深度學習正遍地開花 ， 但它可能并非人工智能的終極方案 。 無論是學術界還是產(chǎn)業(yè)界 ， 都在思考人工智能的下一步發(fā)展路徑：類腦計算已悄然成為備受關注的“種子選手”之一 。
12月16日至17日 ， 由北京未來芯片技術高精尖創(chuàng)新中心及清華大學微電子學研究所聯(lián)合主辦的“北京高精尖論壇暨2019未來芯片論壇”在清華大學舉行 ， 這次論壇上 ， 類腦計算成為多位權威專家熱議的人工智能研究方向 。
人工智能浪潮下的洋流
類腦計算又被稱為神經(jīng)形態(tài)計算（Neuromorphic Computing） 。 它不僅是學術會議關注的新熱點 ， 產(chǎn)業(yè)界也在探索之中 。
11月中旬 ， 英特爾官網(wǎng)宣布了一則消息：埃森哲、空中客車、通用電氣和日立公司加入英特爾神經(jīng)形態(tài)研究共同體（INRC） ， 該共同體目前已擁有超過75個成員機構 。
如果說 ， 當下人工智能發(fā)展浪潮正波濤洶涌的話 ， 類腦計算就是浪潮之下的洋流 。 雖不太引人注意 ， 未來卻有可能改變?nèi)斯ぶ悄馨l(fā)展趨勢 。
原因之一是 ， 深度學習雖在語音識別、圖像識別、自然語言理解等領域取得很大突破 ， 并被廣泛應用 ， 但它需要大量的算力支撐 ， 功耗也很高 。
“我們希望智能駕駛汽車的駕駛水平像司機一樣 ， 但現(xiàn)在顯然還達不到 。 因為它對信息的智能判斷和分析不夠 ， 功耗也非常高 。 ”清華大學微納電子系教授吳華強告訴科技日報采訪人員 ， 人工智能算法訓練中心在執(zhí)行任務時動輒消耗電量幾萬瓦甚至幾十萬瓦 ， 而人的大腦耗能卻僅相當于20瓦左右 。
北京大學計算機科學技術系教授黃鐵軍也舉了一個生動的例子：市場上應用深度學習技術的智能無人機已經(jīng)十分靈巧 ， 但從智能程度上看 ， 卻與一只蒼蠅或蜻蜓相差甚遠 ， 盡管體積和功耗比后者高很多 。
追求模擬大腦的功能
到底什么是類腦計算 ， 它又憑什么贏得學術界和產(chǎn)業(yè)界的寵愛？
“類腦計算從結構上追求設計出像生物神經(jīng)網(wǎng)絡那樣的系統(tǒng) ， 從功能上追求模擬大腦的功能 ， 從性能上追求大幅度超越生物大腦 ， 也稱神經(jīng)形態(tài)計算 。 ”黃鐵軍接受科技日報采訪人員采訪時說 。
類腦計算試圖模擬生物神經(jīng)網(wǎng)絡的結構和信息加工過程 。 它在軟件層面的嘗試之一是脈沖神經(jīng)網(wǎng)絡（SNN） 。
現(xiàn)在深度學習一般通過卷積神經(jīng)網(wǎng)絡（CNN）或遞歸神經(jīng)網(wǎng)絡（RNN）來實現(xiàn) 。 “CNN和RNN都屬于人工神經(jīng)網(wǎng)絡 ， 其中的人工神經(jīng)元 ， 至今仍在使用上世紀40年代時的模型 。 ”黃鐵軍說 ， 雖然現(xiàn)在設計出的人工神經(jīng)網(wǎng)絡越來越大 ， 也越來越復雜 ， 但從根本上講 ， 其神經(jīng)元模型沒有太大改進 。
另一方面 ， 在深度學習人工神經(jīng)網(wǎng)絡中 ， 神經(jīng)元之間的連接被稱為權值 。 它們是人工神經(jīng)網(wǎng)絡的關鍵要素 。
而在脈沖神經(jīng)網(wǎng)絡中 ， 神經(jīng)元之間卻是神經(jīng)脈沖 ， 信息的表達和處理通過神經(jīng)脈沖發(fā)送來實現(xiàn) 。 就像我們的大腦中 ， 有大量神經(jīng)脈沖在傳遞和流轉 。
黃鐵軍告訴采訪人員 ， 由于神經(jīng)脈沖在不停地傳遞和流轉 ， 脈沖神經(jīng)網(wǎng)絡在表達和處理信息時 ， 比深度學習的時間性更突出 ， 更加適合進行高效的時空信息處理 。
推薦閱讀
- 人工智能讓百年前老電影成4K高清片
- vivo人工智能怎么喚醒
- 人工智能靠什么走向大眾
- 人工智能算法幫助預測風暴等惡劣天氣
- 人工智能復原古曲 既是傳承也是創(chuàng)新
- 人工智能可助識別分析野生黑猩猩
- 人工智能會成為未來餐廳的標配嗎
- 人工智能在游戲領域再進一步
- 院士鄔賀銓：人工智能的魅力是“永遠在路上”
- 人工智能：著力為高質量發(fā)展提供新動能