来源：微信公众号“高端装备发展研究中心”

人脑是强人工智能最好的参照物。欧盟“人类大脑计划(Human Brain Project，HBP)”建议报告中指出的：“除人脑外，没有任何一个自然或人工系统能够具有对新环境与新挑战的自适应能力、对新信息与新技能的自动获取能力、在复杂环境下进行有效决策并稳定工作直至几十年的能力。没有任何系统能够在多处损伤的情况下保持像人脑一样好的鲁棒性，在处理同样复杂的任务时，没有任何人工系统能够媲美人脑的低能耗性。”

从概念上讲，类脑计算是指模拟和借鉴大脑生理结构和信息处理规律，在硬件实现和软件算法等方面，对现有的计算系统和系统做出必要的改变，以求在计算能耗､计算能力和计算效率等诸多方面得到实质性的改善。

可以说，类脑计算的目标就是制造类脑计算机和类脑智能，相关研究已经有二十多年的历史。与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同，类脑计算采取仿真主义思路，在发展上分为三种途径：

解析大脑：结构层次模仿脑(非冯·诺依曼体系结构)，

仿真大脑：器件层次逼近脑(神经形态器件替代晶体管)，

超越大脑：智能层次超越脑(主要靠自主学习训练而不是人工编程)。

1、解析大脑

所谓“结构层次模仿人脑”，就是将大脑作为一种物质和一种生理对象进行探测、解析，获知基本单元(各类神经元和神经突触等)的功能及其连接关系(网络结构)。在这一阶段，主要通过神经科学实验采用先进的分析探测技术完成。

发达国家较早提出了探索大脑的计划。20世纪90年代，老布什总统就提出过“脑科学的十年”(Decade of the Brain)计划，一经推出就获得了世界范围内的广泛相应;2013年2月，时任美国总统奥巴马在其发表的第二任国情咨文中，也将脑研究列为政府应该投资的“好主意”之一。现阶段，西方国家启动的脑解析计划包括美国国立卫生研究院在2010年启动的为期5年的人类脑计划和脑连接组学计划等研究，以及欧盟委员会2013年1月启动的人类脑计划。日本的脑科学研究也起步较早，1996年，日本开始启动为期20年的“脑科学时代计划”，但前期偏重于脑科学教育，后期也要以医学、生物学为核心，逐渐增加研究人数。

老布什曾提出的“脑科学十年”发展计划

在人类基因组计划(简称HGP)提前完成之后，生物学领域普遍认为下一个伟大的、更富有挑战性的任务应该是进一步认识人类的大脑。但目前来看，人类对大脑的分析探测水平并不高。可以说，神经科学家目前只能对大脑活动进行粗略的测量。可以通过正电子发射计算机断层扫描技术(PET)或核磁共振成像技术(MRI)并借助介质例如氧气，对大脑广阔区域的活动进行探测，或者测量单体或少数的神经元电活动。但是，PET和MRI缺乏对细节的描绘，会产生很多模糊的图像，而将焦点集中于少数的神经元就如同近距离地观看低像素的照片，失去了整张的画面。为了绘制人类大脑活动图谱必须研发新方法，以实现对大规模的神经元集成活动进行观测。从而可以在动物模型条件下绘制图像以及跟踪大量的细胞活动，然后再去寻找一种安全的方式将该方法应用于人类。

2013年，Science杂志撰文详解了美国科学家倡议的大脑活动图谱(BAM)项目，拟通过广泛的、协调一致的努力来开发一项新技术，用于追踪人类大脑的功能连接活动，最终达到可以测量每一个神经元活动的水平。BAM项目提出以下的发展建议：第一阶段，他们提议集中研发新影像工具，可以利用光去穿透脑组织，探测并操控细胞功能;第二阶段，通过利用新一代的电子探针，同时监测和操控大量的细胞;第三阶段，利用最新的纳米技术，对单个神经细胞内的活动进行实时汇报;第四阶段，利用人类基因组计划的灵感，建立数据分析和共享系统。然而，BAM项目并未获得美国政府的正式立项或资助。

