類腦計算的研究進展與發展趨勢

談及智能控制方法，很多研究還是在做控制算法的優化，但到目前控制領域乃至整個人工智能領域所面臨的兩個重大瓶頸其實是存儲器和中央處理器分離“馮諾依曼”架構導緻的存儲牆效應造成能效低下，和引領半導體發展的摩爾定律預計在未來數年内失效。針對這兩個問題，未來更适用的智能控制方法，顯而易見，應該是基于非馮諾依曼架構的類腦計算控制方法。

在類腦計算領域有三大闆塊，第一，類腦計算算法、晶片、軟體工具鍊和系統；第二，接口；第三，應用。結合此篇論文，主要說明我對類腦計算算法、晶片以及應用方面的感想。

一、類腦計算算法

之前在總結各種智能算法時，我試着對比真實宇宙與數位世界，後來發現人腦和電腦用基本的原理是正好相反的。真實世界中，每一層都支撐上一層，但數位宇宙卻是每一層回到最底層。目前的人工神經網絡，隻是借助了空間複雜性的描述，完成一種傻瓜式的映射。而對于真正的大腦，一個神經元接一千個一萬個神經元。這是擴和縮的概念，計算機是縮，腦是擴，是以最終處理資訊的時候是非常快的，是以我們想建立一個一樣的架構，就要讓計算機的架構保持類腦複雜性。 在實體學角度，這是熵的增減問題，反映到計算機上，這就産生了，能耗、速度和帶寬等一系列問題。

因為廣義的通用系統，需要控制的元素太多了，而現如今我們的認知能力又有限并且水準不一，是以按照傳統智能算法，得出的結論是參差不齊的。是以想提高準确度與認知能力，必須要結合時間和空間空的複雜度，而最有效的方法，不是一味的追求理論上的準确度，而是試錯，試錯是人類一個非常非常重要的能力。是以訓練一個算法模型主要采用通過環境刺激和互動訓練實作感覺認知等基礎性智能，其效率更高，獲得的智能也更适應複雜環境。

把時空複雜性結合起來，也就是把空間的編碼和時間的編碼結合起來，是把一個多元空間的資訊轉換成0101這樣一個的資訊量，主頻越來越快，這正是編碼算法的多元性。

二、類腦計算晶片

類腦計算機的基本元器件是模拟生物神經元和突觸的神經形态器件，其特征尺寸與生物對應物相當或更小，不僅可比半導體更小，而且部分器件出錯不影響系統基本功能。

我所了解到目前國内類腦晶片研究成果比較出色的有，寒武紀的類腦智能晶片和清華大學類腦計算中心的天機芯。我在看這些晶片基礎資料的同時，了解到，類腦智能晶片發展主要背景的幾項技術，這也未來幾年智能晶片發展的核心依托技術。

1.先進測量計算的發展，對腦的認識越來越清楚，似乎到了一個拐點，就是人類真正了解腦基本的機制。

2.超級計算機的發展，可以做很多的仿真，省時、省力、省時間。

3.雲計算和網際網路提供了一個足夠複雜的系統，給人進行傳遞，互動、學習，同時它的發展給我們很多的啟示，使我們對它有很好的了解。

4.納米器件的發展，已經可以做出和人腦能耗差不别級别的器件。

也正是各行各業的技術，一起崛起，讓我意識到技術的發展，同人的發展一樣，不是要往獨當一面的方向發展，而是互相融合的，對于類腦智能，它必須是精密儀器、醫學、計算機、自動化、微電子、電子和材料等學科知識互相滲透，互相複合而來。

三、類腦計算應用

一直站在學生的角度看世界，不免對教育有很多看法，其實也隻有學生才能深刻的認識教育所面臨的問題，比如，教育資源不公平，不能因材施教，理論不聯系實際等等。學過了很多智能算法，有沒有一種可以颠覆現在的教育系統，根據我們學生的真實需求而受教育呢？我希望類腦計算能，不僅能作為未來認知智能時代，萬物智聯的主要手段，還能推動教育方式的改革，用思維改進技術，用技術改變思維。

當然，在類腦計算領域中自主開發軟體工具鍊和類腦計算系統也非常重要。其中目前所涉及的智能算法，還隻是通用人工智能的算法，軟體開發也是基于Tensorflow架構的。是以，我們在類腦計算模型方向的研究還任重道遠，也是迫切需要自主解決的，希望未來自己能在這個方向有所突破。