7 月 12 日-7 月 14 日，2019 第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網(wǎng)、香港中文大學（深圳）承辦，深圳市人工智能與機器人研究院協(xié)辦，得到了深圳市政府的大力指導，是國內(nèi)人工智能和機器人學術界、工業(yè)界及投資界三大領域的頂級交流博覽盛會，旨在打造國內(nèi)人工智能領域極具實力的跨界交流合作平臺。

7 月 13 日，在「類腦計算」專場論壇上，來自學術界、企業(yè)界的多位知名學者、專家圍繞類腦科學這個主題，從類腦計算的底層技術、最新研究進展到實際落地進行了精彩的剖析和探討。

美國國家工程院士，美國藝術與科學院院士，美國網(wǎng)格超級計算機發(fā)明者陳世卿:第三腦引領前沿腦科學



論壇伊始，陳世卿教授帶來了主題為「The Third Brain Theory and Practice」的演講。

他表示，現(xiàn)在全世界所有最快速的超級計算機消耗的能量都非常高，甚至達到了不可忍受的地步。基于這一現(xiàn)狀，13 年前他成立了非正式的第三腦研究院，希望未來的計算機能夠像人的大腦一樣低能耗、高速度、高效率，且它不能是以前那樣固定的架構，必須是有彈性的。

他進一步表示，他們的目的是借用系統(tǒng)架構，從超級計算機里面綜合神經(jīng)科學、人工智能和超級計算這三種科學來引領前沿的腦科學。這一研究的目的有三個，第一點是提升人群的身心健康，第二點是提升人群的智慧品質(zhì)，第三點提升人群的道德水平。

第三腦有四個方向：1. 研究腦，深入了解腦的基礎生物機制；2. 保護腦：防止腦損傷和找到早期精準檢測的方法；3. 開發(fā)腦：發(fā)展腦機融合的高效率學習方法；4. 延伸腦：把腦機融合的技術延伸到云端，從小到老，終生陪伴。

這四個方向他們都有涉獵。他們的目標是建立一個健康、愉快、智慧、和諧的社會。

北京大學信息技術學院教授，麥戈文腦科學研究員吳思：發(fā)展類腦計算模型進行時空動態(tài)模式識別



吳思教授的演講主題是「類腦的感知計算模型」。

他表示，計算神經(jīng)科學在腦科學和人工智能之間起到了橋梁的作用。

目前，深度學習在靜態(tài)物體的識別上已經(jīng)超過了人類，但還有很多的工作是深度學習做不好的，其中之一就是時空動態(tài)的模式識別。這個問題對人腦來說是非常簡單的，但深度學習并不擅長這個。

為什么時空動態(tài)模式識別特別重要？因為類腦的目的是模仿大腦處理信息的方式，而大腦處理信息的方式和深度學習有很多的不同，人腦處理的都是動態(tài)的時空信息。

所以，真正的類腦計算不應該處理靜止圖像，而應該處理時空連續(xù)的信號。雖然深度學習已經(jīng)有很多成功的應用，但如果往下走，例如在進行視頻分析、動態(tài)視覺信息處理的時候，自然就會遇到和人腦一樣的任務，需要做一些動態(tài)時空模式的識別。

要做動態(tài)時空模式的識別，首先，信號源不應該是靜止的圖像，而應該像人類一樣輸入連續(xù)的信號。目前在這一問題上已經(jīng)有很多很好的工作。如果我們要做人腦，就應該直接從源頭上產(chǎn)生連續(xù)的信號，后面的模型也要用處理連續(xù)信號的方式來處理。如果在源頭上已經(jīng)產(chǎn)生了這種脈沖信號，后面配備的模型和理論也要全部提升，不能再用現(xiàn)在的機器視覺的算法。

視覺系統(tǒng)有三個基本的功能：物體的勘測、跟蹤和物體的識別。這三個功能組合起來就會產(chǎn)生更復雜的視覺功能。所以根據(jù)三個基本的功能，結(jié)合人腦的工作原理，可以嘗試發(fā)展類腦計算的模型。

