TMT观察网_独特视角观察TMT行业

由于新的測(cè)量技術(shù)和納米材料等基礎(chǔ)技術(shù)的發(fā)展，又正在逐步揭開(kāi)人類(lèi)大腦的結(jié)構(gòu)和運(yùn)行原理，并且為我們開(kāi)發(fā)出高效能、高密度的芯片器件提供了基礎(chǔ)。 如今，第三次人工智能浪潮的興起已經(jīng)是一個(gè)不爭(zhēng)的事實(shí)。我們知道這一次的人工智能浪潮不僅僅是一次技術(shù)的創(chuàng)新，更是一場(chǎng)產(chǎn)業(yè)的變革。機(jī)器學(xué)習(xí)，特別是深度學(xué)習(xí)等算法的突破、算力和數(shù)據(jù)的井噴，讓AI技術(shù)已經(jīng)廣泛應(yīng)用在社會(huì)生產(chǎn)生活的眾多領(lǐng)域。 不過(guò)從這一輪AI變革的實(shí)質(zhì)來(lái)看，深度學(xué)習(xí)算法依然是一種數(shù)據(jù)驅(qū)動(dòng)的一種模擬計(jì)算，目前僅僅在語(yǔ)音、圖像、文字識(shí)別等感知領(lǐng)域有著較強(qiáng)的應(yīng)用，距離人類(lèi)更加復(fù)雜的因果推理、假設(shè)聯(lián)想等高級(jí)認(rèn)知能力還有很遠(yuǎn)距離，甚至有著本質(zhì)的差別。 在從當(dāng)前弱人工智能通向強(qiáng)人工智能，以致于通用人工智能的道路上，學(xué)術(shù)界正在推動(dòng)以類(lèi)腦智能和類(lèi)腦計(jì)算為方向的新的研究方向，來(lái)實(shí)現(xiàn)由弱到強(qiáng)的人工智能的升級(jí)。 剛剛結(jié)束的2020世界人工智能大會(huì)（WAIC）上，來(lái)自復(fù)旦大學(xué)類(lèi)腦智能科學(xué)與技術(shù)研究院的林偉教授在“認(rèn)知智能，改變世界”行業(yè)論壇中提到，“類(lèi)腦智能已成為人工智能跨越式發(fā)展的突破口?！?類(lèi)腦智能和類(lèi)腦計(jì)算到底是什么，與現(xiàn)有經(jīng)典計(jì)算和當(dāng)前的AI技術(shù)有哪些不同，是否真的能夠擔(dān)此“跨越式”的重任？面對(duì)如此多問(wèn)題，這次我們就來(lái)一探“類(lèi)腦智能”的究竟。 類(lèi)腦計(jì)算：打破馮·諾依曼架構(gòu)禁錮 實(shí)現(xiàn)類(lèi)腦智能的前提的實(shí)現(xiàn)類(lèi)腦計(jì)算。在了解類(lèi)腦計(jì)算之前，我們簡(jiǎn)單聊下現(xiàn)在主流的計(jì)算機(jī)架構(gòu)——馮·諾依曼架構(gòu)。 眾所周知，現(xiàn)有計(jì)算機(jī)都是基于“馮·諾依曼”架構(gòu)實(shí)現(xiàn)的，其處理器工作原理就是按分時(shí)復(fù)用的方式，將高維信息的處理過(guò)程轉(zhuǎn)換成時(shí)間序列的一維處理過(guò)程。這一計(jì)算架構(gòu)的特點(diǎn)是計(jì)算與存儲(chǔ)分離，結(jié)構(gòu)簡(jiǎn)潔、易于實(shí)現(xiàn)高速數(shù)值計(jì)算。 （馮·諾依曼計(jì)算架構(gòu)） 不過(guò)，馮·諾依曼架構(gòu)在處理包含非結(jié)構(gòu)化、時(shí)空關(guān)聯(lián)信息的感知、認(rèn)知以及決策等相關(guān)問(wèn)題時(shí)，表現(xiàn)出效率低、能耗高、實(shí)時(shí)性差等問(wèn)題，甚至無(wú)法構(gòu)造合適的算法。