雷鋒網(wǎng)按：2017 年 7 月 28-30 日，由 中國計算機學會（CCF）主辦的高端學術(shù)活動——中國計算機學會學科前沿講習班（CCF Advanced Disciplines Lectures，簡稱 ADL）第 81 期在北京中國科學院計算技術(shù)研究所舉辦。

本期講習班由北京大學計算機科學技術(shù)系主任，信息科學技術(shù)學院教授黃鐵軍主持，另有六名來自學界、業(yè)界的大牛，為現(xiàn)場百名學員講解了“類腦計算”相關(guān)的前沿與應用。雷鋒網(wǎng)亦來到現(xiàn)場聽講。

北京大學信息科學技術(shù)學院教授，計算機科學技術(shù)系主任，國家杰出青年科學基金獲得者，教育部長江學者特聘教授

黃鐵軍教授回顧計算機和人工智能的發(fā)展，提出目前我們正處于神經(jīng)形態(tài)計算類腦計算機的元年。以AI的誕生、制造強AI、繪制大腦地圖、神經(jīng)形態(tài)計算、AI睜開眼睛為框架體系講解了類腦計算。黃鐵軍認為相比于Brain Inspired Computing（腦啟發(fā)的計算），Brain Like（仿腦）是取得突破的可行路線，是走向“強人工智能”的必要階段，可能比“人工智能”（人工設計出來的智能）和“認知科學”（理解思維的機理）更早實現(xiàn)。

雷鋒網(wǎng)對其演講全文進行了不改變原意的編輯，分為上下篇，上篇為《北大計算機系黃鐵軍CCF-ADL講習班上篇：從計算機發(fā)展史講解制造超人工智能的正途——類腦計算》，此為下文。

三、繪制大腦地圖

我們不用靠認知科學去知道意識是什么，神經(jīng)科學才是實現(xiàn)強人工智能的途徑，要把人類大腦畫出來，要搞清楚是什么樣的結(jié)構(gòu)產(chǎn)生了我們高級的智能。對于這樣一個復雜的系統(tǒng)，如果我們從結(jié)構(gòu)從物質(zhì)上去看的話，當然也很復雜，這個問題難度仍然很大。

大腦本身是一個信息處理的系統(tǒng)，是神經(jīng)元和神經(jīng)突觸在發(fā)揮作用。在這些層次，我們都是在看信息、信號，它的復雜度是有限的，而且是可以預期的時間之內(nèi)，把它搞清楚的。但是它是一個動力學系統(tǒng)，因為大腦是沒有意識的，這個是問題復雜的地方。你不能只知道神經(jīng)元怎么連接的，一個照葫蘆畫瓢，僅僅畫一個形狀像，我們還要產(chǎn)生動力學，不產(chǎn)生動力學，最終是做不出智能意識的，所以這是這個問題真正難的地方。 

因為到今天為止，實際上我們對大腦的解剖，去測量它的手段已經(jīng)有了，現(xiàn)在是怎么把這個任務變成在十年這樣一個尺度內(nèi)完成的問題。人腦絕對不像我們一般想那樣的復雜。人腦是860億的神經(jīng)元，其實200多億是我們的大腦皮層，200多億是高級智能的物理載體。這個皮層本身就像上面，這是很多的皺褶的結(jié)構(gòu)，本身不是一個隨機的，是一個有規(guī)律，有結(jié)構(gòu)的結(jié)構(gòu)。具體來說，它是由1200萬個功能柱組成的，每一個功能柱是一萬個神經(jīng)元左右，大家看到的把皮層展開之后，就像一面墻，這面墻上有很多磚組成的，每一個磚我們叫功能柱，磚內(nèi)部的連接比較復雜，當然也比較有規(guī)律，不同的磚的連接是類似的，這面墻有這么1200萬，不到200萬塊磚組成的。為什么這么去看這個結(jié)構(gòu)？是因為將來你可以靠大量的芯片去并列來產(chǎn)生這個結(jié)構(gòu)，但是芯片之間的連接和芯片內(nèi)的連接也比較復雜。

在如何把大腦逆向描繪來方向，現(xiàn)在有很多進展，一個是華中科技大學駱清銘教授他們2010年發(fā)的一篇論文，獲得了2014年國家自然科學二等獎，他們突破了單細胞分辨的全腦顯微光學切片成像，右邊是一個小鼠的大腦，整個大腦是0.5立方厘米的大小，用樹脂固定、冷凍、切片，然后去掃描，去看神經(jīng)元的連接。這個數(shù)據(jù)他們掃出來之后，就給了瑞士的人類大腦計劃。

