雖然人工(gōng)智能在一(yī)些方面的表現已超越了人類，但這不代表它真的很聰明。相反，很多時候它還很傻很天真，仍然需要向人腦學習。
近日，以“類腦計算與人工(gōng)智能”爲主題的香山科學會議在香港科技大(dà)學召開(kāi)，來自腦科學、神經科學以及人工(gōng)智能方向的30多位與會專家，讨論了如何将人工(gōng)智能和腦計算相互融合、相互促進，實現從腦啓發到通用人工(gōng)智能的演進。
類腦智能是人工(gōng)智能的良藥
近年來，人工(gōng)智能在發展過程中(zhōng)仍有一(yī)系列技術難題需要克服。比如，機器學習不靈活，需要大(dà)規模人工(gōng)标注的高質量樣本數據；訓練模型需要很大(dà)的計算開(kāi)銷；同時人工(gōng)智能仍然缺乏高級認知(zhī)能力和舉一(yī)反三的學習能力。
香港科技大(dà)學楊強教授表示，機器學習是人工(gōng)智能領域的核心内容，但是，當前的機器學習與人腦的學習能力相比還存在顯著差異，尤其在可解釋性、推理能力、舉一(yī)反三能力等方面，與人腦相比還存在明顯差距。目前科學家們把更多期待投入到類腦智能上，他們認爲智能技術可以借鑒腦科學和神經科學，對人腦認知(zhī)神經機制的理解可能爲新一(yī)代人工(gōng)智能算法和器件的研發帶來新啓發，爲信息智能領域的産業升級帶來颠覆性的變革突破。
“近年來，腦與神經科學、認知(zhī)科學的進展使得人們在腦區、神經微環路、神經元等不同尺度觀測的各種認知(zhī)任務中(zhōng)，獲取腦組織的部分(fēn)活動數據已成爲可能，獲知(zhī)人腦信息處理過程不再僅憑猜測，通過多學科交叉和實驗研究獲得的人腦工(gōng)作機制更具可靠性。因此，腦科學有望爲機器學習、類腦計算的突破提供借鑒。”中(zhōng)國科學院神經科學研究所蒲慕明院士說。
信息處理要模拟人腦
所謂類腦計算是借鑒人腦存儲處理信息的方式發展起來的新技術，它通過仿真、模拟和借鑒大(dà)腦生(shēng)理結構和信息處理過程的裝置、模型和方法，制造類腦計算機和類腦智能。
香港科技大(dà)學葉玉如院士表示，類腦智能是人工(gōng)智能的一(yī)種新形态，也是人工(gōng)智能重要的研究手段。人類的大(dà)腦被認爲是最高級的生(shēng)物(wù)智能系統，它具有感知(zhī)、識别、學習、聯想、記憶、推理等功能。大(dà)腦的這些功能與其結構存在着對應關系。類腦計算機就是以物(wù)理的形态實現這種對應關系，它以神經元作爲基本計算和存儲單元，利用神經元之間的突觸連接傳遞信息，模拟神經突觸的強度變化，其分(fēn)布式的存儲和計算單元直接相連構成大(dà)規模神經網絡計算系統。
“類腦計算系統是基于神經形态工(gōng)程，借鑒人腦信息處理方式，打破‘馮·諾依曼’架構束縛，适于實時處理非結構化信息，具有學習能力的超低功耗新型計算系統。它是人工(gōng)通用智能的基石，是智能機器人的核心，擁有極爲廣闊的應用前景。”清華大(dà)學施路平說。
此外(wài)，北(běi)京郵電(diàn)大(dà)學李德毅院士提出了反用駕駛腦的觀點，用人工(gōng)智能研究腦科學。在計算模型層面，将探索更多具有生(shēng)物(wù)可行性的學習機制的人工(gōng)神經網絡算法。在網絡架構層面，典型的人類認知(zhī)行爲将通過引入網絡内的大(dà)腦樣域和子域來建模，這些域将通過學習來協調、整合和修改。目标是在多個層面、理論上模拟大(dà)腦的機制和結構，開(kāi)發一(yī)個更具有普遍性的AI以應對包括多任務，自學習和自适應等方面的挑戰。