比如當(dāng)今最先進(jìn)的計(jì)算機(jī)，也難以完成一只昆蟲(chóng)能夠輕易實(shí)現(xiàn)的環(huán)境感知與適應(yīng)等相關(guān)任務(wù)。 而人類(lèi)大腦卻是一個(gè)與馮·諾依曼架構(gòu)正好相反的“計(jì)算器”，雖然人腦不擅長(zhǎng)高速率大規(guī)模數(shù)值計(jì)算，但是人腦可以在有限尺寸和極低能耗下，完成復(fù)雜環(huán)境下的信息關(guān)聯(lián)記憶、自主識(shí)別、自主學(xué)習(xí)等認(rèn)知處理，實(shí)現(xiàn)這一“計(jì)算”的基礎(chǔ)正是腦神經(jīng)網(wǎng)絡(luò)的多層次復(fù)雜空間結(jié)構(gòu)和腦神經(jīng)的高度可塑性。 基于人腦的這些特點(diǎn)，科學(xué)家們提出非馮·諾依曼架構(gòu)的類(lèi)腦計(jì)算，就是借鑒大腦神經(jīng)網(wǎng)絡(luò)，存儲(chǔ)計(jì)算一體化，將高維信息放在多層、多粒度、高可塑性的復(fù)雜網(wǎng)絡(luò)空間中進(jìn)行處理，使其具有低功耗、高魯棒性、高效并行、自適應(yīng)等特點(diǎn)。 類(lèi)腦計(jì)算既適用于處理復(fù)雜環(huán)境下非結(jié)構(gòu)化信息，又有利于發(fā)展自主學(xué)習(xí)機(jī)制，甚至最終有望模擬出大腦的創(chuàng)造性，實(shí)現(xiàn)類(lèi)腦智能，這種更具通用性的人工智能。 我們回過(guò)頭來(lái)再看推動(dòng)當(dāng)前產(chǎn)業(yè)智能變革的AI技術(shù)。深度學(xué)習(xí)是在一定程度上對(duì)人類(lèi)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行的模擬，但其過(guò)程要依靠現(xiàn)有的經(jīng)典“馮·諾依曼”架構(gòu)的計(jì)算方式，使用優(yōu)化問(wèn)題建模并求解，其實(shí)質(zhì)仍然是按照分時(shí)序列的計(jì)算，所以會(huì)呈現(xiàn)出算力要求高、數(shù)據(jù)計(jì)算量大的特點(diǎn)。 現(xiàn)有的人工智能技術(shù)大多數(shù)能夠處理的問(wèn)題具有以下特點(diǎn)：1、充足的數(shù)據(jù)；2、單一、確定的問(wèn)題；3、完備的知識(shí)；4、靜態(tài)。因此為一個(gè)問(wèn)題提供一個(gè)解決方案，使得現(xiàn)有的人工智能仍然屬于弱人工智能的范疇。 當(dāng)我們要處理超出這些條件的復(fù)雜問(wèn)題的時(shí)候，現(xiàn)有AI技術(shù)就會(huì)遇到困難，而我們就需要更具人類(lèi)智能特點(diǎn)的通用人工智能（AGI）。 類(lèi)腦計(jì)算以及由此產(chǎn)生的類(lèi)腦智能，就是人們?yōu)閷?shí)現(xiàn)AGI的方法之一。 “舊神退散，新神未立”：類(lèi)腦智能正在路上 2017年計(jì)算機(jī)圖靈獎(jiǎng)的得主大衛(wèi)·帕特森和約翰·軒尼詩(shī)表示說(shuō)，“未來(lái)十年是計(jì)算架構(gòu)發(fā)展的黃金十年?！?當(dāng)前，傳統(tǒng)計(jì)算架構(gòu)的“舊神”正迎來(lái)挑戰(zhàn)，全新計(jì)算架構(gòu)的“新神”尚未確立，而類(lèi)腦計(jì)算正是試圖爭(zhēng)奪全新計(jì)算架構(gòu)的“新神”之一。 