這是上個月，我們北大的分子醫(yī)學所陳賀平院士他們做的，雙光子顯微鏡是基金委重大儀器項目的成果，這種新的儀器很小，成本比較低，現(xiàn)在它的分辨率可以看清楚樹突和樹突棘的形態(tài)，生產(chǎn)過程還有神經(jīng)元。類腦計算需要一群，要一定面積之內(nèi)的這樣的神經(jīng)網(wǎng)絡圖譜。國家會投15億建一個平臺，現(xiàn)在應該是初步定了北大牽頭建這個平臺，當然北京市還要配套，幾十億要把這個系統(tǒng)建起來，建起來之后去掃描，去觀察這樣一個生物的對象。 

系統(tǒng)建立后，根據(jù)加工能力我們大概需要五年能做出視網(wǎng)膜，十年把視皮層做出來。第二個，神經(jīng)元的模型，我們搞人工神經(jīng)網(wǎng)絡的人，得有神經(jīng)元的模型才能做人工神經(jīng)網(wǎng)絡的計算。但是生物神經(jīng)元的工程是什么？我們很多搞人工神經(jīng)網(wǎng)絡的人不知道，還有這么精細的模型。所以如果有了結(jié)構(gòu)，有了單元的模型，其實我們就可以構(gòu)造一個網(wǎng)絡了，一個逼近生物的神經(jīng)網(wǎng)絡了。所以從2005年開始，EPFL，瑞士聯(lián)邦理工學院洛桑的那個學院，他們一個組Markram做了一個模型，用了IBM的藍色基因，超級計算機上面，建了一個模型，這個模型是1萬個神經(jīng)元，每一個神經(jīng)元，用方程盡可能的逼近生物的真實。把這樣一個模型，在超級計算機算，觀察它接受刺激的情況下，這樣的網(wǎng)絡會出現(xiàn)什么現(xiàn)象，當時他們出現(xiàn)了Y振蕩現(xiàn)象，差不多40赫茲左右的振蕩，當然有網(wǎng)絡，有這個神經(jīng)脈沖在里面，在里面去循環(huán)就會產(chǎn)生振蕩，這個振蕩跟我們這個生物大腦是一樣的，我們都有腦電波，為什么會有腦電波，因為你的神經(jīng)網(wǎng)絡里面，有大量的神經(jīng)脈沖在傳遞。傳遞過程中，有入口有循環(huán)，產(chǎn)生我們的腦電波，我們測腦波這種現(xiàn)象就是神經(jīng)網(wǎng)絡外顯出來的一種功能，我們活著我們就有腦電波，死了就沒有。這樣的網(wǎng)絡同樣會產(chǎn)生腦電波，證明這個仿真已經(jīng)接近生物的真實了。

他們在2015年的時候，發(fā)明了另外一篇論文，更精細了，0.3立方毫米的大鼠腦區(qū)，3萬多個神經(jīng)元，800萬個連接，這樣一個更精細的模型，證明實際上用計算的這種仿真的方法是可以精準重現(xiàn)生物的信息處理功能的，實現(xiàn)了這樣一個目標。

歐洲列出來的13個方向，十幾個億歐元，一大幫人做。藍色部分就是我們信息相關(guān)的，神經(jīng)信息學、大腦仿真、 高性能計算，因為為了做大規(guī)模，一定要有更高性能的平臺。醫(yī)療信息學、神經(jīng)形態(tài)計算、神經(jīng)機器人，這都是我們說的類腦計算，或者是神經(jīng)形態(tài)計算。

在2013年的歐洲計劃正式啟動是3月份，4月份美國大腦計劃提出來之后，也是很多部門參加，所以2014年的時候，NIH列了12年的規(guī)劃，大致來說，前五年研究新的技術(shù)，來探測大腦的結(jié)構(gòu)，比如說列的核磁共振，電子、光學探針，功能性納米粒子、合成生物學，其實都是試圖畫大腦的圖譜。后五年，用這些技術(shù)把圖譜畫出來，像人類基因圖譜一樣，把人類的大腦圖譜畫出來，人類大腦的動態(tài)圖，靜態(tài)圖譜像地圖，我們百度地圖把城市的路網(wǎng)畫出來了，如果把路上跑的車，什么地方的車流量大，什么地方流量小，每輛車的位置，那就是動態(tài)圖譜。大腦也一樣，不僅僅是要搞清楚神經(jīng)網(wǎng)絡的連接，而且要知道不同的神經(jīng)元之間傳遞的神經(jīng)脈沖的數(shù)據(jù)。美國也有很多企業(yè)做的有九個研究領(lǐng)域，2025年，實際上是12年的一個計劃，大腦神經(jīng)元、神經(jīng)交織細胞類型的普查，創(chuàng)建大腦結(jié)構(gòu)圖譜，開發(fā)新的技術(shù)，不一一念了。實際上就是要畫圖，要把大腦的地圖畫出來，花了很多錢。

