6月22日，AI界大佬共聚合肥，商讨人工智能的未来——“类脑智能”。
在第二届中国（合肥）类脑智能高峰论坛上，百余位知名学者及行业大咖汇聚于此，以“类脑智能·驾驭未来”的主题，进行类脑智能技术的高峰对话。
现在的市面上充斥着各类AI“小聋瞎”“小笨蛋”，让人们逐渐以为它们便是AI的真实模样。
其实，无论是在科幻大片里，还是在几代研究人员的心目中，“类脑智能”始终都作为AI研究的终极目标而存在。
所谓“类脑智能”，通俗来说就是拥有人造大脑、会思考、会学习的智能体。本质上，它就是一个利用算法模拟神经元工作机制，制造在信息处理机制上类脑，在认知能力上类人的计算模型。
近年来发展起来的深度神经网络模型，正是该领域所取得的一大突破。它的核心思想是模拟人脑分区化、层次化的信息处理机制，在模式识别和人工智能应用领域取得了巨大成功。
即便如此，“类脑智能”的未来，还是停留在遥远的彼方。
为何我们还未拥有“类脑智能”？
“类脑智能”所需的是让计算机成为一个不聋不瞎，能跑能跳、聪明机智的仿生人，需要视觉听觉、信息处理、运动控制的有机结合，它的研发不仅仅基于算法领域取得的进展，其动能的来源，是脑科学。
就像大脑能够实现对生物体各类功能的控制那样，“类脑智能”的核心思想就是通过给机器“移植大脑”，从而“克隆”人类行为。既然如此，便少不了对人类大脑的种种研究。
人类的大脑有多复杂？它能让牛顿创造微积分，能让李白写出“欲上青天揽明月”，能让达芬奇画出蒙娜丽莎，也能让梅西成为世界闻名的球员。
这一切原因，在于上千亿神经元能够通过百万亿突触实现协同运作。一个人的大脑中拥有数千万个几何结构，结构层次最高能到11维，它们分布不均、数量庞大、功能繁杂，是一个浓缩的宇宙。
由此，要对大脑进行模拟，需要从三个方面入手。
首先是微观理解神经元、突触的工作机制及其特性。
通过一道道电流，我们的肌肉收到指令，我们的脑海浮现场景。这些电流正如计算机中的0和1，排列组合之下产生不同的效果。可以说，这种工作机制是最容易在计算机世界里被量化的东西，自然也就成为“类脑智能”领域最基础的研究范畴。
其次是宏观分析脑区间的链路及协作。
“类脑智能”自然不会是“终其一生”只能做一件简单事的机器，而是可以作为以身涉险的消防员、勤加持家的管家而存在的“仿生人”。这就要求其“大脑”能够管控协调多重功能，让机器人说话时运动功能不受影响，视物时能够看图说话，必然也少不了对不同功能脑部区间的研究。
最后是从介观，也就是从神经网络连接模式来了解微观与宏观层面的协作。
纵然，脑科学在这三方面都取得了一定的进展，尤其是微观层面对于神经元与突触结构性与功能性的研究，给“类脑智能”的研发输送了强有力的支援。
但未知的谜题还有许多，诸如：我们该如何模拟记忆，才能让机器的运作不像安卓手机那样，越来越慢？不同的神经元连接模式对应的功能差异对于认知功能的实现具有何种意义，是否有必要舍弃简洁明快的算法转而追求复杂结构？层次化分区化思考如何实现，信息处理应该有怎样的优先级？
当然，掣肘“类脑智能”发展的，不仅仅是脑科学方面的进展。
目前而言，绝大部分的脑科学发现都难以有效地运用到人工智能领域。因而，“类脑智能”研究需要加强人工神经网络和生物神经网络在工作机制、结构功能和记忆学习上的拟合，尤其迫切需要围绕两个方向进行科研攻关。
首先迫切需要发展的，是更加高效能的新一代人工神经网络模型。
