rengongzhinengjishuyuelaiyuechengweiwomenderichanghuati，buzaishimoshengdegaokeji，buzaishiyaoyuandegaokeji，suizhekejidejinyibufazhan，rengongzhinengjixudiedai

，leinaojisuanqiaoranzouhong，nashenmeshileinaojisuanne
？womenkankanzhuanjiamenshizenmelaiquanshide。

　　據科技日報報道，12月16日至17日
，由北京未來芯片技術高精尖創新中心及清華大學微電子學研究所聯合主辦的“北京高精尖論壇暨2019未來芯片論壇”在清華大學舉行，這次論壇上
，類腦計算成為多位權威專家熱議的人工智能研究方向。

　　類腦計算又被稱為神經形態計算（NeuromorphicComputing）。它不僅是學術會議關注的新熱點
，產業界也在探索之中。

　　11月中旬
，英特爾官網宣布了一則消息：埃森哲
、空中客車、通用電氣和日立公司加入英特爾神經形態研究共同體（INRC），該共同體目前已擁有超過75個成員機構。

　　如(ru)果(guo)說(shuo)
，當(dang)下(xia)人(ren)工(gong)智(zhi)能(neng)發(fa)展(zhan)浪(lang)潮(chao)正(zheng)波(bo)濤(tao)洶(xiong)湧(yong)的(de)話(hua)
，類(lei)腦(nao)計(ji)算(suan)就(jiu)是(shi)浪(lang)潮(chao)之(zhi)下(xia)的(de)洋(yang)流(liu)。雖(sui)不(bu)太(tai)引(yin)人(ren)注(zhu)意(yi)，未(wei)來(lai)卻(que)有(you)可(ke)能(neng)改(gai)變(bian)人(ren)工(gong)智(zhi)能(neng)發(fa)展(zhan)趨(qu)勢(shi)。

　　原因之一是，深度學習雖在語音識別、圖像識別、自然語言理解等領域取得很大突破，並被廣泛應用，但它需要大量的算力支撐，功耗也很高。

　　“我們希望智能駕駛汽車的駕駛水平像司機一樣，但現在顯然還達不到。因為它對信息的智能判斷和分析不夠
，功耗也非常高。”qinghuadaxueweinadianzixijiaoshouwuhuaqianggaosukejiribaojizhe
，rengongzhinengsuanfaxunlianzhongxinzaizhixingrenwushidongzhexiaohaodianliangjiwanwashenzhijishiwanwa
，errendedanaohaonengquejinxiangdangyu20瓦左右。

　　北京大學計算機科學技術係教授黃鐵軍也舉了一個生動的例子：市(shi)場(chang)上(shang)應(ying)用(yong)深(shen)度(du)學(xue)習(xi)技(ji)術(shu)的(de)智(zhi)能(neng)無(wu)人(ren)機(ji)已(yi)經(jing)十(shi)分(fen)靈(ling)巧(qiao)，但(dan)從(cong)智(zhi)能(neng)程(cheng)度(du)上(shang)看(kan)，卻(que)與(yu)一(yi)隻(zhi)蒼(cang)蠅(ying)或(huo)蜻(qing)蜓(ting)相(xiang)差(cha)甚(shen)遠(yuan)，盡(jin)管(guan)體(ti)積(ji)和(he)功(gong)耗(hao)比(bi)後(hou)者(zhe)高(gao)很(hen)多(duo)。

　　到底什麼是類腦計算，它又憑什麼贏得學術界和產業界的寵愛
？

　　“類lei腦nao計ji算suan從cong結jie構gou上shang追zhui求qiu設she計ji出chu像xiang生sheng物wu神shen經jing網wang絡luo那na樣yang的de係xi統tong
，從cong功gong能neng上shang追zhui求qiu模mo擬ni大da腦nao的de功gong能neng

，從cong性xing能neng上shang追zhui求qiu大da幅fu度du超chao越yue生sheng物wu大da腦nao，也ye稱cheng神shen經jing形xing態tai計ji算suan。”黃鐵軍接受科技日報記者采訪時說。

