资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

作者:skura
2019/07/15 19:01

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

雷锋网 AI 科技评论按,7 月 12 日-7 月 14 日,2019 第四届全球人工智能与机器人峰会(CCF-GAIR 2019)于深圳正式召开。峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会,旨在打造国内人工智能领域极具实力的跨界交流合作平台。

7 月 13 日,在「类脑计算」专场论坛上,来自学术界、企业界的多位知名学者、专家围绕类脑科学这个主题,从类脑计算的底层技术、最新研究进展到实际落地进行了精彩的剖析和探讨。

美国国家工程院士,美国艺术与科学院院士,美国网格超级计算机发明者陈世卿:第三脑引领前沿脑科学

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

论坛伊始,陈世卿教授带来了主题为「The Third Brain Theory and Practice」的演讲。

他表示,现在全世界所有最快速的超级计算机消耗的能量都非常高,甚至达到了不可忍受的地步。基于这一现状,13 年前他成立了非正式的第三脑研究院,希望未来的计算机能够像人的大脑一样低能耗、高速度、高效率,且它不能是以前那样固定的架构,必须是有弹性的。

他进一步表示,他们的目的是借用系统架构,从超级计算机里面综合神经科学、人工智能和超级计算这三种科学来引领前沿的脑科学。这一研究的目的有三个,第一点是提升人群的身心健康,第二点是提升人群的智慧品质,第三点提升人群的道德水平。

第三脑有四个方向:1. 研究脑,深入了解脑的基础生物机制;2. 保护脑:防止脑损伤和找到早期精准检测的方法;3. 开发脑:发展脑机融合的高效率学习方法;4. 延伸脑:把脑机融合的技术延伸到云端,从小到老,终生陪伴。

这四个方向他们都有涉猎。他们的目标是建立一个健康、愉快、智慧、和谐的社会。

北京大学信息技术学院教授,麦戈文脑科学研究员吴思:发展类脑计算模型进行时空动态模式识别

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

吴思教授的演讲主题是「类脑的感知计算模型」。

他表示,计算神经科学在脑科学和人工智能之间起到了桥梁的作用。

目前,深度学习在静态物体的识别上已经超过了人类,但还有很多的工作是深度学习做不好的,其中之一就是时空动态的模式识别。这个问题对人脑来说是非常简单的,但深度学习并不擅长这个。

为什么时空动态模式识别特别重要?因为类脑的目的是模仿大脑处理信息的方式,而大脑处理信息的方式和深度学习有很多的不同,人脑处理的都是动态的时空信息。

所以,真正的类脑计算不应该处理静止图像,而应该处理时空连续的信号。虽然深度学习已经有很多成功的应用,但如果往下走,例如在进行视频分析、动态视觉信息处理的时候,自然就会遇到和人脑一样的任务,需要做一些动态时空模式的识别。

要做动态时空模式的识别,首先,信号源不应该是静止的图像,而应该像人类一样输入连续的信号。目前在这一问题上已经有很多很好的工作。如果我们要做人脑,就应该直接从源头上产生连续的信号,后面的模型也要用处理连续信号的方式来处理。如果在源头上已经产生了这种脉冲信号,后面配备的模型和理论也要全部提升,不能再用现在的机器视觉的算法。

视觉系统有三个基本的功能:物体的勘测、跟踪和物体的识别。这三个功能组合起来就会产生更复杂的视觉功能。所以根据三个基本的功能,结合人脑的工作原理,可以尝试发展类脑计算的模型。

中国科学院自动化所研究员余山:从大脑到人工神经网络的路途并不遥远

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

余山教授的演讲主题是「从脑网络到类脑计算」。

他表示,他原来研究的是脑科学,在研究生、博士生阶段受的训练是做实验脑科学。在开展动物实验研究大脑如何工作的同时,他的部分研究兴趣转移动到如何从大脑中找到规律,并把这些规律利用起来,设计出新一代更有效率、智能程度更高的人工智能系统,也就是我们今天说的类脑计算。

他提及,有的人可能会觉得从大脑到人工神经网络的路途太遥远,因为这两者的机制、结构和实现形式都完全不一样。但从他过去几年的研究经验看,他认为这两者之间有着非常有效的连接和桥梁。脑科学研究已经发现了大量有趣的现象和重要的原理,我们可以思考如何把这些原理用于人工神经网络、人工智能系统当中,去验证他们的效果。

余山进一步表示,David Marr 是计算神经视觉的奠基人之一,他认为我们的大脑本质是信息处理的系统。Marr 提出,要研究信息处理系统,可以从三个层次来进行研究:1、计算的层次,系统做什么事情、为什么要做这个事情,这是很抽象的层次;2、算法或者表征层次,它怎么做刚才说的事情,通过什么样的算法、什么样的计算步骤来实现刚才的功能;3、物理实现的层次,用什么工具来实现,用 GPU 或者类脑的神经芯片。余山认为,这三个层次中的每个层次都可以从大脑中学到有意义的启示来帮助我们思考。

中国科学院半导体研究所研究员刘力源:视觉芯片超越人类视觉感知能力

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

刘力源教授报告的主题是「光电融合的人工视觉片上系统研究」。

他表示,人工视觉芯片是用半导体技术模仿人类的系统,其主要特点是把图像传感器和视觉处理器集成在一个芯片上,其功能是模仿人类视觉系统进行信息的并行获取以及处理。

这种视觉芯片是一种比较典型的边缘计算系统。数据中心模式是指图像数据被传感器感知到以后,首先通过无线网络传到数据中心。在这其中,不可避免地会遇到通信延时问题。视觉芯片是采用边缘计算模式,在传感器感知以后马上对信息进行处理,因此在实时性方面好于数据集群的处理模式。

