人工智能的迅速发展将深刻改变世界发展模式和人类生活方式。为抢抓人工智能发展重大战略机遇，各国均在构筑先发优势。类脑智能作为人工智能的另一条发展路径，也是实现通用人工智能的最可能路径，成为各国的关注焦点。
一、类脑智能是人工智能发展的必要路径
当前人工智能存在两条技术发展路径。一条是以模型学习驱动的数据智能，另外一条是以认知仿生驱动的类脑智能。当前现阶段人工智能发展的主流技术路线是数据智能，但是数据智能存在一定局限性，如：数据方面，需要海量数据和高质量的标注；自主学习、自适应等能力弱，高度依赖于模型构建；计算资源消耗比较大，CPU、GPU消耗量巨大；缺乏逻辑分析和推理能力不足，仅具备感知识别能力；时序处理能力弱，缺乏时间相关性；仅解决特定问题，适用于专用场景智能。
类脑智能可以解决数据智能的局限性和不足。数据方面，类脑智能可处理小数据、小标注问题，适用于弱监督和无监督问题；更符合大脑认知能力，自主学习、关联分析能力强，鲁棒性较强；计算资源消耗较少，人脑计算功耗约20瓦，类脑智能模仿人脑实现低功耗；逻辑分析和推理能力较强，具备认知推理能力；时序相关性好，更符合现实世界；可能解决通用场景问题，实现强人工智能和通用智能。
二、类脑智能的定义
类脑智能是受大脑神经运行机制和认知行为机制启发，以计算建模为手段，通过软硬件协同实现的机器智能。类脑智能具备信息处理机制上类脑、认知行为表现上类人、智能水平上达到或超越人的特点。2018年8月，Gartner公司发布2018年新兴技术成熟度曲线，公布了5大新兴技术趋势，其中类脑智能、神经芯片硬件和脑机接口作为重要技术趋势。
类脑智能发展有三个层面的目标，分别是结构层次模仿脑、器件层次逼近脑、功能层次超越脑。具体来说，结构层次，主要研究基本单元（各类神经元和神经突触等）的功能及其连接关系（网络结构），通过神经科学实验的分析探测技术完成；器件层次，重点在于研制模拟神经元和神经突触功能的微纳光电器件，在有限物理空间和功耗条件下构造出人脑规模的神经网络系统，如研制神经形态芯片、类脑计算机；功能层次，对类脑计算机进行信息刺激、训练和学习，使其产生与人脑类似的智能甚至涌现自主意识，实现智能培育和进化，学习、记忆、识别、会话、推理、决策以及更高智能。
现阶段类脑智能研究发展依然缓慢。一是由于脑机理认知尚不清楚。大脑是人类进化的高级产物，重量约1.5公斤，占体重2%，功耗约20瓦，占全身功耗20%，当前人类对大脑的认识还不足5%，尚无完整的脑谱图可参考；二是由于类脑计算模型和算法尚不精确。神经元连接的多样性变化性，使得前馈、反馈、前馈激励、前馈抑制、反馈激励、反馈抑制的建模不精确，脑功能分区与多脑区协同的算法不准确；三是现有计算架构和能力制约。现在计算系统是冯诺依曼架构，计算与存储分离，系统功耗高、并行度低、规模有限，而类脑计算系统是非冯诺依曼架构，计算与存储统合，高密度、低功耗，颠覆现有架构的代价较大。
三、各国高度重视积极布局
先进国家积极布局类脑智能研发。美国于2013年启动“BRAIN计划”，将大脑结构图建立、类脑相关理论建模、脑机接口等列为研发重点；欧盟于2013年提出“人脑计划”，重点开展人脑模拟、神经形态计算、神经机器人等领域研究；日本于2008年提出“脑科学战略研究项目”，重点开展脑机接口、脑计算机研发和神经信息相关的理论构建；韩国在2016年发布《脑科学研究战略》，重视脑神经信息学、脑工程学、人工神经网络、大脑仿真计算机等领域的研发。