四、神經(jīng)形態(tài)計算

這不是我們學科的，但是沒有這個藍圖，你構(gòu)造不出來強人工智能的體系結(jié)構(gòu)。從1943年人們就開始想，既然生物神經(jīng)能做這個事，我們?yōu)槭裁床挥蒙锷窠?jīng)出發(fā)去做，去這么做。但是那個時期的技術(shù)有限。所以在2015年春天的時候，那個時候國家要做十三五，從啟動的16個重大科技專項大概來說，這些方向已經(jīng)有想法了。這個圖是2015年春天的時候，我們幫著起草了一些政府的規(guī)劃，規(guī)劃的一個示意圖，做類腦計算機或者神經(jīng)形態(tài)計算，我們從信息的角度，我們該做一些什么事。這個事今天來看，也還是對的。從下面要做神經(jīng)形態(tài)器件，做人工神經(jīng)元、神經(jīng)突觸，基于他們做類腦處理器，都是為了聽起來容易明白你們到底要干嘛，還叫它類似于CPU這種名字，本來不太準確，但是完全創(chuàng)造一個新詞，別人也不知道你干什么，所以稱為類腦處理器，做類腦計算機，這種計算機要有視聽感知、自主學習和自然會話這些一些高級的功能，現(xiàn)在計算機做不好，甚至于做不到，將來的計算機要能做到。為了做類能處理器要把生物神經(jīng)系統(tǒng)的結(jié)構(gòu)解析仿真，然后我們基于那個結(jié)構(gòu)來做類腦處理器。

左邊是一條線，自底向上的方法，右邊說認知功能，盡管我個人偏左邊這樣一個思維方式，但是我們不能否定，自上而下基于功能的路線。如果認知科學能夠提供一定的認知功能的模型，改進現(xiàn)在的機器學習，做新的處理器，一樣會對后面的發(fā)展發(fā)揮作用。大致上就這么九個方向，在9月1日作為北京市腦計劃兩大部分之一，對外公布了。后來在11月份的時候，人民日報有一個專版報道了北京這樣一件事，北京也北大、清華、科學院、北師大很多單位。所以大家剛才那個圖里面每一塊，都有一個單位在做。從器件開始在做，當然一開始做項目，不可能說全面說上來做人腦，從一個一個點，往最終的目標在發(fā)展。這樣一個技術(shù)思路，本身不是新的，得到馬上會看到，因為研究三十年了。我們當成一個整體大家一起行動，做一些共同的事情。但是從一種政府的季度來說，還算有點提前的。在2個月之后，2015年10月29日，這個文件大家在網(wǎng)上可以下載的，美國能源部一個會議，會后出的一個報告，《神經(jīng)形態(tài)計算：從材料到系統(tǒng)架構(gòu)》，材料就是剛才說的做器件，系統(tǒng)架構(gòu)就是非馮諾伊曼新的體系結(jié)構(gòu)會是什么樣，幾十頁的報告，大家可以從網(wǎng)上下載。但是從整體上，跟剛才講的體系是類似的，我們對這一塊，當時有描述，我就不展開了。

去年2016年斯坦福大學發(fā)布的人工智能2030的報告里面，對11個人工智能的發(fā)展方向的預測，其中前面那幾個是目前很熱門的，大規(guī)模機器學習，基于大數(shù)據(jù)的大規(guī)模機器學習，深度學習，強化學習。報告里面表述很清楚，深度學習對深度神經(jīng)網(wǎng)絡，已經(jīng)對應用地平線帶來一輪沖擊，這個沖擊大家已經(jīng)感覺到了。如果這些神經(jīng)形態(tài)計算，硬件系統(tǒng)能出現(xiàn)的話，會帶來更大的沖擊波，這是他的一個判斷。所以下一波，基于神經(jīng)形態(tài)計算的智能，會帶來社會的影響會更大。

其實有很多的學校、很多研究所都在做神經(jīng)形態(tài)計算機，其中比較有代表性的有：德國海德堡大學，美國IBM公司，斯坦福大學和曼徹斯特大學。

總的來說，大家看到這張圖，實際上就是神經(jīng)形態(tài)計算系統(tǒng)，在逐漸逼近大腦的過程，盡管現(xiàn)在都做了一定的簡化，規(guī)模上什么都有很大的差距，但是去逼近這個生物大腦，人類已經(jīng)邁出了很重要的一步，后面就是進一步逼近的問題。

