雷鋒網(wǎng) AI 科技評論按，7 月 12 日-7 月 14 日，2019 第四屆全球人工智能與機(jī)器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機(jī)學(xué)會（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，深圳市人工智能與機(jī)器人研究院協(xié)辦，得到了深圳市政府的大力指導(dǎo)，是國內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流博覽盛會，旨在打造國內(nèi)人工智能領(lǐng)域極具實力的跨界交流合作平臺。

7 月 13 日，在「類腦計算」專場論壇上，來自學(xué)術(shù)界、企業(yè)界的多位知名學(xué)者、專家圍繞類腦科學(xué)這個主題，從類腦計算的底層技術(shù)、最新研究進(jìn)展到實際落地進(jìn)行了精彩的剖析和探討。

美國國家工程院士，美國藝術(shù)與科學(xué)院院士，美國網(wǎng)格超級計算機(jī)發(fā)明者陳世卿:第三腦引領(lǐng)前沿腦科學(xué)

論壇伊始，陳世卿教授帶來了主題為「The Third Brain Theory and Practice」的演講。

他表示，現(xiàn)在全世界所有最快速的超級計算機(jī)消耗的能量都非常高，甚至達(dá)到了不可忍受的地步?；谶@一現(xiàn)狀，13 年前他成立了非正式的第三腦研究院，希望未來的計算機(jī)能夠像人的大腦一樣低能耗、高速度、高效率，且它不能是以前那樣固定的架構(gòu)，必須是有彈性的。

他進(jìn)一步表示，他們的目的是借用系統(tǒng)架構(gòu)，從超級計算機(jī)里面綜合神經(jīng)科學(xué)、人工智能和超級計算這三種科學(xué)來引領(lǐng)前沿的腦科學(xué)。這一研究的目的有三個，第一點是提升人群的身心健康，第二點是提升人群的智慧品質(zhì)，第三點提升人群的道德水平。

第三腦有四個方向：1. 研究腦，深入了解腦的基礎(chǔ)生物機(jī)制；2. 保護(hù)腦：防止腦損傷和找到早期精準(zhǔn)檢測的方法；3. 開發(fā)腦：發(fā)展腦機(jī)融合的高效率學(xué)習(xí)方法；4. 延伸腦：把腦機(jī)融合的技術(shù)延伸到云端，從小到老，終生陪伴。

這四個方向他們都有涉獵。他們的目標(biāo)是建立一個健康、愉快、智慧、和諧的社會。

北京大學(xué)信息技術(shù)學(xué)院教授，麥戈文腦科學(xué)研究員吳思：發(fā)展類腦計算模型進(jìn)行時空動態(tài)模式識別

吳思教授的演講主題是「類腦的感知計算模型」。

他表示，計算神經(jīng)科學(xué)在腦科學(xué)和人工智能之間起到了橋梁的作用。

目前，深度學(xué)習(xí)在靜態(tài)物體的識別上已經(jīng)超過了人類，但還有很多的工作是深度學(xué)習(xí)做不好的，其中之一就是時空動態(tài)的模式識別。這個問題對人腦來說是非常簡單的，但深度學(xué)習(xí)并不擅長這個。

為什么時空動態(tài)模式識別特別重要？因為類腦的目的是模仿大腦處理信息的方式，而大腦處理信息的方式和深度學(xué)習(xí)有很多的不同，人腦處理的都是動態(tài)的時空信息。

所以，真正的類腦計算不應(yīng)該處理靜止圖像，而應(yīng)該處理時空連續(xù)的信號。雖然深度學(xué)習(xí)已經(jīng)有很多成功的應(yīng)用，但如果往下走，例如在進(jìn)行視頻分析、動態(tài)視覺信息處理的時候，自然就會遇到和人腦一樣的任務(wù)，需要做一些動態(tài)時空模式的識別。

要做動態(tài)時空模式的識別，首先，信號源不應(yīng)該是靜止的圖像，而應(yīng)該像人類一樣輸入連續(xù)的信號。目前在這一問題上已經(jīng)有很多很好的工作。如果我們要做人腦，就應(yīng)該直接從源頭上產(chǎn)生連續(xù)的信號，后面的模型也要用處理連續(xù)信號的方式來處理。如果在源頭上已經(jīng)產(chǎn)生了這種脈沖信號，后面配備的模型和理論也要全部提升，不能再用現(xiàn)在的機(jī)器視覺的算法。

視覺系統(tǒng)有三個基本的功能：物體的勘測、跟蹤和物體的識別。這三個功能組合起來就會產(chǎn)生更復(fù)雜的視覺功能。所以根據(jù)三個基本的功能，結(jié)合人腦的工作原理，可以嘗試發(fā)展類腦計算的模型。

中國科學(xué)院自動化所研究員余山：從大腦到人工神經(jīng)網(wǎng)絡(luò)的路途并不遙遠(yuǎn)

