多錢、冒很多風險、在物理真實的世界中進行這樣的實驗。這個系統越複雜，自我建模和機器具有自我意識的優勢也就越大。

後來，Hod Lipson團隊將在一個機器人可行的做法放到其它的機器人上，慢的、快的、硬的、軟的、大的、小的，看看這些系統如何演進。

另一點非常有趣的是，他們不僅想看機器對自己進行建模，還想想看看機器如何模擬其它的機器人，正如我們每個人的大腦如何模擬其他人。機器人如果能夠模擬其它的人類和機器人，那也就會啟動機器人之間的社會行為。

4、像生物一樣自我修復的粒子機器人

再談一談這些物理的機器人，我們的身體不但可以承擔各種能力，而且可以修復、生長，但是我們的機器某個部件壞了，整個機器也就壞了，我們是否能夠讓機器自己進行結構修復和運作呢？

Hod Lipson做的這個機器人稱之為粒子機器人，大概由六七個不同的粒子組成，它可以到處走，其中某一個壞了，整個機器還可以繼續工作。

一個真正的粒子機器人，可能會有成千上百個粒子組成，這個機器不斷地往前走，即便其中20%的粒子壞掉，也仍可以繼續運作。

所以，Hod Lipson的目標是希望能利用這樣的結構製造一些機器，使它們能夠相互模擬。

想象未來，這個機器不再是單一形態的。製造大量的粒子後，一個機器壞了之後，其它的機器可以用“死機器人”的部件、粒子，形成更好的機器人。

這就是生物學，我們吃植物、植物也吃我們，我們會不斷地循環蛋白質和氨基酸，所有的一切都是100%循環利用，所以這裡面肯定會有很多的倫理問題。

Hod Lipson對一切都感到興奮，他認為這帶來的好處將會遠遠的超過它的風險。

想象在我們這個世界上，任何自動的系統，包括了無人機、無人駕駛汽車、智能城市等等，它們成為有自我意識的、能夠自我照顧、能夠從毀壞中恢復、能夠不斷地改進的系統。

這些自動系統越來越多，而人類負擔不起繼續維護這些系統，也負擔不起來對它們進行編程。這個任務太大了，必須分擔給機器人，使它們能夠看到自己、能夠思考、調整適應和修復，這是非常令人興奮的時刻。

當Hod Lipson還是一個孩子的時候，我總在想，是不是有一天能夠看到一個有智能的外來物種，這一點可能會發生，或許在有生之年不會發生，但Hod Lipson相信他會在地球上看到智能的物種，它將由人類創造出來。

結語：致敬科技，致敬未知的世界

“你我皆為星塵之子，每一個細胞，都書寫著整個宇宙的歷史，當你凝視自己，也望見了整個宇宙的輪廓。”

這是美國天文學家、科幻作家卡爾·薩根（Carl Sagen）寫過的一首詩，也是本次大會在開場和落幕時都特別引用的文字。

大千世界充滿未知，人們從未停下探索這個世界的腳步。然而回溯往昔，人類的一切科研成果，從未全然脫離自然的饋贈。

未來的世界會是什麼樣子？十年內科學家們能破解哪些關於天文、物理、生物的未解之謎？宇宙的中心究竟在哪裡？人類還能創造哪些奇蹟？機器會不會和人一樣擁有自我意識？越來越強大的黑科技將引我們所生存的社會走向何方？

太多的可能性在等著科學家們去探索，數百年前的人無法想象我們今日的世界，同樣，由各界科學家智慧、靈感與數十年如一日的耕耘所凝結成的前沿科研進展，也將創造出遠超我們期冀的未來。