IBM這件事因為媒體報道比較多，實際上大家可能都知道，IBM做了一個神經(jīng)形態(tài)芯片。這是2014年7月份，他們在發(fā)表那一篇論文之前，做的媒體報道。當時的媒體，有這么一句話，IBM的長遠目標是建立具有一百億個神經(jīng)元和一百萬億突觸的神經(jīng)突觸系統(tǒng)，能耗只有一千瓦，體積不到兩升。大家讀這句話，實際上要逼近人腦規(guī)模，人腦功耗是20、30瓦，這個系統(tǒng)是一千瓦，體積不到兩升，人腦就是這樣一個。從物理這種指標上，要逼近人腦，只有功耗比人腦大一些，一千瓦就是家里的小空調(diào)，就是一千瓦，其實很低了?，F(xiàn)在超級計算機，像天河二號，應該是有16兆瓦，每年的電費要幾個億的成本。但是我們等下看，天河二號與人腦還遠著呢。但是實際上，我剛才念這句話是2014年的報道，實際上這句話是推遲7年之后說出來的，因為這個目標早在2007年已經(jīng)定下來了，只不過對媒體不敢說。因為他們做這個事，也做了很多年，從2004年開始醞釀做，到2014年，十年時間把芯片做出來，還是花了很多人力、物力，包括支持經(jīng)費做出來。在這個過程中，我想讓大家看這個圖，其實不是拍腦袋說做一個芯片，就做一個芯片，背后有它背后的邏輯。所以你看圖里面，老鼠的，這里面小老鼠、大老鼠、貓、猴子、人腦都能看見，這是什么東西？這是在超級計算機上做仿真，一開始的時候，在做芯片之前，都是IBM的超級計算機速度比較快，所以超算上在算，在仿真這個大腦，當然仿真的程度，就像剛才說的，可能神經(jīng)元的模型不那么精細，但是沿著這樣一條路線在做仿真，所以做了十年，到最后我要做芯片，為什么必須做一個芯片？是這樣的，當時2007年，為了申請這個項目的時候，這個項目叫SyNAPSE，大家知道這是突觸的意思，但是實際上是縮寫，一個神經(jīng)形態(tài)的自適應的、可塑性、可伸縮可擴展的電子系統(tǒng)，這么羅嗦的一句話說到底就是一個電子大腦皮層，在2007年立項的時候，立的目標就是像人腦皮層一樣，做這么一個電子實現(xiàn)，電子實現(xiàn)功能一千瓦。上面那個電子的一千瓦，下面人腦20瓦，單位面積內(nèi)的神經(jīng)突觸、神經(jīng)元的數(shù)是一樣的，所以體積就一樣，是兩升。媒體那邊講2014年講的話，實際上講的是2007年申請這個項目的時候，定的一個目標。從2008年開始做，也給了不少錢，最后把這個芯片做出來。

為什么要做這個芯片？其實是因為靠超級計算機模擬，是不可能解決大腦的這種傳導規(guī)模的仿真。IBM用的模型，大家看到是立體模型，是最簡單的一種，當然比我們?nèi)斯ど窠?jīng)網(wǎng)絡用的MP模型要復雜一點，就是比較簡單的一種脈沖神經(jīng)網(wǎng)絡的模型。即便用這種簡單的模型，他們在2009年，超算上的一篇，當時那個系統(tǒng)叫皮層模擬器軟件，那個時候按照他們的估算，這個數(shù)是公開的，大家看，那時候做的是83分之1，人要1秒，它要83秒，模仿了4.5%的人腦，消耗了144T的內(nèi)存，0.5pflops的計算量，換算一下，如果用天河二號，要把人腦規(guī)模實時的，不超過幾十赫茲的信息處理能力算出來的話，需要300臺天河二號，神威天湖之光，也需要100臺。所以電費就不夠，當然我們也沒有造出那么多超算，盡管我們是第一，我們只有一臺神威，要造100臺神威，才能用一個簡化的模型，把人腦仿真出來。所以這就是我一開始說的，你用這個做研究的可以往下做，真要做到人腦規(guī)模，不是一條可行的路。中國再有錢，也不能為了模仿仿真大腦，造100臺神威天河。