由于视觉芯片在边缘端处理图像,因此也面临着很多问题。其中最大的问题是如何在功耗、芯片面积受限的条件下设计图像大数据进行实时器。

视觉芯片在很多领域都有应用,如盲人导航、自动驾驶、机器人、目标跟踪等,基本涵盖了工业、消费、科研等各个领域。

在视觉芯片方向主要有三大技术:1、人工视觉感知技术:视觉芯片不仅仅是简单模仿人类视觉系统的功能,在很多情况下它还需要具有超越人的视觉感知能力;2、智能化信息处理能力:如何在功耗、体积受限的情况下进行实时化的图象处理;3、集成技术:我们如何将人工视觉图像传感器和处理器进行集成也是一个非常重要的问题。

中国科学院计算所副研究员赵地:开发有效的芯片对类脑计算至关重要

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

赵地教授的演讲主题是「类脑计算芯片研究进展」。

他表示,类脑芯片在物联网领域可能具有非常大的价值。在很多应用场景下,应用和时间是有强烈关系的。例如,在安防领域,摄像头 24 小时不停地工作,这不仅带来了巨大的存储问题,还带来了计算的问题。

所以,一个类脑计算的相关项目包括从机理、传感器到芯片,最后到算法的开发,到实际的落地和应用。

类脑计算和深度学习具有很大的相似性,它们同样需要有训练数据,同样需要有标注,同样需要有一些训练算法的支持。但是,类脑计算处理的是大脑中的脉冲信息。所谓的脉冲信息并不是一个连续的信息,脉冲的时间是有长度的。而人的大脑,不管是对于视觉信息的表述,亦或是听觉、高级情感的表述,都是通过零散的脉冲来实现的。这样就带来一个问题,在深度学习中大量我们熟悉的方法,在类脑计算中就没办法使用了。

因此,如何开发有效的训练算法,是我们现在面临的一个比较大的问题。甚至在硬件设计中,现有的硬件如何支持好的训练算法,也是需要我们考虑的问题。

我们需要视觉处理器、听觉传感器、触觉传感器、嗅觉传感器这四类需要事件驱动的传感器来实现统一的信号输出。然后,通过转换电路 FPGA 卡,在计算最复杂的部分通过转换电路,进入神经形态处理器进行加速。

「类脑芯片的落地应用」圆桌论坛

在精彩的主题报告之后,是「类脑芯片的落地应用」圆桌论坛。参加圆桌论坛的嘉宾有深圳市宜远智能科技有限公司 CEO 吴博、中国科学院计算所副研究员赵地、中国科学院自动化研究所研究员余山、北京大学信息技术学院教授,麦戈文脑科学研究员吴思。

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

此次圆桌论坛的主持人是深圳市宜远智能科技有限公司 CEO 吴博。在论坛中,嘉宾们围绕类脑计算和深度学习的关系以及类脑计算的落地应用等相关主题进行了探讨。

中国科学院计算所副研究员赵地表示,类脑计算和深度学习各有优缺点。类脑计算作为一个新的事物,它有着自己的特点。从长远来看,两者应该是你中有我、我中有你的状况。不论是视觉还是图像分析领域,它们都有很多具体的细分领域,可能会存在相互交织、合作的情况。

类脑不仅是芯片,还有很多其它问题。但是就芯片领域来说,目前机会很多,这是因为现在类脑计算方兴未艾,还没有形成标准。类脑芯片还没有一款商业化的产品,没有商业化就意味着没有形成事实的产业标准,机会就来自于这里。

中国科学院自动化研究所研究员余山表示,现在的深度学习从广义上来说也是类脑计算,因为它不是基于规则的机器学习系统,而是用神经网络从经验中学习知识。所以类脑计算和现在的深度学习两者是互相借鉴,互相促进的关系。

在类脑这一领域,目前国内机会较多。我国在计算、工程、智能技术方面有比较好的基础,脑科学方面总体和美国还存在一定的差距,但近几年的发展非常迅速,有很多非常优秀的研究单位和课题组。

北京大学信息技术学院教授,麦戈文脑科学研究员吴思表示,关于深度学习,有人理解的深度就是指很多层。有人认为,只要层数足够多,大脑处理器就是深度学习网络。至于类脑计算,如果我们的目标是进行图像识别,那么可能深度学习网络就已经做得很好了,没必要用类脑。但是,如果要做类脑智能,比如一个能够像人一样干各种各样事情的机器人,那么目前的深度学习网络肯定要彻底推翻,只有这样才能完成任务。

他表示,他是在对人工神经网络的发展感到失望以后才开始研究大脑。大脑太复杂了,如果要做一个具体的应用,现在的深度学习网络可能可以完成得很好。但如果要追求真正的智能,我们还有很长一段路要走。

在圆桌论坛的最后是提问环节。到场的观众积极和嘉宾们进行互动,展开了热烈的讨论,收获满满,大家都意犹未尽。

接下来还有 AI 医疗、智慧城市、智慧城市. 视觉智能、智能商业和智慧教育等专场,AI 科技评论也会继续跟进报道,敬请期待。

雷锋网雷锋网

长按图片保存图片,分享给好友或朋友圈

类脑计算:从神经网络到真正的人工智能丨 CCF-GAIR 2019

扫码查看文章

正在生成分享图...

取消
相关文章