雷鋒網(wǎng)按：2017 年 7 月 28-30 日，由 中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦的高端學(xué)術(shù)活動(dòng)——中國(guó)計(jì)算機(jī)學(xué)會(huì)學(xué)科前沿講習(xí)班（CCF Advanced Disciplines Lectures，簡(jiǎn)稱 ADL）第 81 期在北京中國(guó)科學(xué)院計(jì)算技術(shù)研究所舉辦。

本期講習(xí)班由北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系主任，信息科學(xué)技術(shù)學(xué)院教授黃鐵軍主持，另有六名來自學(xué)界、業(yè)界的大牛，為現(xiàn)場(chǎng)百名學(xué)員講解了“類腦計(jì)算”相關(guān)的前沿與應(yīng)用。雷鋒網(wǎng)亦到現(xiàn)場(chǎng)聽講。

北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授，計(jì)算機(jī)科學(xué)技術(shù)系主任，國(guó)家杰出青年科學(xué)基金獲得者，教育部長(zhǎng)江學(xué)者特聘教授

黃鐵軍教授回顧計(jì)算機(jī)和人工智能的發(fā)展，提出目前我們正處于神經(jīng)形態(tài)計(jì)算類腦計(jì)算機(jī)的元年。以AI的誕生、制造強(qiáng)AI、繪制大腦地圖、神經(jīng)形態(tài)計(jì)算、AI睜開眼睛為框架體系講解了類腦計(jì)算。黃鐵軍認(rèn)為相比于Brain Inspired Computing（腦啟發(fā)的計(jì)算），Brain Like（仿腦）是取得突破的可行路線，是走向“強(qiáng)人工智能”的必要階段，可能比“人工智能”（人工設(shè)計(jì)出來的智能）和“認(rèn)知科學(xué)”（理解思維的機(jī)理）更早實(shí)現(xiàn)。

雷鋒網(wǎng)對(duì)其演講全文進(jìn)行了不改變?cè)獾木庉?，呈現(xiàn)如下：

各位大家好！很高興大家關(guān)心類腦計(jì)算、神經(jīng)形態(tài)計(jì)算這樣新的話題。雖然這個(gè)課題去年我就講過，但是今年有一些新的進(jìn)展，而且國(guó)家的一些相關(guān)的部署，已經(jīng)開始了。所以我覺得這個(gè)講座，還是應(yīng)當(dāng)會(huì)對(duì)后續(xù)的科研工作會(huì)起到一些支持和推動(dòng)作用。

類腦計(jì)算的概念以及在這個(gè)方向和領(lǐng)域下面，需要做一些什么方面的工作，哪些層次的工作，每個(gè)人的理解可能都不完全一樣，但是現(xiàn)在慢慢的還是形成了一定的共識(shí)。這次講座，我們邀請(qǐng)了7個(gè)講者，今天上午，我先來將我所理解的類腦計(jì)算的概念，以及一些國(guó)內(nèi)外的進(jìn)展。

我采用的是英文題目——Brain-like  Computing類腦計(jì)算，有的老師喜歡叫Brain-inspired computing，受腦啟發(fā)的計(jì)算，但是我更愿意叫類腦計(jì)算。neuromorphic  computing這個(gè)詞更專業(yè)一點(diǎn)，學(xué)術(shù)一點(diǎn)，然而放在媒體上去介紹，類腦計(jì)算更能讓公眾了解。但是它背后也有很多歧義，大家一說類腦，怎么類腦，馬上有很多各自的理解和解釋。神經(jīng)形態(tài)計(jì)算這個(gè)詞更為準(zhǔn)確一些，我們做的這種新的計(jì)算模型、計(jì)算范式，實(shí)際上是一種神經(jīng)形態(tài)，我一會(huì)兒再解釋神經(jīng)形態(tài)。如果是做學(xué)術(shù)寫論文，我建議你用“神經(jīng)形態(tài)計(jì)算”這個(gè)詞，會(huì)找到一些以前的或者更為準(zhǔn)確的文獻(xiàn)。

實(shí)際上我覺得所有搞計(jì)算機(jī)的人 ，心理一定會(huì)有一個(gè)人工智能的夢(mèng)想。計(jì)算機(jī)可以說是人類有史以來影響最大的發(fā)明，這個(gè)發(fā)明到底能干什么？搞計(jì)算機(jī)的人總會(huì)想計(jì)算機(jī)可以做越來越強(qiáng)的計(jì)算邏輯和各種各樣的信息處理能力，是不是能夠代替大腦，超過大腦。當(dāng)我們把計(jì)算機(jī)跟腦做比較的時(shí)候，一般來說我們會(huì)覺得遙不可及。