所以一定要做硬件，根據(jù)神經(jīng)網(wǎng)絡的需要做新的硬件，能逼近人腦這樣一個終極目標。這是TureNorth芯片，這個芯片上的神經(jīng)網(wǎng)絡，確實是脈沖神經(jīng)網(wǎng)絡，但是做了很多的簡化，這里面也有一些比較創(chuàng)新的東西。比如一個神經(jīng)元要跟幾千個神經(jīng)元通訊，怎么通訊？人腦是進化好了，連接都已經(jīng)有專門的神經(jīng)纖維在聯(lián)，很多就是神經(jīng)纖維，不一定是我們的神經(jīng)元。物理連接已經(jīng)進化出來了，一個芯片怎么做？所以一個芯片內(nèi)，任何一個神經(jīng)元都有可能跟其他幾千個神經(jīng)元相聯(lián)，比如就設計了一個高速路由系統(tǒng)，芯片內(nèi)的高速路由系統(tǒng)，使得最終當然希望剛才說的，每秒鐘比如一個神經(jīng)元發(fā)幾十個脈沖，它都能實時送過去，類似于這樣，從芯片設計的技術(shù)上進行解決。這個已經(jīng)實現(xiàn)了，把大量的芯片做成版，把大量的版拼在一起，做一個裝置，是希望它能像人腦一樣的同樣的信息處理能力，這是一個。然后就是歐洲的幾個項目，其中藍腦計劃我剛才說過了，是歐洲大腦計劃很重要的一個推動力。

Spinnaker是剛才說的英國系統(tǒng)，英國這個系統(tǒng)是用AARM做的，這個實際上是去年的，去年這個系統(tǒng)是50萬核，50萬個ARM核，仿真400M神經(jīng)元和400B神經(jīng)突觸的一個系統(tǒng)。五個機柜具有這樣一個基礎(chǔ)能力。旋轉(zhuǎn)的輪胎是什么東西？就是體系結(jié)構(gòu)，在創(chuàng)造的就是說大家想還是剛才那樣一個問題，一個神經(jīng)元要跟幾千個其他的神經(jīng)元通訊，通訊是中間很關(guān)鍵一個問題，要速度，所謂的速度就是在這個地方，你能不能很高效的實現(xiàn)任意一個神經(jīng)元跟幾千個神經(jīng)元通訊，一旦設計一個，有效的結(jié)構(gòu)，一個體系結(jié)構(gòu)，因為像IBM的芯片是偏內(nèi)的，高速的結(jié)構(gòu)，Spinnaker每一個單元就是一個ARM的核，一個ARM處理器，處理器有64還是多少個核，這個核之間，每一個核去仿真神經(jīng)元的話，要通訊，所以怎么解決通訊協(xié)議，這是它的一個專利。論文里面也都有報道，所以這樣一個環(huán)，這些核之間連接成蜂窩狀，最終形成這樣一個形狀，每個紅點就是它要發(fā)射神經(jīng)脈沖了，向周邊傳遞下去。當然每一個神經(jīng)元，你不可能連幾千個，但是能完成把這個信號傳遞過去，是它的獨特地方。

所以現(xiàn)在在歐洲這兩臺機器，已經(jīng)對外服務了，大家也可以訪問，然后我現(xiàn)在有一個神經(jīng)計算的模型，我想用你的，可以用，但是不會給你開放那么多基本資源，實驗一下還是可以做的。還有一個，剛才說神經(jīng)元現(xiàn)在大家已經(jīng)覺得沒有什么好擔心的了，因為神經(jīng)元的數(shù)量，是神經(jīng)突觸數(shù)量的千分之一，所以真正大腦的復雜，物理形成構(gòu)造是怎么把神經(jīng)突觸做出來。在尋找新的物理材料，構(gòu)造新的器件，最有代表性的一種叫憶阻器，這個器件本身最初的設想，不是為了做神經(jīng)形態(tài)計算的，是我們一個華人的科學家提出來一個想法，物理上有電阻、電容、電感，他是數(shù)學家，他說這個不完美，應該有第四種，他其了名字叫憶阻器。第四種是根據(jù)電流的變化會改變組織的一種器件，當時只是一個數(shù)學上的一個概念。但是在2008年的時候，找到了這種材料，具有這種特性。而這種特性，一方面可以改變組織，可以做存儲，很快你發(fā)現(xiàn)，它其實跟生物突觸的可塑性是類似的，所以后來就把它，很多人研究這種器件來做神經(jīng)突觸。過去這些年，大概十來年突觸已經(jīng)很熱了，很多學校和單位在做突觸。這種突觸，我大概給大家形象的描述一下，將來怎么做是這樣的。這篇論文就是1971年提出來，這是2014年參加指導一個博士后寫的一篇論文《大腦是由憶阻器組成的》，大腦的這些百萬億突觸，是可以用憶阻器來實現(xiàn)。當然這么一圖，不是電路，怎么實現(xiàn)電路，實際上就是看這個圖。實際上突觸的實現(xiàn)，是電流生產(chǎn)的工藝來說，其實并不復雜。