余山教授的演講主題是「從腦網(wǎng)絡(luò)到類腦計算」。

他表示，他原來研究的是腦科學(xué)，在研究生、博士生階段受的訓(xùn)練是做實驗?zāi)X科學(xué)。在開展動物實驗研究大腦如何工作的同時，他的部分研究興趣轉(zhuǎn)移動到如何從大腦中找到規(guī)律，并把這些規(guī)律利用起來，設(shè)計出新一代更有效率、智能程度更高的人工智能系統(tǒng)，也就是我們今天說的類腦計算。

他提及，有的人可能會覺得從大腦到人工神經(jīng)網(wǎng)絡(luò)的路途太遙遠(yuǎn)，因為這兩者的機(jī)制、結(jié)構(gòu)和實現(xiàn)形式都完全不一樣。但從他過去幾年的研究經(jīng)驗看，他認(rèn)為這兩者之間有著非常有效的連接和橋梁。腦科學(xué)研究已經(jīng)發(fā)現(xiàn)了大量有趣的現(xiàn)象和重要的原理，我們可以思考如何把這些原理用于人工神經(jīng)網(wǎng)絡(luò)、人工智能系統(tǒng)當(dāng)中，去驗證他們的效果。

余山進(jìn)一步表示，David Marr 是計算神經(jīng)視覺的奠基人之一，他認(rèn)為我們的大腦本質(zhì)是信息處理的系統(tǒng)。Marr 提出，要研究信息處理系統(tǒng)，可以從三個層次來進(jìn)行研究：1、計算的層次，系統(tǒng)做什么事情、為什么要做這個事情，這是很抽象的層次；2、算法或者表征層次，它怎么做剛才說的事情，通過什么樣的算法、什么樣的計算步驟來實現(xiàn)剛才的功能；3、物理實現(xiàn)的層次，用什么工具來實現(xiàn)，用 GPU 或者類腦的神經(jīng)芯片。余山認(rèn)為，這三個層次中的每個層次都可以從大腦中學(xué)到有意義的啟示來幫助我們思考。

中國科學(xué)院半導(dǎo)體研究所研究員劉力源：視覺芯片超越人類視覺感知能力

劉力源教授報告的主題是「光電融合的人工視覺片上系統(tǒng)研究」。

他表示，人工視覺芯片是用半導(dǎo)體技術(shù)模仿人類的系統(tǒng)，其主要特點是把圖像傳感器和視覺處理器集成在一個芯片上，其功能是模仿人類視覺系統(tǒng)進(jìn)行信息的并行獲取以及處理。

這種視覺芯片是一種比較典型的邊緣計算系統(tǒng)。數(shù)據(jù)中心模式是指圖像數(shù)據(jù)被傳感器感知到以后，首先通過無線網(wǎng)絡(luò)傳到數(shù)據(jù)中心。在這其中，不可避免地會遇到通信延時問題。視覺芯片是采用邊緣計算模式，在傳感器感知以后馬上對信息進(jìn)行處理，因此在實時性方面好于數(shù)據(jù)集群的處理模式。

由于視覺芯片在邊緣端處理圖像，因此也面臨著很多問題。其中最大的問題是如何在功耗、芯片面積受限的條件下設(shè)計圖像大數(shù)據(jù)進(jìn)行實時器。

視覺芯片在很多領(lǐng)域都有應(yīng)用，如盲人導(dǎo)航、自動駕駛、機(jī)器人、目標(biāo)跟蹤等，基本涵蓋了工業(yè)、消費(fèi)、科研等各個領(lǐng)域。

在視覺芯片方向主要有三大技術(shù)：1、人工視覺感知技術(shù)：視覺芯片不僅僅是簡單模仿人類視覺系統(tǒng)的功能，在很多情況下它還需要具有超越人的視覺感知能力；2、智能化信息處理能力：如何在功耗、體積受限的情況下進(jìn)行實時化的圖象處理；3、集成技術(shù)：我們?nèi)绾螌⑷斯ひ曈X圖像傳感器和處理器進(jìn)行集成也是一個非常重要的問題。

中國科學(xué)院計算所副研究員趙地：開發(fā)有效的芯片對類腦計算至關(guān)重要

趙地教授的演講主題是「類腦計算芯片研究進(jìn)展」。

他表示，類腦芯片在物聯(lián)網(wǎng)領(lǐng)域可能具有非常大的價值。在很多應(yīng)用場景下，應(yīng)用和時間是有強(qiáng)烈關(guān)系的。例如，在安防領(lǐng)域，攝像頭 24 小時不停地工作，這不僅帶來了巨大的存儲問題，還帶來了計算的問題。

所以，一個類腦計算的相關(guān)項目包括從機(jī)理、傳感器到芯片，最后到算法的開發(fā)，到實際的落地和應(yīng)用。

類腦計算和深度學(xué)習(xí)具有很大的相似性，它們同樣需要有訓(xùn)練數(shù)據(jù)，同樣需要有標(biāo)注，同樣需要有一些訓(xùn)練算法的支持。但是，類腦計算處理的是大腦中的脈沖信息。所謂的脈沖信息并不是一個連續(xù)的信息，脈沖的時間是有長度的。而人的大腦，不管是對于視覺信息的表述，亦或是聽覺、高級情感的表述，都是通過零散的脈沖來實現(xiàn)的。這樣就帶來一個問題，在深度學(xué)習(xí)中大量我們熟悉的方法，在類腦計算中就沒辦法使用了。