大家都在媒體上看到過霍金和馬斯克講人工智能，說如果你發(fā)展人工智能，肯定對(duì)人類社會(huì)的影響會(huì)很大，但是如果出現(xiàn)超級(jí)人工智能的話，我們?nèi)祟惥蜁?huì)遭至滅頂之災(zāi)。很多人反對(duì)霍金和馬斯克，認(rèn)為超級(jí)人工智能不可能，但是都沒有充分的證據(jù)。

大概在2014年前后，我就認(rèn)為這條路肯定是存在的，所以就應(yīng)該沿著這條路把這個(gè)事實(shí)現(xiàn)了。我1月7日在中華讀書報(bào)上，發(fā)表了一篇源于制造超級(jí)大腦的文章。后來2月份的時(shí)候，出版了一本書叫《超級(jí)智能》。

 

總的來說，基本上越來越多的人認(rèn)為超級(jí)智能是可能的，這樣的道路是存在的。回到計(jì)算機(jī)學(xué)科，去年是圖靈提出計(jì)算機(jī)的模型80年，第一臺(tái)計(jì)算機(jī)發(fā)明70多年，是人工智能概念提出60多年，是深度學(xué)習(xí)那一篇Science的paper發(fā)表10周年。去年類腦計(jì)算或者神經(jīng)平臺(tái)計(jì)算已經(jīng)出現(xiàn)了很多標(biāo)志性事件，讓我們相信新一代的計(jì)算機(jī)已經(jīng)出現(xiàn)了，計(jì)算機(jī)已經(jīng)進(jìn)入了一個(gè)新的歷史時(shí)期。所以我們今天重點(diǎn)是關(guān)于目前已經(jīng)發(fā)生的一些事，大概分五個(gè)方面。

 一、人工智能踏上正途

第一個(gè)是人工智能，我稱之為人工智能踏上正途，當(dāng)然人工智能做了60年，為什么說今天終于往正確的方向進(jìn)行呢？也不是說以前都錯(cuò)了，只是說以前彎彎曲曲各種各樣的想法，目前逐漸形成了一個(gè)比較主流的方向，而這個(gè)方向是我們終極性的問題，有可能取得突破。今天我們一說人工智能，當(dāng)然大家就想可能是計(jì)算機(jī)作為一個(gè)平臺(tái)實(shí)現(xiàn)人工智能，這基本上成為一個(gè)思維方式。但是事實(shí)上我們回頭看今天的計(jì)算機(jī)，是不是能夠完成這樣一個(gè)歷史使命，這個(gè)問題是我們首先要思考的問題——靠什么實(shí)現(xiàn)人工智能或者未來的強(qiáng)人工智能？

計(jì)算機(jī)從起源開始，實(shí)際上已經(jīng)決定了我們今天的計(jì)算機(jī)，不是實(shí)現(xiàn)人工智能的一個(gè)合適平臺(tái)。圖靈當(dāng)時(shí)提計(jì)算機(jī)，圖靈從來沒有想提出說一臺(tái)計(jì)算機(jī)，那時(shí)候他為了解決一個(gè)數(shù)學(xué)問題：希爾伯特的23個(gè)問題中的第10問題，在數(shù)域里面存不存在不可計(jì)算數(shù)。為了證明這個(gè)問題，要提出一個(gè)概念模型，構(gòu)造一個(gè)通用機(jī)器，這個(gè)通用機(jī)器能做所有的數(shù)學(xué)操作，但是這樣的機(jī)器做不到表達(dá)剛才說的其中那些不可計(jì)算數(shù)。我們都是搞計(jì)算機(jī)，都很清楚圖靈機(jī)的概念，但是圖靈機(jī)是一個(gè)副產(chǎn)品，不是圖靈為了設(shè)計(jì)計(jì)算機(jī)而設(shè)計(jì)的。圖靈在80年代之前已經(jīng)將計(jì)算機(jī)的極限說得很清楚了。今天很多人說只要我把程序編的好，算法設(shè)計(jì)的好，計(jì)算機(jī)什么都能做。你想想，當(dāng)你回答這個(gè)問題的時(shí)候，你基于什么樣的邏輯在說，計(jì)算機(jī)什么都能做的？根本不是這樣，肯定是做不到的。