2014年6月，美国国立卫生研究院发布美国“脑计划”12年规划，重点支持新的大脑解析探测技术，目标是绘制出堪比“人类基因图谱”的“人类大脑动态图谱”。相关进展表明，对人类大脑结构的解析有望在十年内获得重大突破。

除国立卫生研究院外，美国其他部门也积极寻找好的发展项目推动大脑探索活动。2016年3月，美国高级情报研究计划署(IARPA)资助了大脑皮层网络机器智能(MICrONS)计划，希望通过解码大脑算法来彻底改变机器学习。该研究团队在IEEE Spectrum上发表了其最新进展：对1立方毫米的老鼠大脑皮层组织进行反向工程，并打算运用这些发现改善机器学习和人工智能算法。

2016年4月，全球脑计划研讨会(Global Brain Workshop 2016)倡议书提出需要应对3大挑战——

Challenge 1: What makes our brains unique?

Challenge 2: How does the brain solve complex computational problems?

Challenge 3: How can we augment clinical decision-making to prevent disease and restore brain function?

其中，倡议书在第一个挑战中就提出绘制大脑结构图谱：“在10年内，我们希望能够完成包括但不限于以下动物大脑的解析：果蝇、斑马鱼、鼠、狨猴，并将开发出大型脑图谱绘制分析工具。”

2016全球脑计划研讨会

而该倡议书中的挑战之一马上就获得了实践——2016年9月，日本东海大学绘制出首个果蝇全脑神经网络3维图谱，共计10万神经元。

果蝇全脑神经网络图谱（部分）——日本东海大学，2016

近年来，国内的相关探测手段也快速进步。例如北京大学生物动态光学成像中心主任谢晓亮领衔的生物动态光学成像中心，可以通过单分子光谱观察细胞内部的动态生理过程。2014年，由华中科技大学骆清铭教授牵头的“单细胞分辨率的全脑显微光学切片断层成像技术与仪器”项目实现了建立单细胞分辨的全脑显微光学成像技术体系，在神经细胞尺度上实现了脑皮层的结构解析。

单细胞分辨率的全脑显微光学切片断层成像技术与仪器——华中科技大学，2014

目前，“多模态跨尺度生物医学成像”已经被列入“十三五”国家重大科技基础设施，由北京大学和中国科学院生物物理所等联合建设。这一平台融合光、声、电、磁、核素、电子等成像范式，提供从埃米到米、从微秒到小时跨越10个空间与时间尺度的解析能力，将分步骤实现多种模式动物大脑的高精度动态解析。

2、仿真大脑

类脑计算研究的目标是制造出类脑计算机，其硬件主体是大规模神经形态芯片，这种芯片主要包括神经元阵列和突触阵列两大部分，前者通过后者互联，一种典型连接结构是纵横交叉，使得一个神经元和上千乃至上万其他神经元连接，而且这种连接还可以是软件定义和调整的。类脑计算机基础软件除管理神经形态硬件外，主要实现各种神经网络到底层硬件器件阵列的映射，这里的“软件神经网络”可以复用生物大脑的局部甚至整体，也可以是经过优化、乃至全新设计的神经网络。

所谓“器件层次逼近人脑”，就是指研制能够模拟神经元和神经突触功能的微纳光电器件，从而在有限的物理空间和功耗条件下构造出人脑规模的神经网络系统。这方面的代表性项目是美国国防部先进研究项目局(DARPA)2008年启动的“神经形态自适应可塑性可扩展电子系统”(即突触)，其目标是研制出器件功能、规模与密度均与人类大脑皮层相当的电子装置，功耗为一千瓦(人脑为20瓦)，IBM和多所大学获得一亿多美元资助。2014年8月7日，IBM在《科学》上发表文章，宣布研制成功TrueNorth神经形态芯片，该芯片实现了百万个神经元和2.56亿个突触，成果入选了“2014年十大科学突破”。与传统冯·诺依曼架构不同，TrueNorth将内存､CPU和通信部件集成在一起，信息的处理完全在本地进行，利用该芯片能够从30帧每秒速度的视频中实时识别出人､自行车､公交车等，准确率达到80%｡相比之下，一台笔记本通过编程完成同样的任务用时要慢100倍，能耗却是TrueNorth芯片的1万倍｡需要指出的是，作为第一代类脑芯片，TrueNorth仍然存在很多不足，人脑启发软件公司Numenta创始人杰夫•霍金斯(Jeff Hawkins)就认为该芯片本身不能实现学习功能，还称不上是真正意义上的类脑芯片。

