人工智慧的「終極目標」——類腦智能的技術熱點與國內外布局

「類腦智能」是當前人工智慧領域最新的熱點方向，利用神經形態計算來模擬人類大腦處理信息的過程，是人工智慧的終極目標。類腦智能具有在信息處理機制上類腦、認知行為和智能水平上類人的特點，最終目標是通過借鑒腦神經結構和信息處理機制，使機器以類腦的方式實現各種人類認知能力及協同機制，達到或超越人類的智能水平。2017年5月，谷歌公司的人工智慧軟體「Alpha Go」戰勝目前圍棋世界排名第一的柯潔；2016年12月，牛津大學與谷歌公司等研發的自動唇讀系統「LipNet」對BBC電視節目嘉賓進行唇語解讀，準確率達到46.8％（唇語專家準確率為12.4％左右）。隨著典型類腦智能試驗產品的出現，其技術與商業化應用受到社會各界的廣泛關注，各國紛紛投入技術研發，各大企業不斷開展商業化應用探索。

技術研發現狀

五大技術研發成為熱點

>>>>相關計算理論與建模

認知體系結構研究是類腦認知計算模型研究的基礎。近年來研究人員逐漸向神經網路中融入記憶、推理和注意等機制。此外，還開展不同腦區協同認知模型研究，構建面向通用智能的類腦認知計算模型。如，加拿大滑鐵盧大學研製的SPAUN腦模擬器，將250萬個神經元模塊化地分割為10餘個腦區，實現了模擬筆跡、邏輯填空、工作記憶、視覺信息處理等能力。

>>>>人工神經網路

近年來發展起來的深度神經網路（DNN）模型模擬了人腦在腦區尺度進行層次化信息處理的機制。其中，卷積神經網路（CNN）受生物視覺系統的啟示，將生物神經元之間的局部連接關係以及信息處理的層級結構應用到計算模型中，模擬大腦多個層級的信息處理；脈衝神經網路（SNN）是近年來研發出的另一種新型神經網路，其神經元以電脈衝的形式對信息進行編碼，能夠很好地編碼時間信息，更接近真實神經元對信息的編碼方式，被認為是能接近仿生機制的神經網路模型。

>>>>神經介面、腦機介面

通過神經解碼（將大腦的神經信號轉化為對外部設備的控制信號），使計算機從大腦神經活動中獲知人的行為意向，分為侵入式腦機介面和非侵入式腦機介面，侵入式主要用於重建特殊感覺（如視覺）以及癱瘓病人的運動功能，通常直接植入到大腦的灰質；非侵入式是用緊貼頭皮的多個電極採集大腦腦電圖信號。美國Emotiv公司開發出一套人機交互設備「Emotiv Epoc」意念控制器，運用非侵入性腦電波儀技術，感測並學習每個使用者大腦神經元信號模式，實時讀取使用者大腦對特定動作產生的意思，通過軟體分析解讀其意念、感覺與情緒。

>>>>神經形態晶元、類腦計算機

參考人腦神經元結構和人腦感知認知方式設計的晶元，可分為神經形態晶元、參考人腦感知認知的計算模型兩大類。隨著類腦晶元的深入發展，基於類腦晶元的類腦計算機雛形已經出現。2016年IBM公司開發出基於其Truenorth晶元的類腦計算機NS16e，採用16顆TrueNorth晶元組成晶元陣列，通過電路系統模擬人腦神經元及突觸的工作方式，通過模式和分類關聯過往和現在的數據，並基於概率和關聯識別模式做出決策。

>>>>神經機器人、類腦智能機器人

類腦智能機器人是融合了視覺、聽覺、思考和執行等能力的綜合智能系統，能夠以類似人腦的工作方式運行。通過將人腦的內部機理融入機器人系統，提高機器人的認知、學習和控制能力，進而產生更深度的交叉與合作。研究人員正努力使機器人以類腦方式實現對外界的感知及自身控制一體化，使其能夠模仿外周神經系統感知、中樞神經系統輸出與多層級反饋迴路，實現機器人從感知外界信息到自身運動的快速性和準確性。瑞士洛桑理工學院2015年開發了一個神經系統模擬工具，該工具建立了數字化的老鼠大腦計算模型和虛擬老鼠身體模型，將這兩個模型結合起來模擬大腦和身體互動的神經機制，目前已在模型中模擬出小白鼠大腦中3.1萬個神經元活動。

未來發展方向

兩大關鍵技術有待突破

發展可自適應的類腦學習方法與認知結構。目前越來越多的研究著眼於提高神經網路、認知計算模型以及智能系統的自適應能力，讓機器像人一樣從周圍環境中對知識、模型結構和參數進行學習並自適應進化。發展可持續的類人學習機制，需要通過腦科學來建立適應這類學習機制的認知結構，基於這些類腦學習方法和認知結構再進一步發展類腦認知計算模型，最終真正設計並實現「機制類腦、行為類人」的通用類腦智能計算模型。

發展具有更高效能的新一代人工神經網路模型。目前的深度神經網路一定程度上已經借鑒了神經系統的工作原理，並具備相對完整的編解碼、學習與訓練方法，但該類模型還存在很大的提升空間。大部分脈衝神經網路的網路訓練只考慮了兩個神經元之間的局部可塑性機制，缺乏對介觀（如神經元網路連接、皮層結構）、宏觀尺度（如腦區之間的網路連接）的借鑒，在性能上與DNN等模型存在一定差距。兩個模型都需要不斷從腦科學中汲取營養並不斷融合，發展出性能更好、效能更高的新一代人工神經網路模型。