當(dāng)然我們還要說一個(gè)偉大的貢獻(xiàn)，就是香農(nóng)的貢獻(xiàn)。數(shù)學(xué)模型是抽象的，無法執(zhí)行，香農(nóng)把數(shù)學(xué)和物理聯(lián)系起來，這樣計(jì)算機(jī)就能真正造出來了。這個(gè)貢獻(xiàn)大家都知道，還是想強(qiáng)調(diào)一下：一個(gè)數(shù)學(xué)概念模型，用機(jī)器簡(jiǎn)單的一個(gè)模型可以表達(dá)各種各樣復(fù)雜的數(shù)學(xué)問題。他的偉大只要一個(gè)器件就能解決各種沖突，各種邏輯和數(shù)學(xué)的計(jì)算。那是1947、1948年的時(shí)候，那個(gè)時(shí)候還沒有晶體管，物理上總是有開關(guān)，燈也是開關(guān)，我用多個(gè)開關(guān)可以組合出我們要的這種計(jì)算邏輯功能。就是把問題抽象到一個(gè)極致，然后把問題明晰化。

當(dāng)然還有馮諾伊曼體系結(jié)構(gòu)，這個(gè)也是一個(gè)歷史性的貢獻(xiàn)——把軟件和硬件分離。計(jì)算機(jī)的偉大的地方，就是通用的計(jì)算邏輯機(jī)器，可以做基本的邏輯和運(yùn)用。但是你要完成任務(wù)需要靠程序，要軟件和指令。這樣的話，你買一臺(tái)機(jī)器，裝不同的程序，就可以執(zhí)行不同的任務(wù)。當(dāng)然為了完成通用性，效率是有損失的，你解決一個(gè)問題，專用電路更直接，通用的會(huì)有一些符號(hào)代價(jià)，但是這些代價(jià)，使得應(yīng)用范圍大大擴(kuò)展，所以這也是一個(gè)貢獻(xiàn)。

所以我花時(shí)間去說圖靈的模型，香農(nóng)的電路和馮諾伊曼體系結(jié)構(gòu)這三件事是因?yàn)槲覀冊(cè)O(shè)計(jì)新一代的計(jì)算機(jī)，類腦計(jì)算，同樣要考慮類似的問題。我們要考慮，數(shù)學(xué)模型是什么，用什么樣的器件去實(shí)現(xiàn)，你是什么樣的體系機(jī)構(gòu)，去實(shí)現(xiàn)人工智能的一些任務(wù)，不然計(jì)算機(jī)不可能實(shí)現(xiàn)強(qiáng)人工智能。計(jì)算機(jī)發(fā)展到今天，第一臺(tái)計(jì)算機(jī)出現(xiàn)70年了，背后的邏輯很清楚，數(shù)學(xué)物理和體力結(jié)構(gòu)，清清楚楚在那個(gè)地方。但是不是做智能的合適平臺(tái)，你看清歷史，才能知道未來怎么做。

接著我們看一下人工智能，圖靈是1951年提出機(jī)器能思考，這當(dāng)然是人工智能問題，只是那個(gè)時(shí)候，這個(gè)詞還沒有造出。1956年，一些圖靈獎(jiǎng)獲得者創(chuàng)造了人工智能這個(gè)詞。他們?cè)谏暾?qǐng)研究經(jīng)費(fèi)時(shí)寫道：我們有一些想法，就是通過機(jī)器仿真，學(xué)習(xí)以及智能其他課程的方方面面都可以精準(zhǔn)描述。到現(xiàn)在為止，這個(gè)想法還是很多人對(duì)人工智能理解的一個(gè)經(jīng)典想法。我們?cè)趺醋鲋悄芎蛯W(xué)習(xí)？實(shí)際上我們先把它形式化，給它一個(gè)精準(zhǔn)的描述，就能用計(jì)算機(jī)去實(shí)現(xiàn)。他們認(rèn)為目前的計(jì)算機(jī)速度、存儲(chǔ)能力還很慢都不是問題，問題是我們把程序?qū)懗鰜恚@個(gè)軟件就能解決智能的問題。我們今天的很多想法仍然是沿用這樣的思路，當(dāng)然這樣的思路對(duì)或者不對(duì)，我們要考慮。