是這樣，我們剛才說過神經(jīng)元的數(shù)量要很少，相對于突觸來說是很少，所以神經(jīng)元會在兩邊，一排神經(jīng)元又一排神經(jīng)元，關(guān)鍵是怎么把神經(jīng)元用物理的連接連接起來。所以這兩排神經(jīng)元，橫豎的兩排神經(jīng)元，先涂上一種材料，用現(xiàn)在光刻的手段，刻成一道道線，最終綠點部分就是一個一個，肯定不是圓的，你刻成什么形態(tài)，就是什么形態(tài)，那個形狀不重要，那個材料就可以，因為那個藍線相當于連接神經(jīng)元的樹突和周突，那個綠的部分就是那一層材料，可以根據(jù)得出樹突上的信號傳遞，發(fā)生變化，就像神經(jīng)突觸一樣的發(fā)生連接起來，強度會發(fā)生變化。所以用這樣一種物理材料，生產(chǎn)將來的電路，是沒有問題的。當然這種材料的穩(wěn)定性，是不是能，首先從數(shù)學上，模型上是可以逼近生物的，但是穩(wěn)定性、可靠性，還是要有更多的研究。這個方面我剛才說，國外有很多單位在做，國內(nèi)也有很多單位在做，比如說北大、清華、南大、華中科大，都有很多組織再做，所以有十幾年的研究歷史，這個就是我們打一個想象的比方，就是新一代計算機的晶體管，晶體管就是剛才說的誰先做出來，誰能做的比較靠譜，真正變成未來產(chǎn)業(yè)的糧食，那就是未來的一個很重大的貢獻，中國還是不能落后的。

所以就是剛才說的，這樣一些系統(tǒng)、器件，甚至于剛才日本的火蠅全腦網(wǎng)絡都畫出來了，這樣一些標志性的事件，我們說去年我們可以在人類的歷史上，其實計算機正在進入一個新的紀元。這方面中國當然要做，所以前那么兩三年，我經(jīng)常到處去說，我們一定得做這個東西，當然北京市也給了不少支持，國家確實在布局?，F(xiàn)在來看，我們中國已經(jīng)進入了發(fā)展這樣一些，快速發(fā)展的過程。所以這是7月20日，新一代人工智能國務院發(fā)的總體發(fā)展規(guī)劃里面一張總圖，在網(wǎng)上可以下載規(guī)劃規(guī)劃上沒有圖，國務院發(fā)文件不會帶插圖，不是教科書。實際上這張圖原來在里面，只是發(fā)的時候，拿掉了。除了我們說的人工智能我不展開，類腦智能理論、量子智能理論、高級機器學習其實都在里面，在國家未來十幾年的發(fā)展過程中，這些東西都會作為很重要的內(nèi)容進行支持。所以我們應該已經(jīng)進入了，關(guān)于前面這一段，也有一些國際上的總結(jié)，大家今年的2月份，神經(jīng)形態(tài)計算這一部分，我是寫的科普第三篇，大家通過計算機學會的第二期和公眾號多有，大家愿意看的，可以再看一下。

我剛才講的這些東西都是國內(nèi)外的進展，都不是我這個實驗室做的，我們下面講的，是實驗室做的一些東西，跟視覺相關(guān)的。

五、AI睜開眼睛

我們習以為常的視頻概念是24幀圖像，連續(xù)形成一種連續(xù)的感覺，計算機視覺也是基于視頻的。但是事實上這個事跟生物視覺距離很遠。電影能夠產(chǎn)生連續(xù)影像，是因為生物視覺有一個視覺暫留的現(xiàn)象。生物視覺接受真實世界的刺激，從來都是一個連續(xù)過程。類腦視覺像現(xiàn)在每秒鐘輸入30幀圖像，每幀圖像就像現(xiàn)在做的，表達每幀圖像這個方向去做。這個路子本身就是錯的，生物本來沒這樣做，沒有說一幅圖像， 兩幅、三幅圖像，根據(jù)圖像看差異然后還要分析這個光流，不是這樣的。生物系統(tǒng)從來得到的都是在最細的力度上，它的一個實時的連受刺激過程。

我們經(jīng)常假定大腦信息處理的模型很復雜，實際上這種復雜性，有時候是自己給自己的一種假問題。在1978年的時候，美國科研院士提出來，其實大腦皮層處理信息的機制是一樣的，我們處理視覺、處理聽覺、處理觸覺，所有的在大腦皮層里面作為一種信息處理的算法，用計算機的算法，或者具體模型是一樣的。但是對我們來說，視覺、聽覺觸覺是不一樣的，你看見、你聽見和你手燙這個感覺是不一樣的，但是大腦皮層接受的都是一樣，都是信號。