IBM研发的TrueNorth芯片——IBM research，2014

德国海德堡大学在神经形态芯片研制方面已有十多年积累，2015年3月，他们在一个8英寸硅片上集成了20万神经元和5000万突触，采用这种“神经形态处理器”的计算机已经成功运行，其神经元采用模拟电路实现，功能比IBM方案更接近生物神经元。

2016年1月28日，Google公司DeepMind团队在《Nature》上发文宣布其人工智能系统AlphaGo历史性的战胜人类的职业围棋-欧洲围棋冠军樊麾。2016年3月，AlphaGo又以4:1的战绩战胜了韩国围棋九段棋手李世石。2017年，AlphaGo以3:0的战绩战胜了我国围棋九段选手柯洁(其时柯洁积分排名世界第一)但谷歌旗下的人工智能AlphaGo，包括百度、IBM、脸书此前的一些研究，其本质上还是运行在传统超级计算机(即冯·诺依曼架构)上的深度增强学习软件，它是广泛的多种应用中的主流，通常由一个或另一种类型的加速器(GPU，FPGA等)辅助，但存在功耗高、系统所需训练时间长等缺陷。所需硬件资源和能源消耗都过于庞大。

类脑计算正在向神经形态计算、神经计算机的方向发展，最近IBM、Qualcomm和HRL实验室的研究人员开始致力于创建与传统计算机在处理信息方式上有着本质不同的神经仿生计算机。他们采用成熟的CMOS电路来开展突触和神经元功能的仿生。“2016年，欧洲两台神经形态计算系统 BrainScaleS(海德堡大学建造)和SpiNNaker(曼彻斯特大学建造)正式上线运行。

德国海德堡大学BrainScaleS芯片

从底层出发研制具有生物突触功能的元器件对于构建神经形态系统和研制真正意义上的“类脑芯片”意义十分重大。最近几年，在阻变/忆阻器、相变存储材料和双电层晶体管基础上发展起来的 “人造突触”器件引起了各国研究人员的广泛关注。

2016年10月，马萨诸塞大学阿默斯特分校研究人员研发出一种神经形态器件——新型忆阻器，该器件能够忠实模拟生物神经元突触的功能，相关论文日前在《自然-材料》发表。实验证明，与传统的漂移型忆阻器一起使用，该装置展现出一些重要的突触功能，包括短期和长期的可塑性。得到业内专家的高度评价：如配合IBM苏黎世研究院在2016年8月公开的人工纳米级随机相变神经元，神经计算机就有了自己的“晶体管”，神经计算机时代就将正式开启，计算机第二次革命就真的发生了。

近期，南京大学万青研究团队与中科院宁波材料所科研人员合作，首次研制成功了一种具有多输入端口的质子导电电解质(氧化石墨烯)耦合的氧化物神经形态晶体管。基于神经元树突的输入模式，研究者们通过在一个栅极上施加调控信号，其他多个栅极上施加驱动信号，成功仿生实现了生物神经元的非线性整合和方向调节功能。最后，研究人员还基于生物神经系统的频率编码方式，在单个多端口神经形态晶体管上实现了神经元对输入/输出关系的乘法运算的仿生。