過去60年人工智能發(fā)展了很多技術(shù)路線，也有很多進(jìn)步。從最早的符號(hào)系統(tǒng)到今天的阿爾法狗，有很多標(biāo)志性事件，每一次人們都說人工智能發(fā)展這么快，是不是馬上能超越人類，后來發(fā)現(xiàn)都沒有真正的實(shí)現(xiàn)。在歷史發(fā)展中，大致來說就是三個(gè)流派一直在競(jìng)爭(zhēng)，第一個(gè)符號(hào)主義，這是經(jīng)典人工智能，總要把它符號(hào)化、形式化、精準(zhǔn)化，有描述，然后用機(jī)器去實(shí)現(xiàn)。第二個(gè)，就是神經(jīng)網(wǎng)絡(luò)，連接主義，實(shí)際上背后的思路就是說人的智能是神經(jīng)網(wǎng)絡(luò)產(chǎn)生的，我也做一個(gè)神經(jīng)網(wǎng)絡(luò)，希望它能產(chǎn)生智能，至于產(chǎn)生什么智能，是訓(xùn)練和模型的事，首先我們走的技術(shù)路線是神經(jīng)網(wǎng)絡(luò)，所以這一塊也叫仿生學(xué)問或者生理學(xué)問。第三個(gè)，行為主義，主要是控制論，他們說實(shí)際上你想大家無論是我們一個(gè)人，或者一個(gè)動(dòng)物，甚至我們生物最早的單細(xì)胞的原生生命形態(tài)，其實(shí)它的智能從哪來的？在于和環(huán)境交互過程中產(chǎn)生的。一個(gè)小孩生來，沒有什么能力，但是跟環(huán)境交互中，能力會(huì)逐漸提高。當(dāng)然人還要上學(xué)，學(xué)書本知識(shí)，動(dòng)物是不學(xué)這個(gè)東西，當(dāng)是靠交互也可以。

然而，如果不真的從大腦開始，終極性的問題仍然解決不了。這個(gè)想法并不新， 1956年的時(shí)候就想到了，這些人討論了7個(gè)問題：自動(dòng)計(jì)算機(jī)、編程語言、神經(jīng)網(wǎng)絡(luò)、計(jì)算規(guī)模理論、自我改進(jìn)、抽象、隨機(jī)性和創(chuàng)造性。目前自動(dòng)計(jì)算機(jī)、編程語言、計(jì)算規(guī)模理論已經(jīng)弄清楚了，而神經(jīng)網(wǎng)絡(luò)、自我改進(jìn)、抽象、隨機(jī)性和創(chuàng)造性等問題還不明晰。他們當(dāng)時(shí)就在考慮，一群神經(jīng)元如何形成概念，我們今天的深度學(xué)習(xí)也形不成概念，還有第五個(gè)問題，一個(gè)智能怎么能自我提升，現(xiàn)在深度學(xué)習(xí)靠大數(shù)據(jù)訓(xùn)練，一定程度上可以提升的，只要你用數(shù)據(jù)，我的智能就會(huì)產(chǎn)生就會(huì)自動(dòng)提升，但是還沒有自我性和選擇性。未來的計(jì)算機(jī)，如果還叫計(jì)算機(jī)的話，要有真正的隨機(jī)性，然后才有創(chuàng)造性。原來這個(gè)系統(tǒng)不會(huì)存在的東西，靠隨機(jī)就能出現(xiàn)了。

為什么后面幾個(gè)問題一直發(fā)展很有限，背后有兩個(gè)原理。一個(gè)是因?yàn)槲覀円恢痹谟糜?jì)算機(jī)做智能，在計(jì)算機(jī)上做神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)，是架構(gòu)在馮諾依曼體系結(jié)構(gòu)上的神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)是沒有什么中心的，大量的節(jié)點(diǎn)進(jìn)行復(fù)雜交互的網(wǎng)絡(luò)，跟計(jì)算機(jī)體系不是一回事。二是由于沒有一個(gè)針對(duì)神經(jīng)網(wǎng)絡(luò)的一種體系結(jié)構(gòu)的硬件，晶體管促進(jìn)了計(jì)算機(jī)的快速發(fā)展，但是沒有合適的神經(jīng)元器件，沒有物理上做出一個(gè)硬的神經(jīng)網(wǎng)絡(luò)，又能符合我們希望的模型，沒有類似于香農(nóng)這樣的人物出現(xiàn)，提供一個(gè)物理的橋梁，讓你實(shí)現(xiàn)這些想法，數(shù)學(xué)和神經(jīng)網(wǎng)絡(luò)的想法，就不像計(jì)算機(jī)發(fā)展那么快。

