将类脑计算推向新的高度 | 推广

脑启发的计算（类脑计算）正在展现出更低成本、更快速度以及更高能效的优势。近日，在北京的一场会议上，专家们围绕从逆向工程昆虫大脑到人形机器人等话题展开讨论，为这一领域注入了新的活力。

在创造性和直觉性思维、灵活性及响应能力（即大规模并行处理）方面，大脑无疑远胜于计算机，而且能耗小得多。

类脑计算旨在借鉴大脑的设计来提升计算机的性能。自上世纪80年代以来，这一领域吸引了来自数学、生物学、物理学、电子工程及计算机科学的研究者共同探索。

近日，由清华大学联合主办的第二届类脑计算自然会议于2024年10月13日至16日在中国北京举行，吸引了来自34个国家和地区的700多名与会者。

“十年前，我们讨论的许多概念似乎还遥不可及。”来自英国Opteran Technologies公司的计算机科学家、研究副总裁Michael Mangan表示，“但如今，许多领域都在进展迅速。我们正处于重大创新的边缘。”

Mangan在会议上介绍了其团队在“逆向工程”昆虫大脑方面的进展，这些算法将使自主机器能够在复杂环境中安全高效地运行。

来自德国于利希研究中心彼得·格林贝格尔研究所的类脑计算中心主任John Paul Strachan表示：“生物是高效的工程师。通过学习大脑的工作原理，我们可以显著提升人工计算系统的能效、适应性和可扩展性。”

高效工程

“与20年前相比，计算机性能的提升速度已明显放缓，我们也不再急切地需要频繁升级计算机。为了推动未来计算性能的提升，有人将目光投向量子计算，而我们则选择向生物学习。”Strachan补充道。

以脑启发的“存算一体”（Computing-in-Memory，CIM）为例，这种技术使得数据处理可以直接在存储硬件中完成。

清华大学集成电路学院院长吴华强表示：“类脑存算一体技术有望突破冯·诺依曼瓶颈。”冯·诺依曼瓶颈指的是数据在处理器和内存之间传输的速度限制了计算机性能。而类脑的存算一体技术则利用忆阻器（memristor）——通过电阻的模拟变化“记住”过去的状态——来模拟大脑的功能。

忆阻器通常由氧化铪或氧化钽等材料制成，其单元经过精心设计与制造，再组装成阵列，以加速人工神经网络的计算。“近年来，基于氧化物的忆阻器作为类脑器件（如人工突触）的研发取得了巨大进展，同时也成功构建了存算一体芯片与系统。”吴华强在会议上分享道。

纳米大脑

进一步突破传统桎梏的是忆阻网络。澳大利亚悉尼大学的物理学家Zdenka Kuncic介绍道，寻找能够天然形成类脑网络的材料是与基于氧化物的忆阻器截然不同的路径。她的团队目前正利用的是低维纳米材料，这些材料可以自组织形成多个互联的忆阻网络，它能够进行并行处理，并模拟大脑的动态特性，使其成为机器学习应用的理想选择。

“这不仅显著提高了能效，还赋予了系统额外的物理特性，而这些特性只有像大脑这样复杂的物理系统才能实现。” Kuncic表示。 

更高的能效有助于减少温室气体的排放。2020年，计算领域的碳排放占全球总量的1.8%至2.8%，超过了航空业。

更高能效还对“边缘计算”的发展至关重要。边缘计算指的是在数据源附近进行处理，从而加快上传速度并减少带宽需求。边缘计算对增强现实、无人驾驶汽车的传感器等需要实时处理的应用尤为重要。

随着对准确感知外界的计算机的需求不断增长，如何解决从传感器向处理器传输大量非结构化数据的问题也变得日益紧迫。解决方案之一是利用类脑计算，将数据处理转移到传感器上。

数据洪流

香港理工大学的器件工程师柴扬教授介绍了他的团队研发的仿生视觉传感内计算技术。这种技术集成了感知、存储与处理功能。

柴扬在大会上的报告指出，这种传感器硬件模仿了大脑处理数据的两个关键特性：一是事件驱动处理，即仅在数据发生变化时进行处理；二是脉冲神经网络，即通过脉冲活动处理和传递信息，这使该技术在图像识别、极端光照条件下的适应以及运动感知方面均展现出显著优势。

本次会议的一大亮点是海报展示与技术演示环节。112份涵盖类脑计算多个领域的海报和15项新技术展示引发了热烈讨论。

会议的压轴环节是一场由柴扬主持的关于类脑计算未来的专题讨论会。与会专家探讨了类脑计算将仅会提升当今的人工智能，还是会催生全新的应用领域。

苏黎世应用科技大学的Yulia Sandamirskaya教授赞同后者。她表示：“类脑计算将开辟一些今天尚不存在的全新领域，例如我所说的‘以人为中心的机器人’技术。”

与现有的机器人不同，这些基于类脑计算的机器人将能够通过面部表情感知人类情绪，并实时做出反应。此外，它们还能在与人类的互动中学习并适应人类合作者的偏好。Sandamirskaya是一位认知技术领域的教授，她在会上展示了一种原型类脑人工智能框架，未来可能让机器人生成对外部世界的内在表征并自主学习。

未来的衡量标准

在专题讨论会环节，与会专家还探讨了如何评估类脑计算性能这一颇具争议的话题。Sandamirskaya指出：“评估指标需要多维度、多层面，综合考虑准确性、性能以及能耗。”她解释说，传统计算的性能评估标准无法体现类脑计算的独特潜力，例如低功耗、实时处理以及使用少量数据快速学习的能力。

奥地利格拉茨工业大学的计算机科学家Wolfgang Maass补充道，在一个快速发展的领域，错误的评估标准可能扼杀创造力，阻碍研究者突破可能性边界。他指出，目前约有上千种不同的类脑设计。

与会专家一致认为，更好的促进跨学科合作将加速这一领域的进展。Strachan强调：“我们彼此依赖，因为我们正在做协同设计。”这种跨学科的依赖性也体现在会议的组织方中，除了清华大学，还包括七本《自然》系列期刊。

瑞士苏黎世联邦理工学院/苏黎世大学神经信息学研究所所长Giacomo Indiveri对此表示赞同：“协同设计的中心思想贯穿了本次会议。跨学科合作正在令人振奋地塑造我们领域的创新解决方案。”

Maass在会议结束日的报告中表示，这些创新将带来非常深远的影响。他认为，受大脑海马体和前额叶皮层处理模式启发的类脑硬件开发，或将为类脑计算带来更高层次的认知功能，例如规划和问题解决能力。

了解更多：https://conferences.nature.com/ event/NeuromorphicComputing

www.tsinghua.edu.cn

This advertisement feature is produced by Nature Research Custom Media. The advertiser retains sole responsibility for content.

本篇内容由自然科研定制推广团队为本机构撰写，广告客户对内容负全责。