深度学习正各处着花，但它可能并不是人工智能的最终方案。不管是学术界仍是工业界，都在思虑人工智能的下一步成长途径：类脑计较已经悄然成为备受存眷的“种子选手”之一。
12月16日至17日，由北京将来芯片技能高精尖立异中间及清华年夜学微电子学研究所联合主理的“北京高精尖论坛暨2019将来芯片论坛”在清华年夜学举办，此次论坛上，类脑计较成为多位权势巨子专家暖议的人工智能研究标的目的。
人工智能海潮下的洋流
类脑计较又被称为神经形态计较（Neuromorphic Computing）。它不仅是学术集会存眷的新热门，工业界也在探索之中。
11月中旬，英特尔官网颁布发表了一则动静：埃森哲、空中客车、通用电气以及日立公司参加英特尔神经形态研究配合体（INRC），该配合体今朝已经领有跨越75个成员机构。
若是说，当下人工智能成长海潮正波澜汹涌的话，类脑计较就是海潮之下的洋流。虽不太惹人注重，将来却有可能扭转人工智能成长趋向。
缘由之一是，深度学习虽在语音辨认、图象辨认、天然语言理解等畛域取患上很年夜突破，并被普遍运用，但它必要年夜量的算力支持，功耗也很高。
“咱们但愿智能驾驶汽车的驾驶程度像司机同样，但如今显然还达不到。由于它对信息的智能果断以及阐发不敷，功耗也很是高。”清华年夜学微纳电子系传授吴华强奉告科技日报记者，人工智能算法训练中间在执行使命时动辄损耗电量几万瓦乃至几十万瓦，而人的年夜脑耗能却仅至关于20瓦摆布。
北京年夜学计较机迷信技能系传授黄铁军也举了一个生动的例子：市场上运用深度学习技能的智能无人机已经经十分乖巧，但从智能水平上望，却与一只苍蝇或者蜻蜓相差甚遥，虽然体积以及功耗比后者高不少。
寻求摹拟年夜脑的功用
到底甚么是类脑计较，它又凭甚么博得学术界以及工业界的溺爱？
“类脑计较从布局上寻求设计出像生物神经网络那样的体系，从功用上寻求摹拟年夜脑的功用，从机能上寻求年夜幅度超出生物年夜脑，也称神经形态计较。”黄铁军接受科技日报记者采访时说。
类脑计较试图摹拟生物神经网络的布局以及信息加工进程。它在软件层面的测验考试之一是脉冲神经网络（SNN）。
如今深度学习一般经由过程卷积神经网络（CNN）或者递回神经网络（RNN）来完成。“CNN以及RNN都属于人工神经网络，此中的人工神经元，至今仍在使用上世纪40年月时的模子。”黄铁军说，尽管如今设计出的人工神经网络愈来愈年夜，也愈来愈繁杂，但从基础上讲，其神经元模子没有太年夜改良。
另外一方面，在深度学习人工神经网络中，神经元之间的毗连被称为权值。它们是人工神经网络的关头要素。
而在脉冲神经网络中，神经元之间倒是神经脉冲，信息的表达以及处置经由过程神经脉冲发送来完成。就像咱们的年夜脑中，有年夜量神经脉冲在通报以及流转。
黄铁军奉告记者，因为神经脉冲在不绝地通报以及流转，脉冲神经网络在表达以及处置信息时，比深度学习的时间性更凸起，加倍适宜入行高效的时空信息处置。
推行运用可能不需过久
也有人从硬件层面往完成类脑计较，好比神经形态芯片。
2019年7月，英特尔发布动静称，其神经形态研究芯片Loihi执行公用使命的速率可比平凡CPU快1000倍，效率高10000倍。
“在对信息的编码、传输以及处置方面，咱们但愿从年夜脑机制中得到开导，将这些设法运用到芯片技能上，让芯片的处置速率更快、程度更高、功耗更低。”吴华强也在入行神经形态芯片相干研究，他奉告科技日报记者。
吴华强先容，在传统的冯·诺依曼架构中，信息的处置以及存储是分隔的，而人的年夜脑在处置信息时，存储以及处置是融为一体的。
“以是咱们在测验考试研发存算一体化的芯片，但愿经由过程防止芯片外部不绝地搬运数据，来年夜幅提高芯片的能效比。”吴华强说，他的团队如今也已经研收回存算一体的样品芯片。
谈到类脑计较的入铺，黄铁军奉告记者，今朝类脑计较仍在试探阶段，还缺少典范的胜利运用。但贸易公司已经经嗅到滋味，相干技能得到规模性运用可能不必要过长时间。
“如今的神经形态计较还比力开端，它的成长程度跟现有支流人工智能算法相比，还存在必定差距。”中科院主动化所研究员张兆翔接受科技日报记者采访时认为，但作为一种新的探索方法，应当继续坚持，由于它可能就是将来人工智能技能成长的首要突破口。