但是我們還是要找這樣一種路徑來實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)。所以神經(jīng)網(wǎng)絡(luò)發(fā)展這么多年，有高潮、有低潮，但是總有人比較堅(jiān)持。1985年Hinton提出boltzman機(jī)模型。今天大家用深度學(xué)習(xí)去說boltzman機(jī)說多層網(wǎng)絡(luò)的時(shí)候，好像是一個(gè)很新的。從1985年到2006年，沒有人做的時(shí)候，我也堅(jiān)持去做這個(gè)，就是報(bào)著這樣一種心態(tài)，在堅(jiān)持做神經(jīng)網(wǎng)絡(luò)。我是1995年讀博士，1996年選題，那個(gè)時(shí)候，我們所有11個(gè)博士生，就只有一個(gè)人做神經(jīng)網(wǎng)絡(luò)，這種精神就是首先你邏輯對(duì)不對(duì)，你要認(rèn)定是對(duì)的，你就堅(jiān)持做下去，不管別人怎么看我這個(gè)事，為什么會(huì)有這么一種精神？因?yàn)镠inton是布爾的曾孫子，布爾邏輯那個(gè)布爾的后代，這些人是有貴族精神的，不會(huì)被流俗所影響，我認(rèn)為這個(gè)方向?qū)Γ揖蛨?jiān)持做，慢慢調(diào)吧，有人給錢，我就做，沒人給錢，一個(gè)人做，有人給錢，幾個(gè)人做。

2006年，Geoffrey Hinton在《Science》發(fā)表關(guān)于深度神經(jīng)網(wǎng)絡(luò)的論文，現(xiàn)在深度學(xué)習(xí)已經(jīng)過熱了。2011年，深度學(xué)習(xí)沒有那么熱的時(shí)候，我在斯坦福的半年訪問，他們就是用layer做圖象識(shí)別、語音識(shí)別、自然語言處理提升的百分點(diǎn)數(shù)，當(dāng)然都是幾個(gè)百分點(diǎn)，沒有超過10%。后來，李飛飛組織的深度學(xué)習(xí)在比賽中，對(duì)圖像識(shí)別的能力提高了11個(gè)百分點(diǎn)?，F(xiàn)在已經(jīng)變成用更多的數(shù)據(jù)，更深的網(wǎng)絡(luò)，調(diào)調(diào)參數(shù)，然后一個(gè)結(jié)果，這就沒有什么，從研究的角度沒有什么太大意義了，但是我們都喜歡干這個(gè)事。

Alpha  go的實(shí)現(xiàn)里面有很多它新的想法，是一個(gè)標(biāo)志性的事件，但這還不是強(qiáng)人工智能，自主智能，但是超出了我們傳統(tǒng)上對(duì)人工智能的一種理解——總要把很多東西進(jìn)行形式化然后表達(dá)。它的突破在把圍棋當(dāng)成一個(gè)圖像去識(shí)別，這個(gè)跟人去識(shí)別的過程是類似的。所以我們講高手就是棋感，棋感從哪來？就是你下的棋數(shù)，下的多，看的棋譜多，阿爾法狗看完3000萬盤棋，棋感已經(jīng)超出人了。你說棋感這種我們通常認(rèn)為只有人類有的，機(jī)器一樣可以有。這種神秘性，我們認(rèn)為獨(dú)有性的東西，逐漸被機(jī)器替代。

所以2030年國(guó)家的重大科技項(xiàng)目里面，潘院士提了五大方向：大數(shù)據(jù)智能、跨媒體智能、群體智能、混合增強(qiáng)智能、自主無人系統(tǒng)。 2030年的時(shí)候，計(jì)算機(jī)達(dá)到什么樣的能力？當(dāng)時(shí)定了一個(gè)目標(biāo)，就是要逼近人腦的信息處理能力，具有自我認(rèn)知，自主的通用人工智能。

以上是一些背景，花了不少時(shí)間，后來應(yīng)該是相對(duì)好講。

二、制造強(qiáng)人工智能

第二個(gè)話題，是制造強(qiáng)人工智能。強(qiáng)人工智能又叫通用人工智能，到現(xiàn)在為止，包括阿法狗在內(nèi)的，都是弱人工智能，專用人工智能。專用人工智能是指就事論事，要解決某個(gè)智能問題。強(qiáng)人工智能是要達(dá)到人類水平，能夠自適應(yīng)的應(yīng)對(duì)外界環(huán)境挑戰(zhàn)的具有自我意識(shí)的人工智能。一旦達(dá)到人類水平，就會(huì)超過人類水平，所以強(qiáng)人工智能是我們要應(yīng)對(duì)的一個(gè)挑戰(zhàn)，這個(gè)挑戰(zhàn)也許是我們?nèi)祟惓霈F(xiàn)以來，要應(yīng)對(duì)最大的挑戰(zhàn)。

實(shí)際上世界上存在超級(jí)人工智能，本來我們?nèi)司褪牵覀儽緛砭褪且粋€(gè)強(qiáng)人工智能，我們的強(qiáng)人工智能基于我們的大腦，神經(jīng)系統(tǒng)。到目前現(xiàn)在為止，除了人腦之外，沒有任何一個(gè)自然或者人工智能系統(tǒng)，具有對(duì)新環(huán)境、新挑戰(zhàn)，能夠自適應(yīng)，人是最典型的具有強(qiáng)人工智能的。

