人工智能的“终极目标”——类脑智能的技术热点与国内外布局

人工智能学家 · 公众号 · AI · 2017-06-28 22:49

正文

请到「今天看啥」查看全文

>>>> 神经形态芯片、类脑计算机

参考人脑神经元结构和人脑感知认知方式设计的芯片，可分为神经形态芯片、参考人脑感知认知的计算模型两大类。随着类脑芯片的深入发展，基于类脑芯片的类脑计算机雏形已经出现。2016年IBM公司开发出基于其Truenorth芯片的类脑计算机NS16e，采用16颗TrueNorth芯片组成芯片阵列，通过电路系统模拟人脑神经元及突触的工作方式，通过模式和分类关联过往和现在的数据，并基于概率和关联识别模式做出决策。

>>>>神经机器人、类脑智能机器人

类脑智能机器人是融合了视觉、听觉、思考和执行等能力的综合智能系统，能够以类似人脑的工作方式运行。通过将人脑的内部机理融入机器人系统，提高机器人的认知、学习和控制能力，进而产生更深度的交叉与合作。研究人员正努力使机器人以类脑方式实现对外界的感知及自身控制一体化，使其能够模仿外周神经系统感知、中枢神经系统输出与多层级反馈回路，实现机器人从感知外界信息到自身运动的快速性和准确性。瑞士洛桑理工学院2015年开发了一个神经系统仿真工具，该工具建立了数字化的老鼠大脑计算模型和虚拟老鼠身体模型，将这两个模型结合起来模拟大脑和身体互动的神经机制，目前已在模型中模拟出小白鼠大脑中3.1万个神经元活动。

未来发展方向

两大关键技术有待突破

发展可自适应的类脑学习方法与认知结构。目前越来越多的研究着眼于提高神经网络、认知计算模型以及智能系统的自适应能力，让机器像人一样从周围环境中对知识、模型结构和参数进行学习并自适应进化。发展可持续的类人学习机制，需要通过脑科学来建立适应这类学习机制的认知结构，基于这些类脑学习方法和认知结构再进一步发展类脑认知计算模型，最终真正设计并实现“机制类脑、行为类人”的通用类脑智能计算模型。

发展具有更高效能的新一代人工神经网络模型。目前的深度神经网络一定程度上已经借鉴了神经系统的工作原理，并具备相对完整的编解码、学习与训练方法，但该类模型还存在很大的提升空间。大部分脉冲神经网络的网络训练只考虑了两个神经元之间的局部可塑性机制，缺乏对介观（如神经元网络连接、皮层结构）、宏观尺度（如脑区之间的网络连接）的借鉴，在性能上与DNN等模型存在一定差距。两个模型都需要不断从脑科学中汲取营养并不断融合，发展出性能更好、效能更高的新一代人工神经网络模型。

国外现状

政府注重项目引导、企业关注研发生态