國外現狀

政府注重項目引導、企業關注研發生態

美國自20世紀90年代起就開展了多個腦科學項目研究，並於2013年正式啟動「BRAIN計劃」，針對大腦結構圖建立、神經迴路操作工具開發等七大領域進行研發布局；歐盟自2002年開始對150多個腦科學研究項目進行資助，並於2013年正式提出「人腦計劃（HBP）」，試圖在未來神經科學、未來醫學和未來計算等領域開發出新的前沿醫學和信息技術。加拿大、日本、德國、英國等也先後推出腦科學研究計劃，希望搶佔未來技術的制高點、掌握未來戰略的主動權。同時，許多國際企業紛紛推出類腦智能研究計劃，在以IBM、微軟、蘋果等為代表的龍頭企業的推動下，類腦智能受到高度關注。

>>>>各國關注方向各有側重

雖然各國都積極布局類腦智能的研發，但關注點各有側重。美國重視相關理論建模、腦機介面、機器學習等方面，將理論、建模和統計分析融入大腦研究是「BRAIN計劃」的七個最優先領域之一；日本的「腦科學戰略研究項目」重點開展腦機介面、腦計算機研發和神經信息相關的理論構建，該項目提出的新技術發展目標是在15年內實現各層次腦功能的超大規模模擬技術，開展神經科學的數學、物理學研究；歐盟的「人腦計劃」重點開展人腦模擬、神經形態計算、神經機器人等領域的研究；韓國則重視腦神經信息學、腦工程學、人工神經網路、大腦模擬計算機等領域的研發。

>>>>重視跨學科、跨部門合作推進

美國聯邦政府機構（DARPA、IARPA等）主導類腦智能的基礎與應用研究，大學、私營機構和企業等重點開展相關技術開發和產品應用推廣（參與的民間機構已有20餘家），各機構根據自身優勢開展跨學科、跨部門合作；歐盟「人腦計劃」有核心項目和合作項目兩類，核心項目由歐盟委員會資助，合作項目則吸引成員國機構、非政府組織參與；日本類腦智能研究以國際電器通信基礎技術研究所 、國家級技術研究所（如理化研究所腦科學綜合研究中心）和各大學相互合作的模式來開展跨學科研發；韓國「國家腦科學發展戰略」實施過程中，私營企業在神經科學研究前期就參與進來，促進研發成果快速商業化，鼓勵以產品為導向的研發規劃與實施，並加強跨學科合作與交叉融合，加強公私合作。

>>>>各大企業爭相布局

全球科技巨頭如谷歌、微軟、IBM、Facebook都將人工智慧視為下一個技術引爆點，紛紛斥巨資參與研發與競爭。IBM是最早布局人工智慧的公司之一，1997年研發出深藍計算機、2011年研發出watson系統，目前IBM的布局圍繞watson系統和Synapse類腦晶元展開，同時通過併購打造人工智慧生態系統；谷歌則通過大量收購語音和人臉識別、深度學習、機器人公司以獲取技術、專利和人才，其在深度學習、神經網路等方面處於全球領先地位；Facebook也逐步收購語音識別、機器翻譯等公司，並設立人工智慧實驗室，開發聊天機器人。除龍頭企業外，如美國Emotiv公司等一批新興公司也在類腦智能方面取得了高水平的研發成果。

>>>>專利分布呈現集聚態勢

在專利方面，《2016全球人工智慧發展報告》顯示，全球人工智慧專利的申請數量中，美國（26891）、中國（15745）和日本（14604）位列前三，佔全球總申請量的73.85%，（第四名德國僅為中國的27.8%）。從細分領域看，機器人、神經網路、語音識別和圖像識別成為熱點領域；從專利申請人來看，前瞻技術方面提交專利申請較多的是IBM、谷歌、微軟等國際巨頭，我國主要是百度、騰訊、阿里巴巴等互聯網企業。以「AlphaGo」為代表的深度學習相關專利公開的有1809項，主要集中在特定功能的數據處理（信息檢索及其資料庫結構）、採用神經網路模型的學習方法、圖形識別分析等領域。

國內現狀

亟待加強統籌規劃與跨學科交叉協同

《「十三五」國家科技創新規劃》提出部署腦科學與類腦研究重大科技專項，開展類腦計算與腦機智能研究，研究重點涵蓋腦神經計算、認知功能模擬、神經形態晶元和類腦處理器、腦機介面、類腦機器人等多個方面。

>>>>我國在類腦計算、類腦晶元、類腦智能機器人等領域取得進展

在類腦智能計算模型方面，中科院腦科學與智能技術卓越創新中心優化了脈衝神經網路模型，引入了學習、記憶機制，並構建了面向億級類腦神經網路建模的計算平台；在類腦晶元方面，中科院計算技術研究所研發了「寒武紀1號」類腦晶元、浙江大學與杭州電子科技大學合作研發了首款支持脈衝神經網路的「達爾文」晶元；在類腦智能機器人方面，中科院自動化研究所實現了機械臂的交互控制和生理控制康復機器人的應用，通過模擬嬰兒對物體的自發、動態認知過程將其應用於提高機器人的自學習和歸納能力。

>>>>順應未來發展，我國應繼續開展核心技術攻關，加強跨學科的協同與合作

與發達國家相比，我國在類腦智能的基礎前沿研究、軟硬體結合的類腦智能機器人等領域實力較弱，各研發機構的研究重點過於雷同。基於此，我國應借鑒美國、日本的經驗，在國家層面進行統籌規劃，國內各機構應根據自身優勢，部署重點研究領域時應有所聚焦和分工，避免重複建設。同時，類腦智能是高度學科交叉的領域，迫切需要加強腦科學與數學、計算機科學、物理、工程與材料學等學科的交叉融合。

來源：三思派