突触可塑性和树突整合功能——南京大学万青团队，2016

由于上述功能与神经系统的模式识别、感官处理等复杂认知功能高度相关，该类神经形态器件在新一代超低功耗类脑芯片和人工智能领域具有重大潜在应用价值。

海德堡大学教授、欧洲人类大脑计划(HBP)的联合发起人Karlheinz Meier于2016年11月来到北京大学进行学术报告交流。而在2015年的11月，Meier教授和北京大学黄铁军教授作为共同召集人，也曾以神经形态计算为主题在海德堡大学举行了为期三天的双边研讨会。目前双方学术交流的氛围浓厚，对我国神经形态计算研究也有重要意义。

虽然神经形态计算取得了很大进展，但棘手的问题依然存在。①神经网络的训练。这仍然是所有这些机器面临的挑战。②应采用什么基础技术。是CMOS芯片，还是晶圆级光刻“仿真”神经元，或者正在出现的其他选项，如IBM的相变忆阻器技术显示出很好的前景。③小型原型系统的用户。SpiNNaker的用户超过了100个;BrainScaleS吸引了约10个用户，但使用起来比传统计算机更困难;“欧洲人脑项目”合作实验室的外部用户升至接近300个，其中约10%正在使用大型神经形态系统。

哈佛大学怀斯生物启发工程研究所教授乔治·丘奇(George Church)则为计算指明了另一条道路：停止尝试打造硅大脑(意指计算机)，而是构建生物大脑，代替人类更好地处理计算任务。他说：「我认为很快我们就会有合成神经生物学(synthetic neurobiology)的能力，以真正地构建生物大脑的变体;尽管硅芯片计算机在处理速度方面打败了生物系统，但Church认为装备有电路元件的工程化大脑也将会实现提速。

3、超越大脑

所谓“智能层次超越脑”，属于类脑计算机软件层次的问题，是指通过对类脑计算机进行信息刺激、训练和学习，使其产生与人脑类似的智能甚至涌现出自主意识，实现智能培育和进化。刺激源可以是虚拟环境，也可以是来自现实环境的各种信息(例如互联网大数据)和信号(例如遍布全球的摄像头和各种物联网传感器)，还可以是机器人“身体”在自然环境中探索和互动。在这个过程中，类脑计算机能够调整神经网络的突触连接关系及连接强度，实现学习、记忆、识别、会话、推理以及更高级的智能。

2008年，美国工程院把“大脑反向工程”列为本世纪14个重大工程问题之一，近年来各国“脑计划”也将大脑高精度解析列为重要内容进行支持。一些科学家意识到，不应再纠结于大脑意识原理是否突破，而应该在大脑解析仿真最新进展基础上，争取在制造类脑计算机方面先行突破，一旦类脑计算机能够产生部分类脑功能，揭示大脑智能奥秘也就为期不远了。

按照Church教授的评估，高级情报研究计划署的MICrONS大脑逆向工程的目标也许不可实现。大脑是如此复杂，以至于即使大脑逆向工程取成功了，研究者还是无法完全理解大脑的神秘，但这并无大碍。Church认为，理解大脑有点像是科学家的一种执念，对大脑做逆向工程要比理解它容易得多。

4、结语

目前，欧美类脑计算技术发展的较快，美国高通公司、美国IBM公司等科技巨头，德国海德堡大学、英国曼彻斯特大学、瑞士苏黎世联邦理工学院、英国剑桥大学、英国阿尔斯特大学、美国圣地亚哥加州大学和美国斯坦福大学等高等学府都已经做出具有代表性的神经形态芯片或系统。我国在类脑计算方面研究较为深入的有清华大学、北京大学、南京大学、华中科技大学以及中国科学院等多个科研机构。

面对已经错过的经典计算机时代和暗潮汹涌的新一代计算机革命，我国应当尽快做出战略部署，突破基础器件(神经形态器件)､核心芯片(神经形态处理器)及整机，实现类脑计算机产业内生式发展｡力争占领类脑计算机制高点，对世界通用人工智能发展做出历史性贡献。