北京时间2020年10月14日23时，清华大学计算机系张悠慧团队和精密仪器系施路平团队与合作者在《自然》（Nature）杂志发文，首次提出“类脑计算完备性”以及软硬件去耦合的类脑计算系统层次结构。这是一年多来，清华大学在继“天机芯”和“多阵列忆阻器存算一体系统”之后于《自然》正刊发表的第三篇成果，也是计算机系以第一完成单位/通讯单位发表的首篇《自然》论文。

你知道什么是类脑计算吗？它对人类的发展有何意义？

什么是类脑计算？

我们总是在说，机器人无论如何都不能成为真正的“人类”，其根本原因在于机器人没有人类的大脑，没有人类的情感，它们只是一堆源代码而已。随着人工智能领域研究不断深入，我们发现人工智能面临两个严重的发展瓶颈：一方面是系统耗能过高，另一方面是对于人脑能轻松胜任的认知任务的处理能力不够。因此，类脑计算应运而生。

经典计算机是由冯·诺依曼提出的数理逻辑开关电路结构实现的，也被称为 “冯·诺依曼结构”。在经典计算机体系下，计算机仅仅是按照人类提前编写和设定的程序处理接收的数据，对数据本身并没有“理解”和“认知”能力。这就是现在甚至小学阶段就开设相关教育的编程的原因——一切都要程序员为计算机考虑得十分周到，所以我们想要机器人为人类服务代价可以说十分昂贵。而人类的大脑是目前自然界已知的，在问题求解、推理、决策、理解、学习等智能行为方面最为高效、最为优异的生物进化产物，因而大脑的运行机制引起了自动化、计算机研究群体极大的研究兴趣。类脑计算就是一种模仿神经生理学和生理心理学机制，以计算建模为手段并通过软硬件协同实现的机器智能计算。简单的理解就是类脑计算完成了从“让机器人怎么做”到“教他们自学”的飞跃。

类脑计算的研究成果

类脑计算的研究大致可以分为神经科学的研究（特别是大脑信息处理基本原理的研究），类脑计算硬件的研究和类脑处理算法的研究三方面。而基于这三个方面，类脑智能计算的未来发展重点有机器学习、类脑智能机器人、神经形态硬件等方向。我们常常说的基于神经网络的机器学习就是一种类脑计算的技术；而英国曼彻斯特大学的SpiNNaker芯片、IBM公司的TrueNorth芯片、德国海德堡大学的BrainScaleS芯片以及前面提到的清华大学的“天机芯”都是神经形态硬件的研究成果。

我国的类脑智能研究水平处于国际前沿。2016年，“脑科学与类脑科学研究”（简称“中国脑计划”）被作为连接脑科学和信息科学的桥梁正式提出。此外，多所高校也积极参与类脑计算的研究。其中，中科院开发的类脑认知引擎平台能够模仿哺乳动物的大脑，实现多感觉融合、决策等多种功能。自2019年“天机芯”首登《自然》封面后，“多阵列忆阻器存算一体系统”也发表于《自然》正刊。此次“类脑计算完备性”以及软硬件去耦合的类脑计算系统层次结构更是清华大学计算机系以第一完成单位发表的首篇《自然》论文。

类脑计算的发展方向

来自清华大学、北京信息科学与技术国家研究中心、美国特拉华大学科研团队提出的类脑计算系统新框架——引入“类脑计算完备性”的概念，首次提出了对于系统计算过程和精度具有约束性的、软硬件去耦合的系统层次结构。尽管各种基于类脑计算的算法、模型设计不断出现，科研人员也研发了各种类神经形态芯片，但他们往往需要特定的工具链才能正常运行，这样的软硬件割裂直接损害了类脑计算系统的编程灵活性和开发效率。这就像是不懂技术的产品经理和程序员常常意见相左一般，软硬件的分离直接导致二者的兼容性并不理想——软件工程师们的想法因硬件技术问题无法实现。例如我国芯片设计一直处于前沿水平，但光刻机技术水平的落后直接导致被设计出来的高端芯片无法制造——“卡脖子”问题已然告诫我们在这个问题上不能顾此失彼。因此，此次“类脑计算完备性”的提出或许意味着我们关于未来机器人的想象不再是科幻小说中的内容，它将真正走向现实。

类脑计算技术的发展将推动图像识别、语音识别、自然语言处理等前沿技术的突破，随着我们对机器人视听感知和自主学习、以及无人驾驶技术等领域的应用需求越来越迫切，类脑计算应用将有望推动新一轮产业革命。（刘怡恋）

指导老师：中国传媒大学副教授于晗

专家：中国传媒大学信号与信息处理专业副研究员余心乐

分享让更多人看到