既然人可以有，我們?cè)趺醋寵C(jī)器有？一開始我就說類腦計(jì)算這個(gè)詞，很容易用不同的角度去理解，比如說Brain-inspired  computing，受腦啟發(fā)的計(jì)算，這個(gè)事已經(jīng)從人工智能開始，大家都在做，腦給了我們一些模型原理，盡管很有限，但是我們得到了一些認(rèn)知，認(rèn)知科學(xué)給我們一些啟發(fā)，我們可以設(shè)計(jì)新的算法，包括疑團(tuán)算法，各種各樣的。其實(shí)背后或多或少都有認(rèn)知的應(yīng)用。但是這樣的一個(gè)理解是不能解決我說的強(qiáng)人工智能問題的，這樣一個(gè)思路，把我們引入歧途。

我們剛才說人類大腦有強(qiáng)人工智能，人類大腦的強(qiáng)智能是怎么出現(xiàn)的？換一個(gè)說法，人的意識(shí)是怎么回事，或者人的思維是怎么回事，人的意識(shí)起源是什么，意識(shí)背后的原理是什么，就是這樣一個(gè)問題。這樣一個(gè)問題，是我們?nèi)祟惾罂茖W(xué)問題。人類面對(duì)三個(gè)最大的科學(xué)問題，第一個(gè)宇宙的起源，生命的起源，意識(shí)的起源，這三大科學(xué)問題，是一個(gè)很難的問題，要不然就不叫它大問題了。這么一個(gè)大的科學(xué)問題，什么時(shí)候能解決，你去問腦科學(xué)家，再保守的腦科學(xué)家，也不會(huì)跟你說在100年之內(nèi)能解決，一般都會(huì)說大概幾百年的時(shí)間，也有人說會(huì)在1000年的時(shí)間，也許永遠(yuǎn)解決不了。因?yàn)檫@種大問題，他們沒有找到一個(gè)可行的方案，只能是說不斷往這個(gè)方向探索而已，所以不能給你一個(gè)確定的答案，因?yàn)樘y了。如果他們不能告訴我們，大腦是怎么產(chǎn)生我們的意識(shí)這種強(qiáng)人工智能的，我們?cè)趺崔k？

別人沒有給你模型，我們是不是等模型出來再去做？我們多少年來被這么教育，科學(xué)是基礎(chǔ)，技術(shù)是基于科學(xué)我們才能發(fā)展新的技術(shù)。所以但是這種思維方式在有些情況是對(duì)的，但是大多數(shù)情況下是有問題的。比如說飛機(jī)和空氣動(dòng)力學(xué)，1903年萊特兄弟就造出了飛機(jī)，但是1939年才出現(xiàn)空氣動(dòng)力學(xué)用來解釋飛機(jī)為什么能飛。但是今天的飛機(jī)，靠空氣動(dòng)力學(xué)的指導(dǎo)才能做得更好，但是那只是更好。第一架飛機(jī)是沒有科學(xué)理論做基礎(chǔ)的。回顧一下，我們?nèi)祟悮v史上的技術(shù)進(jìn)步和科學(xué)進(jìn)步，技術(shù)進(jìn)步幾乎可以說都是領(lǐng)先于科學(xué)進(jìn)步的，原創(chuàng)性、顛覆性的。中國(guó)四大發(fā)明，沒有一個(gè)有科學(xué)原理的，你說中國(guó)沒有科學(xué)技術(shù)，中國(guó)有技術(shù)，指南針早就用了，鄭和也不知道地球是圓的，也不知道指南針真的指南，但是我們就做出來了。后來，等到科學(xué)逐漸的磁學(xué)，這些地球我們知道怎么回事的時(shí)候，我們才理解為什么指南針能指南。

所以我們做通用人工智能，強(qiáng)人工智能，是不是一定要回答——智能是怎么回事這個(gè)問題？大腦到底是怎么產(chǎn)生的智能，我們是不是一定要回答這個(gè)問題，如果回答等幾百年之后，再去做了，那這件事就沒有必要再去討論了。實(shí)際上不是這樣的，類腦計(jì)算不是Brain-inspired  computing，類腦計(jì)算是Brain-like。什么是類腦計(jì)算？我們現(xiàn)在并不知道大腦為什么會(huì)產(chǎn)生這么高級(jí)的，創(chuàng)造性的知覺。但是我們知道是什么樣的物理系統(tǒng)在產(chǎn)生這個(gè)功能。這個(gè)大腦在物理意義上講是怎么回事，在物質(zhì)上是怎么回事，我們不說精神不說思維智能，我們說神經(jīng)系統(tǒng)是怎么回事，是什么樣的生物系統(tǒng)，什么樣的神經(jīng)網(wǎng)絡(luò)，在發(fā)生這樣一個(gè)復(fù)雜現(xiàn)象。所以這是大腦的解析仿真，大腦能不能解剖開，能不能把大腦的畫出來，我們要搞清楚，我們要看清楚 ，是什么樣的結(jié)構(gòu)在做，在發(fā)生這樣一個(gè)行為。所以這件事可以做的，等會(huì)兒還會(huì)講畫到什么程度。