因此，如何開發(fā)有效的訓(xùn)練算法，是我們現(xiàn)在面臨的一個比較大的問題。甚至在硬件設(shè)計中，現(xiàn)有的硬件如何支持好的訓(xùn)練算法，也是需要我們考慮的問題。

我們需要視覺處理器、聽覺傳感器、觸覺傳感器、嗅覺傳感器這四類需要事件驅(qū)動的傳感器來實現(xiàn)統(tǒng)一的信號輸出。然后，通過轉(zhuǎn)換電路 FPGA 卡，在計算最復(fù)雜的部分通過轉(zhuǎn)換電路，進(jìn)入神經(jīng)形態(tài)處理器進(jìn)行加速。

「類腦芯片的落地應(yīng)用」圓桌論壇

在精彩的主題報告之后，是「類腦芯片的落地應(yīng)用」圓桌論壇。參加圓桌論壇的嘉賓有深圳市宜遠(yuǎn)智能科技有限公司 CEO 吳博、中國科學(xué)院計算所副研究員趙地、中國科學(xué)院自動化研究所研究員余山、北京大學(xué)信息技術(shù)學(xué)院教授，麥戈文腦科學(xué)研究員吳思。

此次圓桌論壇的主持人是深圳市宜遠(yuǎn)智能科技有限公司 CEO 吳博。在論壇中，嘉賓們圍繞類腦計算和深度學(xué)習(xí)的關(guān)系以及類腦計算的落地應(yīng)用等相關(guān)主題進(jìn)行了探討。

中國科學(xué)院計算所副研究員趙地表示，類腦計算和深度學(xué)習(xí)各有優(yōu)缺點。類腦計算作為一個新的事物，它有著自己的特點。從長遠(yuǎn)來看，兩者應(yīng)該是你中有我、我中有你的狀況。不論是視覺還是圖像分析領(lǐng)域，它們都有很多具體的細(xì)分領(lǐng)域，可能會存在相互交織、合作的情況。

類腦不僅是芯片，還有很多其它問題。但是就芯片領(lǐng)域來說，目前機(jī)會很多，這是因為現(xiàn)在類腦計算方興未艾，還沒有形成標(biāo)準(zhǔn)。類腦芯片還沒有一款商業(yè)化的產(chǎn)品，沒有商業(yè)化就意味著沒有形成事實的產(chǎn)業(yè)標(biāo)準(zhǔn)，機(jī)會就來自于這里。

中國科學(xué)院自動化研究所研究員余山表示，現(xiàn)在的深度學(xué)習(xí)從廣義上來說也是類腦計算，因為它不是基于規(guī)則的機(jī)器學(xué)習(xí)系統(tǒng)，而是用神經(jīng)網(wǎng)絡(luò)從經(jīng)驗中學(xué)習(xí)知識。所以類腦計算和現(xiàn)在的深度學(xué)習(xí)兩者是互相借鑒，互相促進(jìn)的關(guān)系。

在類腦這一領(lǐng)域，目前國內(nèi)機(jī)會較多。我國在計算、工程、智能技術(shù)方面有比較好的基礎(chǔ)，腦科學(xué)方面總體和美國還存在一定的差距，但近幾年的發(fā)展非常迅速，有很多非常優(yōu)秀的研究單位和課題組。

北京大學(xué)信息技術(shù)學(xué)院教授，麥戈文腦科學(xué)研究員吳思表示，關(guān)于深度學(xué)習(xí)，有人理解的深度就是指很多層。有人認(rèn)為，只要層數(shù)足夠多，大腦處理器就是深度學(xué)習(xí)網(wǎng)絡(luò)。至于類腦計算，如果我們的目標(biāo)是進(jìn)行圖像識別，那么可能深度學(xué)習(xí)網(wǎng)絡(luò)就已經(jīng)做得很好了，沒必要用類腦。但是，如果要做類腦智能，比如一個能夠像人一樣干各種各樣事情的機(jī)器人，那么目前的深度學(xué)習(xí)網(wǎng)絡(luò)肯定要徹底推翻，只有這樣才能完成任務(wù)。

他表示，他是在對人工神經(jīng)網(wǎng)絡(luò)的發(fā)展感到失望以后才開始研究大腦。大腦太復(fù)雜了，如果要做一個具體的應(yīng)用，現(xiàn)在的深度學(xué)習(xí)網(wǎng)絡(luò)可能可以完成得很好。但如果要追求真正的智能，我們還有很長一段路要走。

在圓桌論壇的最后是提問環(huán)節(jié)。到場的觀眾積極和嘉賓們進(jìn)行互動，展開了熱烈的討論，收獲滿滿，大家都意猶未盡。

接下來還有 AI 醫(yī)療、智慧城市、智慧城市. 視覺智能、智能商業(yè)和智慧教育等專場，AI 科技評論也會繼續(xù)跟進(jìn)報道，敬請期待。

雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。