馮·諾依曼和圖靈當(dāng)時(shí)已經(jīng)提到計(jì)算機(jī)要實(shí)現(xiàn)對(duì)于人腦的模仿，但由于經(jīng)典計(jì)算更加易于實(shí)現(xiàn)，因此朝著“摩爾定律”規(guī)定的方向一路狂奔。而麥卡洛克等人在1943年提出單個(gè)神經(jīng)元計(jì)算模型，可被認(rèn)為是最早的仿腦研究，而到了七八十年代，部分學(xué)者開(kāi)始關(guān)注采用更接近于生物大腦系統(tǒng)的計(jì)算機(jī)制的研究方法。 1990年，美國(guó)加州理工大學(xué)卡弗·米德教授嘗試用硬件電路來(lái)模擬神經(jīng)網(wǎng)絡(luò)，提出了“神經(jīng)擬態(tài)計(jì)算”的概念，并將其定義為“采用以模擬器件仿真生物神經(jīng)系統(tǒng)的VLSI來(lái)實(shí)現(xiàn)大規(guī)模并行的自適應(yīng)計(jì)算系統(tǒng)”。 “神經(jīng)擬態(tài)計(jì)算”正式開(kāi)啟了類(lèi)腦計(jì)算的研究和實(shí)踐。類(lèi)腦計(jì)算主要以“人造超級(jí)大腦”為目標(biāo)，借鑒人腦的信息處理方式，模擬大腦神經(jīng)系統(tǒng)，構(gòu)建以計(jì)算為基礎(chǔ)的“虛擬人腦”。 Nature在2016年提到，類(lèi)腦計(jì)算成為后摩爾定律時(shí)代極具潛力的發(fā)展方向之一，成為繼第一階段的GPU，第二階段的ASIC加速器之后，在推動(dòng)AI的計(jì)算上面發(fā)揮巨大潛力。 現(xiàn)在，全球主要發(fā)達(dá)地區(qū)的國(guó)家、高校和技術(shù)公司都已經(jīng)摩拳擦掌，紛紛開(kāi)始類(lèi)腦計(jì)算和類(lèi)腦智能的研究。 日本在2008年就提出了“腦科學(xué)戰(zhàn)略研究項(xiàng)目”，重點(diǎn)開(kāi)展腦機(jī)接口、腦計(jì)算機(jī)研發(fā)和神經(jīng)信息相關(guān)的理論構(gòu)建；歐盟在2013年提出“人類(lèi)腦計(jì)劃”（HBP），重點(diǎn)開(kāi)展人腦模擬、神經(jīng)形態(tài)計(jì)算、神經(jīng)機(jī)器人等領(lǐng)域研究；美國(guó)也同時(shí)啟動(dòng)了“BRAIN計(jì)劃”，將大腦結(jié)構(gòu)圖建立、類(lèi)腦相關(guān)理論建模、腦機(jī)接口等列為研發(fā)重點(diǎn)；韓國(guó)在2016年發(fā)布《腦科學(xué)研究戰(zhàn)略》，重視腦神經(jīng)信息學(xué)、腦工程學(xué)、人工神經(jīng)網(wǎng)絡(luò)、大腦仿真計(jì)算機(jī)等領(lǐng)域的研發(fā)。 全球頂尖高校和技術(shù)公司也加入了類(lèi)腦計(jì)算和類(lèi)腦智能的布局。IBM推出了TrueNorth類(lèi)腦芯片，試圖搶先打造類(lèi)腦計(jì)算系統(tǒng)；受歐盟腦計(jì)劃支持的英國(guó)曼徹斯特大學(xué)和德國(guó)海德堡大學(xué)研發(fā)的神經(jīng)擬態(tài)計(jì)算系統(tǒng)，分別推出了SpiNNaker 芯片和BrainScaleS 芯片。 