　　類腦計算試圖模擬生物神經網絡的結構和信息加工過程。它在軟件層麵的嚐試之一是脈衝神經網絡（SNN）。

　　現在深度學習一般通過卷積神經網絡（CNN）或遞歸神經網絡（RNN）來實現。“CNN和RNN都屬於人工神經網絡，其中的人工神經元，至今仍在使用上世紀40年代時的模型。”黃鐵軍說
，雖然現在設計出的人工神經網絡越來越大，也越來越複雜，但從根本上講，其神經元模型沒有太大改進。

　　另一方麵，在深度學習人工神經網絡中
，神經元之間的連接被稱為權值。它們是人工神經網絡的關鍵要素。

　　erzaimaichongshenjingwangluozhong
，shenjingyuanzhijianqueshishenjingmaichong，xinxidebiaodahechulitongguoshenjingmaichongfasonglaishixian。jiuxiangwomendedanaozhong，youdaliangshenjingmaichongzaichuandiheliuzhuan。

　　黃huang鐵tie軍jun告gao訴su記ji者zhe，由you於yu神shen經jing脈mai衝chong在zai不bu停ting地di傳chuan遞di和he流liu轉zhuan，脈mai衝chong神shen經jing網wang絡luo在zai表biao達da和he處chu理li信xin息xi時shi
，比bi深shen度du學xue習xi的de時shi間jian性xing更geng突tu出chu
，更geng加jia適shi合he進jin行xing高gao效xiao的de時shi空kong信xin息xi處chu理li。

　　也有人從硬件層麵去實現類腦計算，比如神經形態芯片。

　　2019年7月，英特爾發布消息稱，其神經形態研究芯片Loihi執行專用任務的速度可比普通CPU快1000倍，效率高10000倍。

　　“在對信息的編碼、傳輸和處理方麵，我們希望從大腦機製中獲得啟發，將這些想法應用到芯片技術上，讓芯片的處理速度更快、水平更高、功耗更低。”吳華強也在進行神經形態芯片相關研究
，他告訴科技日報記者。

　　吳華強介紹，在傳統的馮·諾依曼架構中
，信息的處理和存儲是分開的，而人的大腦在處理信息時，存儲和處理是融為一體的。

　　“所以我們在嚐試研發存算一體化的芯片，希望通過避免芯片內部不停地搬運數據
，來大幅提高芯片的能效比。”吳華強說，他的團隊現在也已研發出存算一體的樣品芯片。

　　談(tan)到(dao)類(lei)腦(nao)計(ji)算(suan)的(de)進(jin)展(zhan)
，黃(huang)鐵(tie)軍(jun)告(gao)訴(su)記(ji)者(zhe)，目(mu)前(qian)類(lei)腦(nao)計(ji)算(suan)仍(reng)在(zai)摸(mo)索(suo)階(jie)段(duan)，還(hai)缺(que)乏(fa)典(dian)型(xing)的(de)成(cheng)功(gong)應(ying)用(yong)。但(dan)商(shang)業(ye)公(gong)司(si)已(yi)經(jing)嗅(xiu)到(dao)味(wei)道(dao)
，相(xiang)關(guan)技(ji)術(shu)獲(huo)得(de)規(gui)模(mo)性(xing)應(ying)用(yong)可(ke)能(neng)不(bu)需(xu)要(yao)太(tai)長(chang)時(shi)間(jian)。

　　“現在的神經形態計算還比較初步，它的發展水平跟現有主流人工智能算法相比
，還存在一定差距。”中zhong科ke院yuan自zi動dong化hua所suo研yan究jiu員yuan張zhang兆zhao翔xiang接jie受shou科ke技ji日ri報bao記ji者zhe采cai訪fang時shi認ren為wei，但dan作zuo為wei一yi種zhong新xin的de探tan索suo方fang式shi，應ying該gai繼ji續xu堅jian持chi

，因yin為wei它ta可ke能neng就jiu是shi未wei來lai人ren工gong智zhi能neng技ji術shu發fa展zhan的de重zhong要yao突tu破po口kou。（記者劉園園）

　　看完了這篇報道，想必您也堆類腦計算有了了解。想要在AI人工智能方麵發展和探索，就要了解行業的新知識和新動態。北京分形科技也在AI人工智能方麵積極的探索，我們對於人工智能的知識是非常渴望的，並在AI人工智能公園方麵積累了寶貴的經驗
，更多相關信息，歡迎您谘詢北京分形科技！