圖為世界上首個登上太空的小型機器人“KIROBO”與人握手。“KIROBO”高34厘米，重1千克，能夠與宇航員聊天，陪伴他們在太空中度過漫長而單調的日子。（新華社發）

機器人正在走入我們的生活，但它們的“智商”似乎并不盡如人意。我們能開發出像人類大腦一樣聰明而具有學習能力的機器人嗎？近日在天津召開的“類腦智能創新論壇”上，國內外腦科學和智能技術領域專家學者對此各抒己見。與會專家指出，腦科學與智能技術的深度融合，將極大地推動類腦智能研究的突破和發展，引領未來世界人工智能發展，重塑國家的工業、軍事、服務業等行業格局，成為國家核心競爭力的重要體現。

“智能+”時代需要類腦智能

“當前的人工智能系統有智能沒智慧、有智商沒情商、會計算不會‘算計’、有專能無全能。”中科院院士、中科院副秘書長、中科院自動化研究所研究員譚鐵牛用四個短句表達了目前通用人工智能與人類智能水平的巨大差距。

會掃地的機器人不會擦桌子；服務機器人很難準確理解客戶的情感、意識和需求；人工智能可以在國際象棋比賽中打敗人類冠軍，但是在對智能水平要求更高的圍棋項目中，只相當于業余五段水平；日本福島核電站事故處理過程中機器人沒有順利完成任務，大量高風險的工作仍然需要由人力來完成；無人駕駛的概念車只是在某些測試路段（例如高速公路）能做到高度自動駕駛，要在人口密集的城市街道實現完全自動駕駛還需長期攻關……

傳統人工智能已經給經濟社會帶來巨大變化，而它所存在的這些發展瓶頸，與機器學習本身的缺陷相關：機器學習不靈活，需要較多人工干預或大量標記樣本；人工智能的不同模態和認知功能之間交互與協同較少；機器的綜合智能水平與人腦相差較大……

要突破這些瓶頸，就需要新一代的智能技術革命，科學家們把期待投入到類腦智能上，認定智能技術可以從腦科學和神經科學獲得啟發。

“類腦智能是人工智能的一種形態，是人工智能的終極目標，也是人工智能重要的研究手段。”譚鐵牛說，人工智能技術的發展將對傳統行業產生重大顛覆性影響，重塑產業格局，“智能+X”將成為創新時尚。“人工智能將在國防、醫療、工業、農業、金融、商業、教育、公共安全等領域獲得廣泛應用，催生新的業態和商業模式，引發產業結構的深刻變革。”

腦科學對類腦人工網絡有什么啟發？與現有人工智能技術相比，類腦智能將有哪些特別的進步呢？

“從宏觀看，大腦不同區域主管不同功能。從微觀看，大腦有非常復雜的突觸結構。越復雜越可調控，復雜帶來可塑性，也就是大腦的結構與功能可依據使用的歷史而改變。”中科院外籍院士、中科院上海神經科學研究所所長蒲慕明認為，神經系統與其他生物系統最大的差別在于其可塑性，“可塑性是大腦認知功能的基礎，也是類腦智能系統最可借鑒的特性。”

“目前我們使用的人工智能網絡的結構還是太簡單，缺乏人類大腦那樣的反饋機制和長遠反向連接等功能。”蒲慕明表示，作為一名腦科學研究專家，他很期待未來腦科學研究可以和智能化網絡研究互相促進、同步發展。

類腦研究能否走上“高速路”

近年來，腦科學與類腦智能已經成為世界各國研究和角逐的熱點，美國、歐盟都相繼啟動相關研究計劃，我國政府也高度重視腦科學的研究，正在論證并啟動“中國腦計劃”。

這一方面反映出大家對類腦智能的高度期待，另一方面也引發了一些科學家的擔憂。因為數十年前，人類曾經有過一次類似的人工智能研究熱潮，只是最后以失敗告終。

中國工程院院士鄭南寧就經歷過那一波熱潮。上世紀80年代，鄭南寧曾赴日本留學，當時日本提出了為期10年的“第五代計算機”計劃，試圖突破電腦的馮諾依曼瓶頸，也就是現有經典計算機體系的速度和性能極限，以實現人工智能。知識工程奠基人費根鮑姆曾認為，這個驚人的開發計劃，將引起第二次計算機革命。

