陸首群：評人工智能如何走向新階段？

作者 | 陸首群，中國開源軟件推進聯盟名譽主席

出品 | AI科技大本營（ID:rgznai100）

編者按：近來，業內關于深度學習算法的潛力是否已達天花板的爭論陸續發出。有人認為，基于深度學習算法的應用還有深度開拓空間，也有人認為，當前的關鍵在于挖掘人工智能推理、決策的能力，需要從感知階段向認知階段過渡。專家觀點百家爭鳴，但這也說明，現在是探索人工智能發展走向新階段的時候了。

由中國開源軟件推進聯盟名譽主席陸首群 發起的《評人工智能如何走向新階段》討論引來了中外專家等業內人員的廣泛議論，觀點有深有淺，希望其中有思考價值的內容會推進和啟發人工智能的新突破。討論內容已正式上線CSDN博客（見文末地址）。

歡迎讀者們在文末發表自己對人工智能發展的看法，我們將為有獨到見解且點贊最高的三條評論分別送出一本人工智能領域的技術書籍。

當前人工智能依靠的底層理論是基于人工神經網絡的深度學習，而深度技術算法所支持的人工智能應用空間主要集中在（或局限于）圖像識別和語音識別。人工智能識別做的是比對，這時信息進入大腦后缺少加工、理解、思考、創意等步驟，停留在感知，未能達到認知。

機器學習/深度學習算法興起于上世紀50年代（一直沿用至今），今天深度學習算法的潛力已近天花板，限制了人工智能擴大應用創新。

今年 五一前夕，徐匡迪院士提出“中國有多少數學家投入到基礎算法研究中？”反映他對國內人工智能在基礎研究上投入不足的擔憂，隨后一些數學家在座談會上似乎有過激反應，他們認為：近年國內一片火紅的人工智能披著一層華麗虛假的面紗，底層理論未有突破，核心算法缺位，人工智能發展面臨“卡脖子”窘境。

2014年IBM研究類腦算法，開發TrueNorth芯片，支持人工智能應用創新。IBM開發基于大規模脈沖神經網絡的類腦算法的TrueNorth芯片，是由4096個細小的計算內核組成，這些計算內核形成了100萬個數字腦細胞和2.56億個神經囘路，像“大腦神經元”一樣工作（不同于運行打包成指令序列的傳統人工智能芯片）。

2019年在《nature》雜志封面上發表了清華大學施路平團隊研發的“世界首款雙控異構融合類腦芯片”，其意義非同凡響！

《nature》雜志封面上發表清華大學施路平團隊研發的

“世界首款雙控異構融合類腦芯片”

2014年清華大學類腦研究中心施路平團隊研發類腦技術，將基于脈沖神經網絡（SNN）的類腦計算算法與基于人工神經網絡（ANN）的深度學習算法集成到一顆芯片“天機芯（TianJic）”上，實行資源復用，利用交叉優勢，使人工智能應用創新更接近于“自主思考”的認知階段。

天機芯應該屬于CGRA結構（這是一種更高層次的可重構技術），對應Tianjic的FCcore是一個結合了SNN和ANN主要算法的統一硬件結構，而且在一塊芯片上同時支持商業應用和算法研究，可以說這是Tianjic最大的創新點。在無人駕駛的自行車上進行功能驗證，應該說施教授團隊選擇如此應用場景讓人眼前一亮，極具吸引力和沖擊力。

第二代天機芯（2017）具有高速度、高性能、低功耗等特點，比TrueNorth芯片動能更全，靈話性和擴展性更好，速度提高10倍。

現在看來，IBM研發True North芯片，Intel研發Loihi芯片，均偏重于底層理論研究，即偏重于對類腦脈沖神經網絡及類腦算法的研究。脈沖神經網絡（SNN）是模擬生物神經元連接和運行方式的模型，通過計算產生神經電脈沖進行信息傳遞，這和傳統網絡的權重連接+激活的方式有很大差別。目前國內外學術界和產業界正致力于對SNN研究，期望突破深度學習算法，但對SNN的新算法的研究還處于發展的萌芽期。

現將已發布的搭載SNN芯片參數一覽表公布如下：

搭載脈沖神經元（SNN）芯片參數一覽表

近年來，以深度學習算法為代表的人工智能技術發展迅速，鑒于深度學習并未能如人類真腦活動那樣具有自主思維、創意和靈感，加上深度學習自身存在一定缺陷，對于人工智能進一步發展，人們期待新算法的出現。

當今人工智能的發展，國內外在突破深度學習算法基礎上出現了基于新算法的萌芽：

1. 基于生物脈沖神經網絡類腦算法，其研究成果已破土萌芽（可參閱IBM、英特爾、清華、浙大的實例） 。

2.“腦機接口”算法，將人腦神經元與腦外深度學習機器人（或機械手、計算機）連接起來。如：今年8月美國卡內基梅隆大學賀斌團隊將一塊“腦機接口”芯片植入人腦，與大腦神經元無創連接成功，從此可憑人的意念（思維或想象力）利用人腦神經元來操控機器。今年發表的由俄羅斯“腦機接口”公司（Neurobotics）和莫斯科物理技術學院（MIPT）研發一種全新“腦機接口”算法，利用“腦機接口”將人腦（EEG）神經元與深度學習網絡連接起來（本例采用無需植入大腦的非侵入電極），期望用于治療中風患者。美國臉書（Facebook）和加州大學舊金山分校（UCSF）于今年7月發布的“腦機接口”技術（刊載于《Nature》子刊上），實時讀取人類語言、可用意念打字、用人眼超高精度攝像等。

3.知識驅動的核心算法（深度學習算法是純粹的數據驅動的算法）。IBM沃森（Watson）在醫療人工智能方面研究知識驅動，建立大規模的知識庫，研究知識表示和推理，專注于人工智能最核心的內容，研發了以知識驅動或知識驅動和數據驅動相結合的核心算法，促使人工智能由感知階段上升到認知階段。

歸納起來，未來突破深度學習的新算法有下列多種可能：

• 脈沖神經網絡硬件實現與類腦智能算法

• 知識表示或數據與知識驅動相結合的認知算法

• 將真腦與深度學習相連的腦機接口算法

https://www.toutiao.com/i6765805835990860295/