此外，像微軟提出了意識(shí)網(wǎng)絡(luò)架構(gòu)，聲稱(chēng)是具備可解釋性的新型類(lèi)腦系統(tǒng)；谷歌在現(xiàn)有谷歌大腦基礎(chǔ)上結(jié)合醫(yī)學(xué)、生物學(xué)積極布局人工智能。 我國(guó)積極加速類(lèi)腦智能計(jì)劃。比如我國(guó)在2016年《“十三五”國(guó)家科技創(chuàng)新規(guī)劃》也將腦科學(xué)與類(lèi)腦研究列入科技創(chuàng)新2030重大項(xiàng)目。2017年國(guó)務(wù)院《新一代人工智能發(fā)展規(guī)劃》提出，2030年類(lèi)腦智能領(lǐng)域取得重大突破的發(fā)展目標(biāo)。在2017、2018年，我國(guó)分別成立了類(lèi)腦智能技術(shù)及應(yīng)用國(guó)家工程實(shí)驗(yàn)室、北京腦科學(xué)與類(lèi)腦研究中心，形成了“南腦北腦”共同快速發(fā)展的格局。 當(dāng)然，現(xiàn)在類(lèi)腦計(jì)算的發(fā)展仍然處在初期的探索階段。 正如我們上面提到的歐洲“人類(lèi)腦計(jì)劃”，就在去年曝出耗盡10億歐元之后，試圖“完全模擬人腦”的計(jì)劃并沒(méi)有取得計(jì)劃中的進(jìn)展，并沒(méi)有做出突破性的研究成果。 不過(guò)，這一通過(guò)傳統(tǒng)計(jì)算方式來(lái)還原大腦結(jié)構(gòu)的方式的失敗并不能證明類(lèi)腦計(jì)算行不通，反而更加說(shuō)明了通過(guò)全新的計(jì)算架構(gòu)來(lái)模擬神經(jīng)網(wǎng)絡(luò)的計(jì)算方式的根本性轉(zhuǎn)向的重要性。 邁向AGI，類(lèi)腦智能提供新可能 在通向通用人工智能的道路上，類(lèi)腦智能已經(jīng)被認(rèn)為是最有希望的方案之一。 與經(jīng)典技術(shù)中，將多維度信息轉(zhuǎn)化為一維的數(shù)值計(jì)算的信息流，以提高單位時(shí)間的運(yùn)算速度這一提高時(shí)間復(fù)雜性的計(jì)算方向不同，類(lèi)腦計(jì)算更強(qiáng)調(diào)模擬人腦的復(fù)雜的神經(jīng)元連接架構(gòu)（不是直接還原神經(jīng)元的連接），把多維世界中的信息擴(kuò)展到更復(fù)雜的空間中去，利用空間的復(fù)雜性來(lái)解決計(jì)算問(wèn)題，甚至同時(shí)利用時(shí)空的復(fù)雜性，來(lái)解決計(jì)算問(wèn)題。 所以，集成眾多神經(jīng)元數(shù)量、突觸數(shù)量以及存算一體的神經(jīng)元處理單元數(shù)量的類(lèi)腦芯片，為完成仿真或模擬提供計(jì)算、存儲(chǔ)、通信等基礎(chǔ)硬件支持，是實(shí)現(xiàn)類(lèi)腦計(jì)算的關(guān)鍵因素。而構(gòu)建類(lèi)腦計(jì)算芯片的陣列集成系統(tǒng)，是目前國(guó)際通行的大規(guī)模類(lèi)腦計(jì)算系統(tǒng)的技術(shù)路線。 比如，今年3月，英特爾用768個(gè)Loihi芯片構(gòu)造了一個(gè)新的神經(jīng)擬態(tài)研究系統(tǒng)Pohoiki Springs，達(dá)到了1億個(gè)神經(jīng)元的規(guī)模，比上一次構(gòu)建的系統(tǒng)Pohoiki Beach的64個(gè)芯片800萬(wàn)個(gè)神經(jīng)元，擴(kuò)大了12倍的規(guī)模。 