在感覺這樣一類，我們的智能上面，還有一些新的數(shù)據(jù)，要跟大家分享。一個是到底我們?nèi)俗鳛橐粋€生物體，我們感知世界，我們的結(jié)構(gòu)，所有的智能歸根到底同樣是某種結(jié)構(gòu)實現(xiàn)的，同樣是某種物質(zhì)的載體去實現(xiàn)它的。對于感知來說，我們總共有300萬根神經(jīng)，感知神經(jīng)就是眼睛、耳朵、觸覺，剛才所有的這種感知，總共有300多萬根。其中每個眼睛背后有100多萬根，兩只眼睛200多萬根，剩下的聽覺、味覺、觸覺、全身的皮膚，你能感覺到熱、冷、燙，各種的感覺總共100多萬根。眼睛為什么是心靈之窗？因為入口占了三分之二。所以我們信息的獲取，靠眼睛獲取了三分之二的信息量。如果我們的盲人，眼睛不接受信號了，視覺就沒有用了，沒有刺激了，就該怎么辦怎么辦？聽覺或者其他的感覺，就會利用那個皮層。所以盲人的手的敏感程度很高，因為那個視覺的中心部分還是做了觸覺的處理、聽覺的處理。所以他的耳朵很靈，之所以很靈，是因為更多的皮層用來做聽覺了。這也一定程度上解釋了剛才那個原理，皮層還是那個皮層，還接受不同的刺激，做不同感知的任務。背后的基理應該是一樣的，但是這個基理到底是什么？這個事現(xiàn)在并沒有模型，比如像剛才說的，我們的眼睛接受光，光轉(zhuǎn)化成斯擺科，轉(zhuǎn)化成神經(jīng)脈沖，通過每個眼睛100萬根神經(jīng)纖維，送到V1，V1在后腦勺。到底我們當然就想知道，神經(jīng)系統(tǒng)是怎么來表達和編碼這個信息，這是視覺信息處理的基本問題。

但是光視覺系統(tǒng)消耗的能耗就是大腦的十分之一。所以睜開眼睛是花能量的，不是睜開眼睛說瞎話。睜開眼睛，你一天吃的飯為眼睛和視覺消耗掉了。所以有的時候，大家要閉目養(yǎng)神，別讓眼睛老在那睜著，歇一會兒，別在這轉(zhuǎn)化光、電，表達什么了。閉目養(yǎng)神真的能養(yǎng)神，因為你省了十分之一的能量嘛。那到底這個眼睛從接受光刺激一直到最后，比如識別出物體，甚至做出于動作，過程的這些細節(jié)，當然這是生物視覺他們在研究，我就不一一去說了。我們想說什么呢？到底這個生物視覺系統(tǒng)，怎么來表示信息的？類腦計算，大腦可以做的東西很多，感知是其中的一部分，但是這一部分很重要，它是入口，入口怎么表達信息，我們都不知道的話，后面的很多工作很難開展。我們北京市的支持下，想在這方面有所進展。

2010年的那篇論文講的，一般來說我們傳統(tǒng)上認為這個眼睛就像一個簡單的濾波器的樣子，對圖像進行濾波處理。實際上，事實上我們的眼睛做的事情比我們想象的要多的多。大家看這個論文的題目是《眼睛比科學家們相信的還要聰明》，實際上表達的信息的方法，絕對不是一個簡單的攝像頭。所以大家比如說現(xiàn)在熱門的無人駕駛，用一個攝像頭把自動駕駛解決了，確實做的很不錯。但是我們開車的時候，我們這個生物攝像頭，能力實際上是遠遠強于我們今天的攝像頭的。所以怎么把這個生物的攝像頭這些智慧能用上，當然想制造背后的原理。他們能給出之前，還是回到剛才說的，現(xiàn)在告訴我們一些基本的原理，但是又不能告訴精細的定量的東西，那怎么辦呢？在北京市的指示下，我們做了一些工作，僅僅是視覺系統(tǒng)最前面這一段，眼睛，視網(wǎng)膜到V1。

