专题
首页  >  专题  >  媒体视点  >  名刊精选  >  《张江科技评论》

《张江科技评论》

开博时间:2019-06-06 14:03:00

《张江科技评论》是由上海科学技术出版社与上海市张江高科技园区管理委员联合创办的一本科技评论类杂志。该刊报道评价国内外创新性科学技术的发展趋势及其商业价值,介绍上海在建设全球领先科创中心进程中的制度成果、技术成果、创业成果,推动产学研密切协作,促进科技成果转化,服务经济转型发展。

文章数
分享到:

类脑智能的发展趋势与重点方向

2021-06-04 13:55:00

  信息技术与神经技术的深度融合有望突破机器智能的发展瓶颈,开发出具有通用认知能力和自主学习能力的类脑智能。


  人类大脑是一个通用智能系统,由千亿个神经元和数百万亿个突触连接构成,具有感知、学习、推理和决策的能力。近年来,各国的研究人员一致认为高度智能化构想的实现需要从脑科学中获得启发。于是,科学家开始向自己的大脑学习,积极开展类脑智能方向的研发工作。

  类脑智能的国内外发展现状

  国际上,类脑智能的发展主要体现在3个方面。一是类脑智能技术和产品研发加速。当前,计算机科学借鉴大脑处理信息的机制和神经编码的本质构建出新的神经网络模型,形成神经计算、类脑芯片、类脑智能机器人等技术和产品。二是脑机接口技术得到重视。神经科学利用认知计算等修复或增强大脑功能,加速脑机接口技术的发展。三是利用神经形态计算模拟人类大脑处理信息的过程。研发人员通过借鉴脑神经结构和信息处理机制,使机器以类脑的方式实现人类认知能力及协同机制,达到或超越人类的智能水平。

  我国类脑智能的研究水平处于国际前沿。2016年,我国正式提出“脑科学与类脑科学研究”(简称“中国脑计划”),它作为连接脑科学和信息科学的桥梁,将在极大程度上推动通用人工智能技术的发展。此外,多所高校都成立了类脑智能研究机构,开展类脑智能研究。例如:清华大学于2014年成立类脑计算研究中心;中国科学院自动化研究所于2015年成立类脑智能研究中心;2018年,北京脑科学与类脑研究中心和上海脑科学与类脑研究中心先后成立。目前,清华大学类脑计算研究中心已经研发出具有自主知识产权的类脑计算芯片、软件工具链。中国科学院自动化研究所开发出类脑认知引擎平台,能够模拟哺乳动物大脑,并在智能机器人身上实现了多感觉融合、类脑学习与决策等多种应用。

  类脑智能的未来发展重点


  ●脑机接口

  脑机接口技术未来的发展重点体现在以下几个方面。一是干电极脑信号的采集和传输。干电极脑信号的采集和传输是指基于干电极技术,采用靠近大脑皮层的传感电极,在连续、长期、可靠、便捷、稳定、无创、低功耗、低成本、失真程度最小的情况下获取大脑皮层微弱的神经电活动信号,进而通过无线方式实时地将神经电活动信号传输给电脑等信息处理系统,便于进一步的脑信号解析。未来,该技术预期形成价格低廉、无创伤、使用简单、不依赖于导电介质、采集信号稳定可靠、无须前期头皮清洗准备、不需要外人辅助、不受环境约束、佩戴方便、面向大众使用、无线可穿戴的干电极脑电帽。二是脑电信号解析。该技术能够实现脑信号的正确解码与识别,是脑机接口最为本质和核心的环节,是脑机接口技术的关键。未来,该技术预期形成脑电信号解析的算法模型,能够正确解析人们意图,可应用于军事、康复、辅助诊断等领域。三是脑机交互适应性。该技术预期形成新型的脑机交互范式和自适应脑信号识别算法。四是脑机接口仿真应用系统。该系统是对实际应用系统进行模拟,可检验脑电解析算法的性能,实时评估使用者的控制效果,是脑机接口技术实用化的前提。未来,该系统将应用在电子产品、导航等领域,如脑电波头盔、网页浏览、收发邮件、输入字符等。

  ●神经形态硬件

  神经形态硬件包括从概念上受神经生物学体系结构启发的半导体器件。神经形态处理器采用非冯?诺伊曼(von-Neumann)体系结构,是与传统处理器截然不同的执行模型,其特点是处理元素简单,但互连性很高。神经形态系统处于非常早期的原型阶段。IBM公司向美国劳伦斯?利弗莫尔国家实验室提供了一个基于TrueNorth的系统。神经芯片的尖峰神经元自适应处理器技术和惠普公司的实验室产品属于早期产品。英特尔公司的“Loihi”芯片凭借更高程度的连接性,解决了更广泛的人工智能工作负载。高通公司是神经形态处理器的早期代表。