中國科學院自動化所研究員余山：從大腦到人工神經(jīng)網(wǎng)絡的路途并不遙遠



余山教授的演講主題是「從腦網(wǎng)絡到類腦計算」。

他表示，他原來研究的是腦科學，在研究生、博士生階段受的訓練是做實驗腦科學。在開展動物實驗研究大腦如何工作的同時，他的部分研究興趣轉(zhuǎn)移動到如何從大腦中找到規(guī)律，并把這些規(guī)律利用起來，設計出新一代更有效率、智能程度更高的人工智能系統(tǒng)，也就是我們今天說的類腦計算。

他提及，有的人可能會覺得從大腦到人工神經(jīng)網(wǎng)絡的路途太遙遠，因為這兩者的機制、結(jié)構和實現(xiàn)形式都完全不一樣。但從他過去幾年的研究經(jīng)驗看，他認為這兩者之間有著非常有效的連接和橋梁。腦科學研究已經(jīng)發(fā)現(xiàn)了大量有趣的現(xiàn)象和重要的原理，我們可以思考如何把這些原理用于人工神經(jīng)網(wǎng)絡、人工智能系統(tǒng)當中，去驗證他們的效果。

余山進一步表示，David Marr 是計算神經(jīng)視覺的奠基人之一，他認為我們的大腦本質(zhì)是信息處理的系統(tǒng)。Marr 提出，要研究信息處理系統(tǒng)，可以從三個層次來進行研究：1、計算的層次，系統(tǒng)做什么事情、為什么要做這個事情，這是很抽象的層次；2、算法或者表征層次，它怎么做剛才說的事情，通過什么樣的算法、什么樣的計算步驟來實現(xiàn)剛才的功能；3、物理實現(xiàn)的層次，用什么工具來實現(xiàn)，用 GPU 或者類腦的神經(jīng)芯片。余山認為，這三個層次中的每個層次都可以從大腦中學到有意義的啟示來幫助我們思考。

中國科學院半導體研究所研究員劉力源：視覺芯片超越人類視覺感知能力 



劉力源教授報告的主題是「光電融合的人工視覺片上系統(tǒng)研究」。

他表示，人工視覺芯片是用半導體技術模仿人類的系統(tǒng)，其主要特點是把圖像傳感器和視覺處理器集成在一個芯片上，其功能是模仿人類視覺系統(tǒng)進行信息的并行獲取以及處理。

這種視覺芯片是一種比較典型的邊緣計算系統(tǒng)。數(shù)據(jù)中心模式是指圖像數(shù)據(jù)被傳感器感知到以后，首先通過無線網(wǎng)絡傳到數(shù)據(jù)中心。在這其中，不可避免地會遇到通信延時問題。視覺芯片是采用邊緣計算模式，在傳感器感知以后馬上對信息進行處理，因此在實時性方面好于數(shù)據(jù)集群的處理模式。

由于視覺芯片在邊緣端處理圖像，因此也面臨著很多問題。其中最大的問題是如何在功耗、芯片面積受限的條件下設計圖像大數(shù)據(jù)進行實時器。

視覺芯片在很多領域都有應用，如盲人導航、自動駕駛、機器人、目標跟蹤等，基本涵蓋了工業(yè)、消費、科研等各個領域。

在視覺芯片方向主要有三大技術：1、人工視覺感知技術：視覺芯片不僅僅是簡單模仿人類視覺系統(tǒng)的功能，在很多情況下它還需要具有超越人的視覺感知能力；2、智能化信息處理能力：如何在功耗、體積受限的情況下進行實時化的圖象處理；3、集成技術：我們?nèi)绾螌⑷斯ひ曈X圖像傳感器和處理器進行集成也是一個非常重要的問題。

中國科學院計算所副研究員趙地：開發(fā)有效的芯片對類腦計算至關重要



趙地教授的演講主題是「類腦計算芯片研究進展」。

他表示，類腦芯片在物聯(lián)網(wǎng)領域可能具有非常大的價值。在很多應用場景下，應用和時間是有強烈關系的。例如，在安防領域，攝像頭 24 小時不停地工作，這不僅帶來了巨大的存儲問題，還帶來了計算的問題。

所以，一個類腦計算的相關項目包括從機理、傳感器到芯片，最后到算法的開發(fā)，到實際的落地和應用。

類腦計算和深度學習具有很大的相似性，它們同樣需要有訓練數(shù)據(jù)，同樣需要有標注，同樣需要有一些訓練算法的支持。但是，類腦計算處理的是大腦中的脈沖信息。所謂的脈沖信息并不是一個連續(xù)的信息，脈沖的時間是有長度的。而人的大腦，不管是對于視覺信息的表述，亦或是聽覺、高級情感的表述，都是通過零散的脈沖來實現(xiàn)的。這樣就帶來一個問題，在深度學習中大量我們熟悉的方法，在類腦計算中就沒辦法使用了。