如今的深度神经网络模型虽然已经在一定程度上借鉴了神经系统的工作原理，并具备相对完整的编解码、学习与训练方法，但其并不具备大脑的脑容量以及多功能协作的能力，计算效能也并不突出。
其次，让类脑学会“终生学习”也同样重要。
目前的机器学习局限于监督学习、无监督学习和强化学习三个层面。基于这三个层次研发的人工智能，只能从数据库获取“知识”，缺乏从周围环境对知识、模型结构和参数进行学习和自适应进化。
而让机器像人一样不断地自主学习，正是机器学习的最高目标，这需要监督学习、无监督学习、半监督学习、增量学习、迁移学习、多任务学习、交互学习等多种灵活方式综合应用。
研发“类脑智能”，高校在做什么？
“类脑智能”研发变现难、投入大，需要政府的大力支持。而早在中国的《“十三五”国家科技创新规划》之前，20世纪90年代之初便陆续有国家开始关注“类脑智能”研发。
而到了2013年，美国和欧盟相继提出“类脑智能”国家计划，加拿大、日本、德国、英国等也先后加入潮流，希望抢占未来技术的制高点、掌握未来战略的主动权。
政府的力量终究只局限与资本方面，人才的培育和引进还要依仗高校和行业。
在中国，类脑智能技术及应用国家工程实验室是目前最大的一股研究力量。
目前，工程实验室已在脑图谱测绘、脑成像、类脑信息处理等方向上取得了亮眼成果，并提出了3000块GPU、20PB数据存储及处理能力的基础设施建设目标。
然而，这一切还远远不够。与发达国家相比，我国在类脑智能的基础前沿研究、软硬件结合的类脑智能机器人等领域实力仍然较弱。让高校真正站起来，成为中国“类脑智能”的顶梁柱，是眼下的当务之急。
目前，高校的力量首先体现在教学上。例如中科大就在本科生教育中开设了脑与认知科学导论这一门必修课。而浙江大学、中山大学也有着类似的课程。
然而，“类脑智能”研究集合了脑科学、心理学、认知科学、生理学及计算机科学，仅仅依靠一本教材一门课，除了能让学生明白诸如DNN、SNN等框架的原理所在及应用方向，对于想要真正达到人才输送的目的来说，犹如杯水车薪。
因此，如何在高校内完成学科交叉融合成为了世界难题。
目前比较好的做法是依靠相关课程的教师，对于本科生进行合理的兴趣引导，对于研究生及博士生进行研究指导。
而通过双学位辅修或多专业有侧重点地开设相关课程也不失为一个好方法。但由于人工智能热刚刚在高校掀起，许多诸如心理学医学领域还没有综合性人才能够组织课程规划和教材编著。
高校还能充分发挥作用的是对大创项目的支持。目前行业内赫赫有名的寒武纪、深鉴科技背后都有来自一流高校的支撑。
但是，企业的最终目标是为了盈利，在“类脑智能”还没有多少变现价值的今天，这方面的研究也难以持续且大规模的进行。
读芯君开扒
“类脑智能”钱途在何方？
类脑智能技术对于目前的AI行业来说，就是一个吸钱的无底洞。
目前的AI市场，弱人工智能早已占领高地，虽然它们功能单一，性能低下，但已经能在某些工作中大放光彩。
而“类脑智能”，即强人工智能领域却仅仅只是研究人员的圣地，科研变现这条路对于它来说，处处布满了坎坷与荆棘。
目前能够对该领域有大量投入的，除了政府与高校，就只剩下芯片与云计算平台这两个必须依靠计算框架取胜的行业。
不过，作为能够有效提升AI综合能力的领域，许多大公司也在这一方面有所涉猎，可以说，“类脑智能”的研究并不能作为变现手段，而是对“磨刀不误砍柴工”最确切的表达。
参考文献链接：
http://m.sohu.com/a/112431206_468668
閱讀更多 讀芯術 的文章