  当前神经形态硬件的部署存在以下障碍:一是神经形态硬件编程需要新的工具和培训方法;二是半导体器件互连的复杂性对半导体制造商创造可行的神经形态设备提出了挑战。目前,神经形态硬件尚未成为主流,但随着编程技术的突破,这种情况可能会发生变化。神经形态计算体系结构能够使神经形态硬件具有更好的性能,为图形分析提供支持。神经形态硬件设备有可能成为类脑智能发展的重要动力。

  ●机器学习

  机器学习是利用能够从数据中提取知识和模式的数学模型来解决业务问题。越来越多的类脑智能研究正在探索机器学习的深度应用,尝试改进机器学习方法,找到执行机器学习项目所需的相关角色和技能。数据是机器学习的“燃料”,高质量的数据是机器学习成功的关键。支持类脑智能的机器学习算法有很多,但是,如何让海量的数据匹配最佳的机器学习算法从而实现最优化的类脑智能技术是当前类脑智能研究的重点。

  ●混合现实

  混合现实(MR)是真实世界和虚拟世界的融合,物理和图形对象能够自然地进行相互作用并集成在一起。从概念上说,MR是一种单一的技术。但实际上,MR是一组潜在的技术,包括从真实环境数字化到增强现实(AR)、虚拟现实(VR)的各种沉浸式显示和交互系统。未来的用户体验技术将更深入地融入人类与现实世界的自然交互方式。类脑智能方向的MR技术可以更好地集成现实世界和虚拟世界,融合类脑智能的MR技术可以实现新类型的客户体验和更个性化的用户体验。

  ●凝视控制

  凝视控制是通过眨眼或改变视线的方向来产生智能动作的。凝视控制包括确定使用者视觉注意力的角度或位置。凝视控制是眼球跟踪的一种应用,也是手势控制的一个组成部分,利用眼睛的焦点来传达指令。眼球跟踪使凝视控制系统能够在智能手机、智能电视、汽车和计算机中工作。在眼球跟踪技术的支持下,类脑智能领域的凝视控制可以帮助玩家实现武器自动瞄准、车辆引导或者用眼睛抛物等指令。

  ●认知计算

  当前,认知计算的发展主要表现在以下几个方面:一是利用基于生物可塑性的规则对网络进行训练,同时获得所有样本的新颖性估计;二是对新颖性估计值超过阈值的样本进行重复学习,并根据每个阶段的学习结果动态更新样本的新颖性估计;三是为了避免对新颖样本的过拟合和对已学习样本的遗忘,需要对所有样本进行一次重复训练;四是周期性地进行第二步和第三步,直到网络收敛。认知计算能够模拟人脑在脑区尺度进行层次化信息处理的机制,将生物神经元之间的局部连接关系以及信息处理的层级结构应用到计算模型中,模拟大脑多个层级的信息处理,并对信息进行编码,使其更接近真实神经元对信息的编码方式。

  ●类脑智能机器人

  类脑智能机器人是融合了视觉、听觉、思考和执行等能力的综合智能系统,能够以类似人脑的工作方式运行。将人脑的内部机理融入机器人系统,可以提高机器人的认知、学习和控制能力,可以与之产生更深度的交叉与合作。研究人员正努力使机器人以类脑的方式实现对外界的感知及自身控制一体化,使其能够模仿外周神经系统感知、中枢神经系统输出与多层级反馈回路,实现机器人从感知外界信息到自身运动的快速性和准确性。

  类脑智能总体发展趋势

  类脑智能在近10年内引起了世界各国不同背景研究人员的广泛关注。英国曼彻斯特大学的SpiNNaker芯片、IBM公司的TrueNorth芯片、德国海德堡大学的BrainScaleS芯片、美国斯坦福大学的Neurogrid芯片、英特尔公司的Loihi芯片以及中国清华大学的天机芯片等都是类脑智能发展的重要代表。

  目前,越来越多的研究着眼于提高神经网络、认知计算模型以及智能系统的自适应能力,发展可持续的类人学习机制需要通过脑科学建立适应这类学习机制的认知结构。基于这些类脑学习方法和认知结构,进一步发展类脑认知计算模型,才能最终真正设计并实现“机制类脑、行为类人”的通用类脑智能计算模型。

  受脑工作机制的启发,面向下一代智能信息技术,需要通过不同学科、不同领域之间的交叉,尤其是信息技术与神经技术的深度融合,才有望突破机器智能的发展瓶颈,开发出具有通用认知能力和自主学习能力的类脑智能。未来,开展类脑计算和脑式信息处理网络的新型芯片及计算系统研究、神经网络突触连接机制启发的神经拟态芯片设计与类脑系统研究,有望实现大规模、高精度的神经网络启发的类脑智能,使脑启发类脑智能系统真正实现在信息处理机制上类脑,在认知行为上超越人类。

  孟海华,博士,上海市投资促进服务中心发展研究部副研究员。

  文/孟海华

本文来自《张江科技评论》

©2011-2021 版权所有:中国数字科技馆
未经书面许可任何人不得复制或镜像
京ICP备11000850号 京公网安备110105007388号
信息网络传播视听节目许可证0111611号
国家科技基础条件平台