類(lèi)腦計(jì)算芯片作為實(shí)現(xiàn)類(lèi)腦通用人工智能的硬件基礎(chǔ)，既是神經(jīng)科學(xué)模型的仿真平臺(tái)，又是新計(jì)算范式、新體系結(jié)構(gòu)的原型。這一點(diǎn)從清華大學(xué)的天機(jī)芯片的研究成果中，也得以清晰的體現(xiàn)。 去年8月，清華大學(xué)開(kāi)發(fā)出全球首款異構(gòu)融合類(lèi)腦芯片，被命名為“天機(jī)芯”(Tianjic)，相關(guān)論文《面向通用人工智能的異構(gòu)天機(jī)芯片架構(gòu)》作為封面文章登上了Nature。 這一異構(gòu)融合芯片配置有多個(gè)高度可重構(gòu)的功能性核，可以同時(shí)支持機(jī)器學(xué)習(xí)算法和現(xiàn)有類(lèi)腦計(jì)算的算法。相比于當(dāng)前IBM推出的TrueNorth芯片，新一代“天機(jī)芯”功能更全、靈活性和擴(kuò)展性更好，密度提升20%，速度提高至少10倍，帶寬提高至少100倍。 去年，在清華大學(xué)操場(chǎng)上，由這一類(lèi)腦芯片支持，實(shí)現(xiàn)自動(dòng)駕駛的一輛自行車(chē)更是成為AI圈“刷屏”的網(wǎng)紅車(chē)。這輛車(chē)僅用一個(gè)芯片，就可以在無(wú)人駕駛自行車(chē)系統(tǒng)中同時(shí)處理多種算法和模型，實(shí)現(xiàn)實(shí)時(shí)目標(biāo)檢測(cè)、跟蹤、語(yǔ)音控制、避障和平衡控制。 從天機(jī)芯片結(jié)合計(jì)算機(jī)科學(xué)和神經(jīng)科學(xué)兩個(gè)主要方向，發(fā)展而成的融合計(jì)算平臺(tái)，成為現(xiàn)在實(shí)現(xiàn)類(lèi)腦計(jì)算的較好的解決方案，為學(xué)術(shù)界貢獻(xiàn)了一種通向AGI的新發(fā)展思路。 現(xiàn)在，類(lèi)腦計(jì)算目前還沒(méi)有統(tǒng)一的技術(shù)方案。在當(dāng)前學(xué)術(shù)界提供的實(shí)現(xiàn)方案中，有采用數(shù)?；旌蠈?shí)現(xiàn)的 Neurogrid 和 BrianScaleS；有異步純數(shù)字實(shí)現(xiàn)的 TrueNorth、Loihi；有采用同步純數(shù)字實(shí)現(xiàn)的天機(jī)等等解決方案。 在實(shí)現(xiàn)通用人工智能（AGI）的道路上，主要有計(jì)算機(jī)科學(xué)導(dǎo)向和神經(jīng)科學(xué)兩大方向而將二者緊密結(jié)合可能是當(dāng)下來(lái)看的最佳實(shí)現(xiàn)方案。 超級(jí)計(jì)算機(jī)的發(fā)展能夠帶給科學(xué)家更好推進(jìn)計(jì)算模擬的進(jìn)程；互聯(lián)網(wǎng)、大數(shù)據(jù)和云計(jì)算的發(fā)展可以構(gòu)造一個(gè)無(wú)比復(fù)雜的數(shù)字世界，可以形成與數(shù)字大腦類(lèi)比的復(fù)雜鏡像世界。而由于新的測(cè)量技術(shù)和納米材料等基礎(chǔ)技術(shù)的發(fā)展，又正在逐步揭開(kāi)人類(lèi)大腦的結(jié)構(gòu)和運(yùn)行原理，并且為我們開(kāi)發(fā)出高效能、高密度的芯片器件提供了基礎(chǔ)。 而這些正在構(gòu)成發(fā)展類(lèi)腦智能的基礎(chǔ)條件，也是未來(lái)通向通用人工智能的有利契機(jī)。