第二個(gè)，如果我們知道大腦的神經(jīng)元，神經(jīng)網(wǎng)絡(luò)這樣一個(gè)結(jié)構(gòu)，產(chǎn)生了高級(jí)的功能，我們能不能用電子也做一個(gè)。當(dāng)然我們不用再去復(fù)制一個(gè)生物的東西，我們可以用神經(jīng)元、神經(jīng)網(wǎng)絡(luò)的功能，連接也一樣，做一個(gè)同樣的系統(tǒng)。因?yàn)樯窠?jīng)元也是一個(gè)信號(hào)處理，圖譜是信號(hào)的加工，這樣的功能我們可以用電子器件做出來，人腦其實(shí)也是一樣，你抓住一定程度上的結(jié)構(gòu)相似形，就會(huì)出現(xiàn)類似的功能，如果結(jié)構(gòu)的相似性精確到一定程度，復(fù)雜性就有可能出現(xiàn)。所以是照葫蘆畫瓢做一個(gè)東西，我們不問為什么。

 這樣一個(gè)系統(tǒng)，你可以去訓(xùn)練它，就像今天我們說深度學(xué)習(xí)沒有一個(gè)人不信，深度學(xué)習(xí)的功能在那，多層網(wǎng)絡(luò)在那個(gè)地方，你用大量的數(shù)據(jù)訓(xùn)練它，它就會(huì)出現(xiàn)抽象能力，分類識(shí)別各種各樣的能力。如果你做了一個(gè)大腦神經(jīng)網(wǎng)絡(luò)的東西去訓(xùn)練它，用實(shí)時(shí)的，用各種各樣的刺激去訓(xùn)練它，它也應(yīng)該出現(xiàn)類似的現(xiàn)象。一個(gè)復(fù)雜網(wǎng)絡(luò)，會(huì)產(chǎn)生更復(fù)雜的現(xiàn)象。像簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)會(huì)產(chǎn)生簡(jiǎn)單的現(xiàn)象，復(fù)雜網(wǎng)絡(luò)會(huì)產(chǎn)生復(fù)雜現(xiàn)象。人類一定是先理解機(jī)器智能，最終理解我們自身的智能。因?yàn)閺目蓪?shí)現(xiàn)上，也應(yīng)該是這樣。所以你看走了四步，最終實(shí)現(xiàn)了理解意識(shí)，但是如果按常規(guī)的科學(xué)為先的思路，上來就現(xiàn)問意識(shí)怎么回事，這四步都不用走，我們就在原地等著就好了，就不會(huì)有類腦計(jì)算，不會(huì)有真正的下一代計(jì)算機(jī)了。

 

因?yàn)榻裉齑蠹医o我三個(gè)小時(shí)來講，所以我還可以詳細(xì)的去說下。2015年的時(shí)候，為了給北京市說清楚，我總結(jié)了三句話，他們說明白了，你們做吧。結(jié)構(gòu)層次模仿腦，器件層次逼近腦，智能層次超越腦。結(jié)構(gòu)層次模仿，把大腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搞清楚，仿真大腦，這就是大腦反向工程。第二個(gè)，做出神經(jīng)形態(tài)器件，從尺寸、功能上，逼近生物神經(jīng)元，這是神經(jīng)形態(tài)工程。智能層次超越腦就像我們今天去訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)一樣，用大數(shù)據(jù)，用各種的感官，當(dāng)然可以用虛擬現(xiàn)實(shí)和虛擬環(huán)境去刺激它，讓它產(chǎn)生復(fù)雜的行為，就是剛才說的，類似行為主義的訓(xùn)練。這三個(gè)層次做完之后，這個(gè)系統(tǒng)就會(huì)擁有高級(jí)的復(fù)雜功能。大概是這樣一個(gè)路徑。