企业争相布局类脑智能。IBM围绕Watson系统和TrueNorth类脑芯片，意图抢先打造类脑智能生态系统；谷歌依托全球技术领先地位，在现有谷歌大脑基础上结合医学、生物学积极布局人工智能；微软提出意识网络架构，声称是具备可解释性的新型类脑系统。除龙头企业外，美国Emotiv、美国Neurallink、美国Kernel、美国Brainco、瑞士aiCTX等一批新兴公司在类脑智能方面取得很多研发成果，部分进入产业化阶段。
我国积极统筹加速布局类脑智能。我国在2006年《国家中长期科学和技术发展规划纲要（2006—2020）》中就把“脑科学与认知”列入基础研究8个科学前沿问题之一。在2016年《“十三五”国家科技创新规划》也将脑科学与类脑研究列入科技创新2030重大项目。2017年国务院《新一代人工智能发展规划》提出了2030年类脑智能领域取得重大突破的发展目标。我国于2017、2018年分别成立了类脑智能技术及应用国家工程实验室、北京脑科学与类脑研究中心，形成了“南脑北脑”共同快速发展的格局。
四、类脑智能技术体系
类脑智能技术体系分四层：基础理论层、硬件层、软件层、产品层。基础理论层基于脑认知与神经计算，主要从生物医学角度研究大脑可塑性机制、脑功能结构、脑图谱等大脑信息处理机制研究；硬件层主要是实现类脑功能的神经形态芯片，也就是非冯诺依曼架构的类脑芯片，如脉冲神经网络芯片、忆阻器、忆容器、忆感器等；软件层包含核心算法和通用技术，核心算法主要是弱监督学习和无监督学习机器学习机制，如脉冲神经网络、增强学习、对抗神经网络等；通用技术主要是包含视觉感知、听觉感知、多模态融合感知、自然语言理解、推理决策等；产品层主要包含交互产品和整机产品，交互产品包含脑机接口、脑控设备、神经接口、智能假体等，整机产品主要有类脑计算机、类脑机器人等。
图1 类脑智能技术体系
类脑智能当前存在先结构后功能和先功能后结构两条发展思路。先结构后功能，主要指先研究清楚大脑生理结构，然后根据大脑运行机制研究如何实现大脑功能；先功能后结构，主要是先使用信息技术模仿大脑功能，在模仿过程中逐步探索大脑机制，然后相互反馈促进。两条发展思路各有千秋，功能和结构的任意发展突破都会推动类脑智能的极大发展，因此现阶段两条路线并行发展。
类脑智能目前整体处于实验室研究阶段，脑机接口技术是类脑领域目前唯一产业化的领域。脑机接口技术是在人或动物脑（或者脑细胞的培养物）与外部设备间建立直接连接通路，以“人脑”为中心，以脑信号为基础，通过脑-机接口实现控制人机混合系统。脑机接口应用于医疗领域，实现瘫痪人士通过脑机设备控制机械臂完成相应动作，也可实现对多动症、癫痫等疾病采取神经反馈方式做对应的恢复训练；用于智能家居，实现意念控制开关灯、开关门、开关窗帘等，进一步控制家庭服务机器人。全球最受关注的脑机接口公司前十名多分布在北美和欧洲，我国产业界逐步推出产品，如科斗脑机、海天智能等公司研发生产出植入式脑微电极、脑控智能康复机器人等产品。
五、未来发展建议
加快构建全景战略视图，突出重点方向。从科研、技术和产业等多维度形成类脑智能体系化布局，并突出重点发展方向，具体围绕结构、器件、功能三个层面开展重点布局和超前部署。
加大对基础工艺/算法/软件等的投入力度。我国长期以来在新算法、新结构、新原理的研究方面原创不足，制约类脑智能整体创新供给能力。因此，仍需持续加大对原始科研创新的重视力度，对关键基础工艺/算法/软件等加大支撑投入力度。
强化政产学研合作，推动技术体系化创新。类脑智能体系涉及要素较多，需要政产学研紧密合作，深化多方协同的合作，共同推动技术实现体系化的创新。借鉴其他先进国家布局经验，突出政产学研多方合作在类脑智能创新中的合力作用，构建国内多方协同的创新体系。
本文作者：王冲鶄，上海交通大学人工智能专业博士，中国信息通信研究院信息化与工业化融合研究所高级工程师。