然而，第五代計算機運氣不佳，雖然在技術上取得了部分突破，但并未實現自然語言人機對話、程序自動生成等關鍵目標，最終導致該計劃流產。

現在，我們重提類腦計算，與30年前比，有什么不一樣的背景呢？

“神經科學、計算機科學、神經網絡理論近20年來的長足進步，以及大數據時代對智能計算的需求，使我們今天再次聚焦類腦計算。”鄭南寧分析說，隨著腦與認知科學的研究發展和觀測大腦微觀結構技術手段日益豐富，人們已經可以在微觀水平觀測到神經元的結構、不同腦區的形態，以及神經元放電、不同神經元如何構成神經網絡等信息處理過程。結合這些實驗觀察，智能科學及計算模擬已可以在計算機上部分模擬腦信息處理過程。

譚鐵牛也認為，對人腦層次化信息處理機制的初步借鑒、基于大樣本數據的訓練、實現端對端的映射深度學習算法，這些進步促進了人工神經網絡的復蘇，并已在語音識別、大規模圖像分類、人臉識別中大幅提高了現有的人工智能識別精度。

但這些進步只是提供了突破的可能，我們現有的技術基礎距類腦智能的實現還有很長距離。

我們尚未搞清楚大腦的工作機理：睡眠狀態下，大腦記憶得到了強化，它的內在機理是什么？大腦用來處理外界激勵的能量消耗只占很小比例，那些與刺激無關的能量消耗到底做了什么？

我們也很難用現有的馮諾依曼結構電腦來構建大尺度的神經形態計算系統。類腦計算本身需要打破馮諾依曼結構、把類似大腦的突觸做到芯片上，但目前的神經突觸芯片還在實驗室階段，不能走向實用。而如果用超級計算機平臺來模擬整個大腦的計算能力，需要10的18次方浮點運算能力，這樣的超級計算機，預計到2019年至2023年才能出現。

“類腦計算是一場令人興奮又望而生畏的艱難挑戰，需要組織多學科交叉的大團隊研究。”鄭南寧建議大家保持冷靜思考，避免期望值過高帶來的失望。“期望值過高，又沒有達到預期，隨之帶來的可能是學科發展的低落甚至災難，使最初的目標成為皇帝的新衣。”

模擬神秘大腦從哪里“入手”

那么，要完成當前類腦智能的艱難挑戰，我們需要沖破哪些關口呢？

鄭南寧認為，與現有的馮諾依曼結構計算機相比，類腦計算的技術路線，需要從組件到系統的網絡規模、計算能力上漸次逼近大腦。馮諾依曼結構采用系統同步時鐘，類腦計算需要采用事件驅動模式；馮諾依曼結構運算和存儲分離，類腦計算運算和存儲要達到深度耦合；馮諾依曼結構可以高效執行預定的精確數值運算，類腦計算要具備學習能力、擅長發現復雜數據中的規律和模式；馮諾依曼結構只有有限的容錯性能，類腦計算需要低能耗高容錯……

當前，IBM等利用超級計算機模擬與人腦相似的大規模神經網絡，但結果并不理想。鄭南寧認為其原因在于：“人腦不同腦區具有不同結構和功能，用相同結構的大規模神經網絡模擬整個人腦并不合理。我們應該針對不同腦區的不同功能，設計不同結構的神經網絡，模擬其學習與認知功能。”

此外，神經生理學的大量實驗告訴我們，人類大腦皮層各功能區域之間的關系極為復雜。因此，在實現類腦計算機的體系結構時，解決各層次和各處理模塊之間的關聯，也是一個巨大的挑戰。

類腦智能需要模擬神秘的大腦，但又不能只模擬神秘的大腦。

“從計算科學和工程學觀點看，類腦計算是一門以仿生學為基礎的，但又超越仿生學的工程研究。研究類腦智能計算并非復制人的大腦，而是模擬人類大腦的功能。”鄭南寧表示，僅研究人的思維活動或記錄腦中所有神經元不可能研制出真正的智能機器。“對鳥的詳細研究不可能對如何制造飛機提供更多啟示，對飛機的真正理解是來自飛行的研究。”

當前，世界各國在類腦智能方向的研究都剛剛啟動，我國在這方面的研究也蓄勢待發，這也許將成為我國人工智能發展的一個重要機會。

據悉，作為本次論壇主要承辦單位的中科院自動化所就已率先啟動了類腦智能研究，成立了類腦智能研究中心，并已取得部分階段性成果，比如研究并初步實現了具有自主學習能力的類腦計算系統，并圍繞環境感知與交互、類腦自動推理、類人機器人等開展了應用驗證。

譚鐵牛說，我國人工智能整體發展水平與發達國家相比仍然存在較大差距，在基礎理論和整體應用水平等方面與發達國家相比差距較大。“人工智能經過近60年的發展開始進入爆發增長期，類腦智能將成為弱人工智能通往強人工智能的途徑。目前類腦智能取得的進展只是對腦工作原理初步的借鑒，未來的機器智能研究需要與腦神經科學、認知科學、心理學深度交叉融合，這是我們的機會。”