因此，如何開發(fā)有效的訓練算法，是我們現(xiàn)在面臨的一個比較大的問題。甚至在硬件設計中，現(xiàn)有的硬件如何支持好的訓練算法，也是需要我們考慮的問題。

我們需要視覺處理器、聽覺傳感器、觸覺傳感器、嗅覺傳感器這四類需要事件驅(qū)動的傳感器來實現(xiàn)統(tǒng)一的信號輸出。然后，通過轉(zhuǎn)換電路 FPGA 卡，在計算最復雜的部分通過轉(zhuǎn)換電路，進入神經(jīng)形態(tài)處理器進行加速。

「類腦芯片的落地應用」圓桌論壇

在精彩的主題報告之后，是「類腦芯片的落地應用」圓桌論壇。參加圓桌論壇的嘉賓有深圳市宜遠智能科技有限公司 CEO 吳博、中國科學院計算所副研究員趙地、中國科學院自動化研究所研究員余山、北京大學信息技術學院教授，麥戈文腦科學研究員吳思。



此次圓桌論壇的主持人是深圳市宜遠智能科技有限公司 CEO 吳博。在論壇中，嘉賓們圍繞類腦計算和深度學習的關系以及類腦計算的落地應用等相關主題進行了探討。

中國科學院計算所副研究員趙地表示，類腦計算和深度學習各有優(yōu)缺點。類腦計算作為一個新的事物，它有著自己的特點。從長遠來看，兩者應該是你中有我、我中有你的狀況。不論是視覺還是圖像分析領域，它們都有很多具體的細分領域，可能會存在相互交織、合作的情況。

類腦不僅是芯片，還有很多其它問題。但是就芯片領域來說，目前機會很多，這是因為現(xiàn)在類腦計算方興未艾，還沒有形成標準。類腦芯片還沒有一款商業(yè)化的產(chǎn)品，沒有商業(yè)化就意味著沒有形成事實的產(chǎn)業(yè)標準，機會就來自于這里。

中國科學院自動化研究所研究員余山表示，現(xiàn)在的深度學習從廣義上來說也是類腦計算，因為它不是基于規(guī)則的機器學習系統(tǒng)，而是用神經(jīng)網(wǎng)絡從經(jīng)驗中學習知識。所以類腦計算和現(xiàn)在的深度學習兩者是互相借鑒，互相促進的關系。

在類腦這一領域，目前國內(nèi)機會較多。我國在計算、工程、智能技術方面有比較好的基礎，腦科學方面總體和美國還存在一定的差距，但近幾年的發(fā)展非常迅速，有很多非常優(yōu)秀的研究單位和課題組。

北京大學信息技術學院教授，麥戈文腦科學研究員吳思表示，關于深度學習，有人理解的深度就是指很多層。有人認為，只要層數(shù)足夠多，大腦處理器就是深度學習網(wǎng)絡。至于類腦計算，如果我們的目標是進行圖像識別，那么可能深度學習網(wǎng)絡就已經(jīng)做得很好了，沒必要用類腦。但是，如果要做類腦智能，比如一個能夠像人一樣干各種各樣事情的機器人，那么目前的深度學習網(wǎng)絡肯定要徹底推翻，只有這樣才能完成任務。

他表示，他是在對人工神經(jīng)網(wǎng)絡的發(fā)展感到失望以后才開始研究大腦。大腦太復雜了，如果要做一個具體的應用，現(xiàn)在的深度學習網(wǎng)絡可能可以完成得很好。但如果要追求真正的智能，我們還有很長一段路要走。

在圓桌論壇的最后是提問環(huán)節(jié)。到場的觀眾積極和嘉賓們進行互動，展開了熱烈的討論，收獲滿滿，大家都意猶未盡。

接下來還有 AI 醫(yī)療、智慧城市、智慧城市. 視覺智能、智能商業(yè)和智慧教育等專場，AI 科技評論也會繼續(xù)跟進報道，敬請期待。

來源 | 雷鋒網(wǎng)
作者 | skura