中国向类脑智能领域发力,机器人将超越我们?

作者:中国科普博览

近日,“类脑智能技术及应用国家工程实验室”成立大会暨首届中国类脑智能高峰论坛(以下简称“大会”)在合肥举办,大会以“类脑智能、驾驭未来”为主题,将为人工智能领域的科研机构、业内企业和亟待转型的传统行业搭建起全方位的交流平台。

人工智能已上升为国家战略目标,类脑智能技术及应用国家工程实验室填补了中国类脑智能领域创新能力工程实验室的空白,对显著提升人工智能技术的科研水平和核心竞争力,促进中国智能产业的跨越式发展具有重要的意义。

那么,到底什么是类脑智能?它是使机器人像人类大脑一样思考吗?如果是这样的,那人脑的信息处理规律是什么呢?类脑智能研究遇到什么瓶颈呢?

人脑“举一反三”的能力还未被超越

人脑是一个由近千亿的神经元通过数百万亿的接触位点(突触)所构成的复杂网络。感觉、运动、认知等各种脑功能的实现,其物质基础都是信息在这一巨大的网络当中的有序传递与处理。对于大脑工作原理的认知,有助于类脑智能的研究。

真实的大脑是模块化设计的一个范例,每个脑区或亚区负责一个信息处理的环节或方面,而具体的模块划分是经过漫长自然选择加以优化的结果,已经适应了高效处理真实世界的实际问题。深度神经网络借鉴的对于视觉信息的多层、分步处理结构,某种意义上就是大脑模块化设计的一个方面。另外近期的一项研究显示,仅仅初步借鉴了非常粗略的脑功能模块划分(包括一系列视觉区域,一个记忆区域,一个决策区域以及一系列运动控制区域等),就能使得一个相对简单的系统胜任多种不同的任务。

目前,人工智能领域取得巨大成功的深度学习依赖于庞大的样本数量,这与大脑卓越的“举一反三”,即小样本学习的能力形成鲜明对比。原理上看,这意味着生物脑的学习过程并非从零开始,而是从学习之初,就拥有并运用了重要的先验知识,这包含了物种在进化过程中学到的(生物学称之为系统发生),以及个体在生活过程中学到的有关真实世界的关键知识。读取这些知识,以及借鉴如何将这些知识作为先验信息注入神经网络结构从而实现小样本学习,可能会是神经科学以及类脑算法设计中一个富于成果的领域。

类脑智能研究要“软硬兼施”

近年来,随着计算机科学、神经科学和神经网络理论的发展,面对大数据时代对智能计算的需求,以及传统人工智能速度学习方法的不足,科学家开始将研究重点投向类脑智能,即脑启发的智能(brain-inspired intelligence)。

小科普:类脑智能就是以计算建模为手段,受脑神经机理和认知行为机理启发,并通过软硬件协同实现的机器智能。类脑智能系统在信息处理机制上类脑,认知行为和智能水平上类人,其目标是使机器以类脑的方式实现各种人类具有的认知能力及其协同机制,最终达到或超越人类智能水平。

厉害了!我的机器人!

?从大方向讲,类脑智能研究主要有硬件和软件两个方面。

软件研究又有两个角度,一是使智能计算模型在结构上更加类脑,另外一方面是在认知和学习行为上更加类人。两个角度的研究都会产生有益的模型和方法。比如,模拟人的少样本和自适应学习,可以使智能系统具有更强的小样本泛化能力和自适应性。

硬件方面的研究主要是研发类脑新型计算芯片,如神经网络计算芯片,目标是相比当前的CPU和GPU计算架构,提高计算效率和降低能耗。目前人工神经网络主要在通用计算机上编程来实现,能耗比较高。例如一台计算机的功率大概是200~300 W,一台GPU服务器的能耗至少是2000 W,而人脑的功耗只有20 W。

“强人工智能”值得期待

未来的类脑智能研究会在结构类脑和行为类人方面更加深入。目前不管是神经结构模拟还是学习行为模拟都是比较粗浅的。以学习为例,当前主流的监督学习是比较“粗暴”的学习方式,即一次性给予大量的类别标记数据对人工神经网络进行训练,而要收集大量标记数据是要付出很大代价的。人脑的学习具有很强的灵活性,从小样本开始,不断地随环境自适应。这种学习灵活性应该是未来机器学习的一个主要研究目标。

我国提出的“中国脑计划”(“脑科学与类脑研究”),其基本框架是一体两翼:一体是脑认知功能研究,从脑科学和神经科学角度研究脑神经结构和认识功能;两翼是脑科学应用研究,一是脑疾病的诊断、预测、治疗,另一方面是类脑智能研究。将来类脑智能和当前主流的基于传统计算的人工智能方法将并行发展,相互取长补短。另外,从应用的角度,人与机器协同工作,人的智能与机器智能互补也是一个必然趋势。未来,类脑智能研究将推动智能技术向通用的人类水平的智能,即强人工智能的目标逐渐逼近。