所以我們所謂的類腦計(jì)算，類腦計(jì)算機(jī)，是仿造生物神經(jīng)網(wǎng)絡(luò)，采用神經(jīng)形態(tài)器件構(gòu)造的，以時(shí)空信息處理為中心的智能機(jī)器。為什么要強(qiáng)調(diào)時(shí)空信息處理，因?yàn)槲覀兝险f復(fù)雜環(huán)境。圖靈機(jī)處理的數(shù)據(jù)流，實(shí)際上是已經(jīng)拆借的時(shí)空信息了，盡管可以做視頻，做視覺，做現(xiàn)在復(fù)雜的任務(wù)。但是最終時(shí)間、空間都拆碎，變成一個(gè)一起進(jìn)行的數(shù)據(jù)流。一旦時(shí)間、空間被破壞之后，很多智能的任務(wù)，就很難做了。我們生物視覺、生物聽覺，從來沒有把時(shí)間、空間破壞掉，我們眼睛看世界，從來沒有時(shí)間、空間最后變成一個(gè)一味的流，我們?cè)谡嬲膶?shí)施并行在做。這種新的機(jī)器，要能直接出來，以這種方式處理信息，這就是以時(shí)空信息處理為中心，時(shí)空不能破壞，時(shí)空不破壞的情況能夠滿足，直接進(jìn)行處理。

所以這種神經(jīng)形態(tài)計(jì)算機(jī)，或者類腦計(jì)算機(jī)，在我們剛才說的不同的，跟經(jīng)典計(jì)算機(jī)相比在各個(gè)層次都要做一些變化。新的神經(jīng)形態(tài)計(jì)算機(jī)，它的基本器件是神經(jīng)元和神經(jīng)突觸而不是晶體管，這個(gè)是神經(jīng)形態(tài)器件，當(dāng)然是人工的、電子的。第二，經(jīng)典計(jì)算機(jī)是人定義的，是馮諾伊曼定義的體系結(jié)構(gòu)。神經(jīng)計(jì)算機(jī)是仿生物的神經(jīng)網(wǎng)絡(luò)，一個(gè)已經(jīng)具備這種功能的結(jié)構(gòu)，我們把它用電子用芯片的方法，把它實(shí)現(xiàn)，對(duì)于這樣一個(gè)網(wǎng)絡(luò)，要去管理，就像我們今天的操作系統(tǒng)要去管理硬件的很多功能一樣，比如說網(wǎng)絡(luò)結(jié)構(gòu)配置，因?yàn)橛布坏┳龀鰜?，不能隨便變。但是你上面要實(shí)現(xiàn)網(wǎng)絡(luò)的各種各樣，怎么把任意的一個(gè)生物網(wǎng)絡(luò)模型，映射到這樣一個(gè)固定硬件上，網(wǎng)絡(luò)配置和管理。軟神經(jīng)網(wǎng)絡(luò)到硬神經(jīng)網(wǎng)絡(luò)的映射是一個(gè)基本要求。

所以說到底，這樣一種機(jī)器，它放棄了以前我們說做智能，得去問認(rèn)知科學(xué)家，智能是怎么回事。他可以告訴你一些東西，那些東西真要做到計(jì)算機(jī)的模型，解決不了問題。就像中醫(yī)一樣，可以給你說一些道理來，但是那個(gè)道理解決不了什么問題。所以我是死心了，放棄跟他們?cè)偃フ撟C下去，否則人都老了，將來連這個(gè)問題都解決不了。

由于是三個(gè)小時(shí)的演講，內(nèi)容頗為豐富，此為上篇，后續(xù)內(nèi)容請(qǐng)看下篇《北大計(jì)算機(jī)系黃鐵軍CCF-ADL講習(xí)班下篇：詳解神經(jīng)形態(tài)計(jì)算與AI生物視覺前沿 》

本次課程為付費(fèi)課程，2017年8月會(huì)在AI慕課學(xué)院獨(dú)家上線，原價(jià) 2500 元（CCF 會(huì)員）的線下課程現(xiàn)在限時(shí)特價(jià) 699 元預(yù)售，有興趣的學(xué)員戳：http://www.mooc.ai/course/114，或者掃描下圖二維碼觀看。

相關(guān)文章：

北大計(jì)算機(jī)系黃鐵軍CCF-ADL講習(xí)班下篇：詳解神經(jīng)形態(tài)計(jì)算與AI生物視覺前沿

馬斯克說的腦機(jī)結(jié)合還有多遠(yuǎn)？真正的腦機(jī)科技前沿告訴你真相 | CCF ADL 81類腦計(jì)算前沿班回顧

重磅講座預(yù)告：黃鐵軍、陳云霽等專家齊聚CCF ADL，分享類腦計(jì)算與深度學(xué)習(xí)處理器 | 開課報(bào)名中

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。