陸首群：評人工智慧如何走向新階段？

作者 | 陸首群，中國開源軟體推進聯盟名譽主席

出品 | AI科技大本營（ID:rgznai100）

編者按：近來，業內關於深度學習演算法的潛力是否已達天花板的爭論陸續發出。有人認為，基於深度學習演算法的應用還有深度開拓空間，也有人認為，當前的關鍵在於挖掘人工智慧推理、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，現在是探索人工智慧發展走向新階段的時候了。

由中國開源軟體推進聯盟名譽主席陸首群 發起的《評人工智慧如何走向新階段》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慧的新突破。討論內容已正式上線CSDN部落格（見文末地址）。

歡迎讀者們在文末發表自己對人工智慧發展的看法，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慧領域的技術書籍。

當前人工智慧依靠的底層理論是基於人工神經網路的深度學習，而深度技術演算法所支援的人工智慧應用空間主要集中在（或侷限於）影像識別和語音識別。人工智慧識別做的是比對，這時資訊進入大腦後缺少加工、理解、思考、創意等步驟，停留在感知，未能達到認知。

機器學習/深度學習演算法興起於上世紀50年代（一直沿用至今），今天深度學習演算法的潛力已近天花板，限制了人工智慧擴大應用創新。

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演算法研究中？”反映他對國內人工智慧在基礎研究上投入不足的擔憂，隨後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慧披著一層華麗虛假的面紗，底層理論未有突破，核心演算法缺位，人工智慧發展面臨“卡脖子”窘境。

2014年IBM研究類腦演算法，開發TrueNorth晶片，支援人工智慧應用創新。IBM開發基於大規模脈衝神經網路的類腦演算法的TrueNorth晶片，是由4096個細小的計算核心組成，這些計算核心形成了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（不同於執行打包成指令序列的傳統人工智慧晶片）。

2019年在《nature》雜誌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晶片”，其意義非同凡響！

《nature》雜誌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晶片”

2014年清華大學類腦研究中心施路平團隊研發類腦技術，將基於脈衝神經網路（SNN）的類腦計算演算法與基於人工神經網路（ANN）的深度學習演算法整合到一顆晶片“天機芯（TianJic）”上，實行資源複用，利用交叉優勢，使人工智慧應用創新更接近於“自主思考”的認知階段。

天機芯應該屬於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主要演算法的統一硬體結構，而且在一塊晶片上同時支援商業應用和演算法研究，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，極具吸引力和衝擊力。

第二代天機芯（2017）具有高速度、高效能、低功耗等特點，比TrueNorth晶片動能更全，靈話性和擴充套件性更好，速度提高10倍。

現在看來，IBM研發True North晶片，Intel研發Loihi晶片，均偏重於底層理論研究，即偏重於對類腦脈衝神經網路及類腦演算法的研究。脈衝神經網路（SNN）是模擬生物神經元連線和執行方式的模型，通過計算產生神經電脈衝進行資訊傳遞，這和傳統網路的權重連線+啟用的方式有很大差別。目前國內外學術界和產業界正致力於對SNN研究，期望突破深度學習演算法，但對SNN的新演算法的研究還處於發展的萌芽期。

現將已釋出的搭載SNN晶片引數一覽表公佈如下：

搭載脈衝神經元（SNN）晶片引數一覽表

近年來，以深度學習演算法為代表的人工智慧技術發展迅速，鑑於深度學習並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，對於人工智慧進一步發展，人們期待新演算法的出現。

當今人工智慧的發展，國內外在突破深度學習演算法基礎上出現了基於新演算法的萌芽：

1. 基於生物脈衝神經網路類腦演算法，其研究成果已破土萌芽（可參閱IBM、英特爾、清華、浙大的例項） 。

2.“腦機介面”演算法，將人腦神經元與腦外深度學習機器人（或機械手、計算機）連線起來。如：今年8月美國卡內基梅隆大學賀斌團隊將一塊“腦機介面”晶片植入人腦，與大腦神經元無創連線成功，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“腦機介面”公司（Neurobotics）和莫斯科物理技術學院（MIPT）研發一種全新“腦機介面”演算法，利用“腦機介面”將人腦（EEG）神經元與深度學習網路連線起來（本例採用無需植入大腦的非侵入電極），期望用於治療中風患者。美國臉書（Facebook）和加州大學舊金山分校（UCSF）於今年7月釋出的“腦機介面”技術（刊載於《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.知識驅動的核心演算法（深度學習演算法是純粹的資料驅動的演算法）。IBM沃森（Watson）在醫療人工智慧方面研究知識驅動，建立大規模的知識庫，研究知識表示和推理，專注於人工智慧最核心的內容，研發了以知識驅動或知識驅動和資料驅動相結合的核心演算法，促使人工智慧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演算法有下列多種可能：

• 脈衝神經網路硬體實現與類腦智慧演算法

• 知識表示或資料與知識驅動相結合的認知演算法

• 將真腦與深度學習相連的腦機介面演算法

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

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2667249/，如需轉載，請註明出處，否則將追究法律責任。