另外一個實皮層，那個實際上就是V1，大腦的最初級的那個區(qū)域，需要定量中心在做的，他們做了一個模型。但是這些都是在計算機上玩的，真正的生物的部分，是我們醫(yī)學部的薄老師在做，把猴子的視網(wǎng)膜摘下來，看它的神經(jīng)網(wǎng)絡結(jié)構(gòu)。另外一個，是唐市明老師，長年累月，做了很多年，他的精神像上午說的，他不管這個，當然他也是結(jié)清，所以他也不著急說要怎么樣。很多年觀察猴子的皮層，接受光刺激的時候會發(fā)生什么。這是一個把猴子的視網(wǎng)膜摘出來之后，他們做的掃描，掃描完之后，這一層就是視網(wǎng)膜中精細視覺那一塊的神經(jīng)網(wǎng)絡，當然這個也是書面的原因，大概只能看到一個結(jié)構(gòu)，一個大致的結(jié)構(gòu)，一個環(huán)形的結(jié)構(gòu)。那個一根一跟的纖維就是神經(jīng)纖維，送神經(jīng)信號的播報。這是標記各種各樣的細胞，不同的標記物，把它標記出來，然后把這個網(wǎng)絡給顯示出來。然后再去做這個模型的進一步數(shù)據(jù)化，模型化，最后把這個結(jié)構(gòu)搞清楚。

這個是剛才說的，觀察皮層，順便觀察這個皮層，這個是一個斷層。從在猴子看到一個視覺刺激的時候，從上到下一層一層的看哪些神經(jīng)元發(fā)放的，哪個神經(jīng)元和神經(jīng)元之間，誰在傳遞信號，通過什么樣的通道傳遞信號，就是做這個事。為了看這個東西，怎么看？你要打開它，不打開它怎么看，猴子背后實際上是打開的。但是大家不要擔心，打開是做了手術(shù)，做了麻醉，用透明罩子幫它罩上。所以把這一塊骨頭換成一個透明的玻璃，然后這個猴子照樣生活照樣吃東西，該玩玩，但是做實驗的時候你就得坐下，該喝水還是照樣喝水。就戴上顯微鏡看它，讓它看東西，看后面那個東西。外面看到的其實就是這樣的事情，這是一個陶樂天在做，他從2004年就開始做猴子視皮層的仿真，也做了幾十年了，留下了一些現(xiàn)象。時間關(guān)系，我就跳過去了。

我們這個組等會兒給大家演示的是做中央化的仿真，中央化仿真。就是精細視覺這一塊，我們?yōu)槭裁搓P(guān)心這一塊？眼睛和剛才的視網(wǎng)膜很復雜，所以真正把視網(wǎng)膜做出來，最終大概需要至少五年的時間。我們現(xiàn)在只是把其中的精細識別，精細識別對識別信息編碼，我剛才講我們這個實驗是是編解碼國家工作實驗室，所以最關(guān)心的是我們研究看的時候，看清楚了，讓一個場景，是怎么變化的。周邊對運動，對特殊一些形態(tài)的檢測，那些也要做，但是是放在后面來做。怎么來做這個東西呢？就是回過頭來，還是回到神經(jīng)中去。一個神經(jīng)元長什么樣，它的形態(tài)，這是剛才說的取下猴子視網(wǎng)膜去掃描，把三維的數(shù)據(jù)掃描，一個一個識別做出來，所以它長什么形態(tài)。第二個做神經(jīng)元的模型，就是上午說的方程，另外這個方程已經(jīng)可以刻畫各種神經(jīng)元的生命學行為，但是刻畫神經(jīng)元行為和每一種神經(jīng)元，具體在發(fā)生什么，你的數(shù)學工具在那個地方，但是每種神經(jīng)元有自己的特性，所以要調(diào)參數(shù)。調(diào)來調(diào)去，最近才能逼近給它一個電刺激，它能產(chǎn)生一種什么樣的脈沖模式。這個參數(shù)調(diào)好了之后，就算這個神經(jīng)元劃分出來了。為了做的精細，其實一個神經(jīng)元不是一組方程式，把這個分成很多段，所以每個里面，是一組方程組。所以一個神經(jīng)元的計算代價是很高的，大概剛才說的一個CPU，至少一個核去算一個神經(jīng)元。

黃鐵軍老師和其實驗室的博士生隨后對他們正在做的視覺系統(tǒng)解析項目做了演示。

本次課程為付費課程，2017年8月會在AI慕課學院獨家上線，原價 2500 元（CCF 會員）的線下課程現(xiàn)在限時特價 699 元預售，有興趣的學員戳：http://www.mooc.ai/course/114，或者掃描下圖二維碼觀看。

相關(guān)文章：

北大計算機系黃鐵軍CCF-ADL講習班上篇：從計算機發(fā)展史講解制造超人工智能的正途——類腦計算

馬斯克說的腦機結(jié)合還有多遠？真正的腦機科技前沿告訴你真相 | CCF ADL 81類腦計算前沿班回顧

重磅講座預告：黃鐵軍、陳云霽等專家齊聚CCF ADL，分享類腦計算與深度學習處理器 | 開課報名中

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