深度学习正遍地开花（huā），但它可能并非人（rén）工智能的终极方案。无（wú）论是学术界还是产业界，都在思考人工智能的（de）下一步发展路径：类脑计算已悄然成为备受（shòu）关注的“种（zhǒng）子选手”之一。

12月16日（rì）至17日，由北京未来芯片技术高精尖创新（xīn）中心及清华大学微电子学研（yán）究所联合主（zhǔ）办的“北京高精尖论（lùn）坛（tán）暨2019未来芯片论坛”在清华大学举行，这（zhè）次（cì）论坛上，类脑（nǎo）计算成为多位权威专家热议（yì）的人工智能研究方向。

人工（gōng）智能浪潮下的洋（yáng）流（liú）

类脑计算又被称为神经形态计算（Neuromorphic Computing）。它（tā）不仅（jǐn）是学术（shù）会议关注的新热（rè）点（diǎn），产业界也在探索之中（zhōng）。

11月（yuè）中旬，英特（tè）尔官网（wǎng）宣布了一则消息：埃森哲、空中客车（chē）、通用电（diàn）气（qì）和日立公司加入（rù）英特（tè）尔神经形态研究共同体（INRC），该共同体目前已拥有超过75个成员（yuán）机构。

如果说，当下人工智能发展浪潮（cháo）正（zhèng）波涛汹涌（yǒng）的（de）话，类脑（nǎo）计算就是浪潮之下的洋流（liú）。虽不太（tài）引人注意，未来却有（yǒu）可能改变人工智能发展趋（qū）势。

原因之一是，深（shēn）度学习虽在语音识别、图像识别、自然语言理解等领域取得（dé）很大突破，并被（bèi）广（guǎng）泛应用，但它需要（yào）大量（liàng）的算力支撑，功耗（hào）也（yě）很（hěn）高。

“我们希望智能驾驶汽（qì）车的驾驶（shǐ）水平像司机一样，但（dàn）现在显然还达不到。因为它对信息（xī）的智（zhì）能判断和分（fèn）析（xī）不够，功耗也非常高。”清华（huá）大学微纳电子系教（jiāo）授吴华强告诉科（kē）技（jì）日报记者，人工（gōng）智能算法训练中心在执行任（rèn）务时动辄（zhé）消耗电量几万瓦甚至几（jǐ）十（shí）万瓦，而人的大脑耗能（néng）却仅相当于20瓦左右。

北京大学计算机（jī）科学技术系教授黄铁军也举了一（yī）个生动的例（lì）子：市场上应用深度学习技术的智能无人机已（yǐ）经（jīng）十（shí）分灵巧，但从智（zhì）能程度上（shàng）看，却与一只苍蝇或蜻（qīng）蜓相差甚远，尽管体积和功耗比后（hòu）者高很多。

追求（qiú）模拟（nǐ）大脑（nǎo）的（de）功能

到底什么（me）是（shì）类脑计算，它又凭什么赢得学术界和产业界（jiè）的宠爱？

“类脑（nǎo）计算从结构上追求设计出像生物神（shén）经网络那样（yàng）的系统（tǒng），从功能上追求模拟大脑的功能，从性能上追求大幅度超越（yuè）生物大脑，也称神经形态计算。”黄铁军接受科技日（rì）报（bào）记者（zhě）采访时说。

类脑（nǎo）计算（suàn）试图（tú）模拟生物（wù）神经网络的结构和信（xìn）息加（jiā）工过程。它在软件层面的（de）尝（cháng）试（shì）之一是脉冲神经网络（SNN）。

现（xiàn）在深度学习一般通过（guò）卷积神经网络（CNN）或递归神经网络（RNN）来实现。“CNN和RNN都属于人工神经网络，其（qí）中的人工神经元，至今仍在使用上（shàng）世纪40年代时的模型。”黄铁军说（shuō），虽然现在设计出的人工神经网络越来（lái）越大，也越来越复杂（zá），但（dàn）从根本上（shàng）讲（jiǎng），其神经元（yuán）模型没有（yǒu）太大改进。

另一方面，在深（shēn）度学习人工神经网络中，神经元之（zhī）间的连接被称为权值。它（tā）们是人工神（shén）经网（wǎng）络的关键要素（sù）。

而在脉（mò）冲神经网络中，神经（jīng）元之间（jiān）却是神经脉冲，信息（xī）的表达（dá）和处理通过（guò）神经（jīng）脉冲发送来实现。就（jiù）像（xiàng）我们（men）的大脑中，有大量（liàng）神经脉冲在传递和流转。

黄铁军告诉记者（zhě），由于（yú）神经脉冲在不停地传递和流转，脉（mò）冲神经网络在表（biǎo）达和处理信息（xī）时，比深度（dù）学习的时间（jiān）性更突出（chū），更加适合（hé）进行高（gāo）效的（de）时（shí）空信息处理。

推广应用可能不需太（tài）久

也有人从硬件层面去（qù）实现（xiàn）类脑计算，比如神（shén）经形态芯（xīn）片。

2019年7月，英特（tè）尔发布消（xiāo）息称（chēng），其神经形态研究芯片（piàn）Loihi执行专用任务的速度可比普通CPU快1000倍，效率高10000倍。

“在（zài）对信息的（de）编码、传输和处理方面，我们希望（wàng）从大脑（nǎo）机（jī）制（zhì）中获得启发，将这些（xiē）想法（fǎ）应用到芯片（piàn）技（jì）术上，让芯片的处理速（sù）度更快（kuài）、水平更高（gāo）、功耗（hào）更低。”吴华（huá）强（qiáng）也（yě）在进行神经形态芯片相关研究，他告诉科技日报记者。

吴华强介绍，在传统的（de）冯·诺依曼架构（gòu）中，信息的处理（lǐ）和（hé）存储（chǔ）是分开的（de），而人的大（dà）脑在处理信息（xī）时，存储和处（chù）理是（shì）融（róng）为一体（tǐ）的。

“所以我们在尝试研发存算一体化的芯片，希（xī）望通过避免芯（xīn）片（piàn）内部不停地搬（bān）运数据，来大幅提高芯（xīn）片的能效（xiào）比。”吴华强说，他的团队现在也已研发出存（cún）算（suàn）一体的样品芯片。

谈到类脑（nǎo）计算的进展，黄铁军告（gào）诉记者，目前类脑（nǎo）计（jì）算仍在摸索阶段，还缺乏典型的成功应（yīng）用。但商业公司已经嗅到味道，相关技术获得（dé）规模性应用可能不需要（yào）太长（zhǎng）时间。

“现在的神（shén）经形态计算还比较初步，它的（de）发（fā）展水平跟现有主流人（rén）工智能算（suàn）法（fǎ）相比，还（hái）存（cún）在（zài）一（yī）定差距。”中科院自动化（huà）所研究员张（zhāng）兆翔（xiáng）接受科技日报记（jì）者采访时认为，但作为（wéi）一种新的探索方式，应该继续坚持，因为（wéi）它可能就是未来（lái）人工智能（néng）技术发展的重（chóng）要突（tū）破口。