雷锋网按，一个新技术从提出到成熟往往要经历多次热潮，当下热门的AI正是如此。纵观整个AI的发展历程，可以分为三个阶段。目前，AI正在从2.0阶段发展到3.0阶段，此时，重要的一环就是神经拟态计算取得的突破性进展，而这又需要在两个方面发力。
今天距离人类最初探索外太空已经有51年之久了。1969年，美国宇航员阿姆斯特朗踏上了月球表面，他的那句“我的一小步，人类的一大步”仍然被我们所熟记。
正如人类从未停止过对外太空的探索一样，科研人员对人工智能（Artificial Intelligence）领域也从未停止过探索。如果说我们之前的探索是停留在人工智能的“地球表面”，现在的科技进步、软硬件的成熟正带领我们进入人工智能的新领域，即人工智能的“外太空”。其中关键性技术——神经拟态计算的巨大突破就是一个重要的推进器。
英特尔近期在超高能效比的神经拟态计算领域取得了瞩目的进展，例如Loihi芯片已经具备了嗅觉，可以识别10种有害气体；由有768颗Loihi神经形态芯片组成的Pohoiki Springs神经拟态计算系统拥有1亿个神经元，相当于一个小型哺乳动物。可以说，正是这些在神经拟态计算领域的“一小步”，成就了AI发展的“一大步”。
AI3.0——让机器实现从感知到认知
人工智能的“外太空”，也被业界称为AI3.0，它会和我们目前所处的AI时代有哪些不同？
英特尔中国研究院院长宋继强
回答这个问题之前，先来了解人工智能的发展历程以及不同的阶段的特点。英特尔中国研究院院长宋继强认为，人工智能可以从“感知”、“学习”、“抽象”、“推理”四个方面来衡量，而纵观整个人工智能的发展历程，可以分为三个阶段。
最早的AI1.0时代可以概述为‘符号’学派主导的专家系统。这个时代注重基于规则的逻辑推理，可以在特定的、狭义定义的问题领域给出合理结论。这个时代的AI在感知方面发展有限，也没有涉足基于数据的‘学习’和‘抽象’能力。
而AI2.0是“联结学派”主导的深度学习，也是我们现在所处的阶段。AI的能力在“感知”和“学习”领域都已经有了长足的进步，也具备了一定的抽象能力，依靠大量可采集的数据做AI训练。
迈向AI3.0时代，AI的能力需要在这四个方面全面提升。宋继强表示，在这个时代，AI变得可解释、更安全，善于总结和利用知识，可以实现连续终生学习，同时，AI也将变得更加可靠，符合人类的伦理道德。
“总结来说，到AI3.0时代，机器已经拥有了人类的‘认知智能’，而不仅仅是停留在感知层面，距离机器超越人类的‘超人工智能’又更加进了一步，”宋继强表示。
超高能效比，会自学的神经拟态计算芯片
助推AI从2.0阶段迈入3.0阶段，其中重要的一环就是神经拟态计算取得的突破性进展。
神经拟态计算主要指用包括模拟、数字或者模数混合大规模集成电路（也包括神经元或者神经突触模型的新型材料或者电子元器件研究 ）和软件系统实现神经网络模型，并在此之上构建智能系统的研究。神经拟态计算芯片的创新架构设计模拟人脑的神经元结构和运行方式，并将计算和存储融合一体。
神经拟态计算以原生的方式支持独特的脉冲神经网络（SNNs）。这是一种特殊的网络，可以模仿人脑神经元的动态连接和强化方式将计算模块进行分布和自学习。SNN中每一个“神经元”都可以被多路输入的包含时序信息的脉冲单独激发，并向网络中其他神经元发送脉冲信号，从而直接改变神经元的电学状态。
“这样类似大脑突触的工作方式所需要的能耗非常低，因为它可以根据应用的需求，让只需要工作的‘神经元’启动，实现将标准模态的输入互相整合，”宋继强说到。另外，通过对信号内部的信息和发送时机进行编码，以及在人工神经元突触之间进行动态映射，SNN就能够启动自然学习的过程。
这种超高能效比的自我学习方式对于人工智能的进一步发展非常重要。目前AI训练的能耗问题非常严峻。根据国外研究显示，训练一个大规模深度神经网络的AI模型所需要的能源相当于五台美式轿车整个生命周期的碳排放量。另外，现阶段人工智能对大数据也有很强的依赖性，但随着未来AI应用的广泛发展，大量可标注数据会越发地成为一种稀缺资源。神经拟态计算可以把完成同类任务的功耗降低千倍，是一种绿色的AI实现方式。
举例来讲，气味识别是一种典型的小数据量的场景。基于Loihi的系统已经可以仅用每种一个样本训练，即可识别10种不同的危害气体。而普通的深度学习AI芯片想要实现同样的效果，则需要3000个样本，这是非常难以实现的。
最近，宋继强也和来自杜克大学的陈怡然教授以及来自浙江大学的唐华锦教授进行了一次有关神经拟态计算的行业对话。在此次对话上，三位都认为相比深度学习，神经拟态计算的神经元结构决定了它不是单纯解决一个数据训练、模式识别的问题，它所实现的是非结构化信息的感知和推理，以及解决多模态感知和需要给出“实时性”响应的问题，具备更好的“鲁棒性(robustness)”。
特别提出的是，宋继强认为近期有关神经拟态计算会替代深度学习的言论，他并不是很赞同，“我认为二者其实是兼收并蓄的关系。对于深度学习已经非常擅长的，模拟人类视觉或者自然语言交互的任务，还是应该用深度学习的网络去处理；对于其他不适合用深度学习做的，比如说英特尔在嗅觉方面的实验，以及机器人自适应操控、多模态甚至于跨模态之间的融合认知我们就可以用神经拟态计算来实现。”
神经拟态计算要实现突破应该在两个方面发力
目前对于神经拟态计算的研究还处在早期阶段。英特尔以及其他一些科技公司、科研机构也都在这个领域进行布局，并且取得了一些进展。除了上述提到的Loihi芯片最新具备的嗅觉能力之外，英特尔还发布了神经拟态系统Pohoiki Springs，已经拥有1亿神经元的计算能力，相当于一个小型哺乳动物的大脑。
宋继强也表示，未来要继续实现技术上的突破，应该在两个方面进行发力。
首先要“软硬协同”。在硬件领域，神经拟态计算作为一种存算一体化的结构可以直接受益于摩尔定律的发展。经过多年研发，英特尔研究院已经把神经拟态计算支持的神经元数量通过整合系统提高了多倍。在软件方面，英特尔也在开发新的算法做新的优化。
同时，开放式创新也是非常重要的，要继续推动产学研之间的合作。“我一直都坚信，必须把技术应用到产业中去，只有让产业界看到了成熟的应用，才能引起产业跟随，从而进一步反推技术的进步，”宋继强表示。
为此，英特尔建立了INRC（英特尔神经拟态计算社区）合作项目，聚集了全球学术、政府、行业机构，目标是共同解决神经拟态计算的广泛挑战。目前已经有包括埃森哲、空中客车、通用电气、日立在内的企业成员加入，在过去一年内，INRC的规模扩大了两倍。宋继强表示：“对于神经拟态计算的成熟‘杀手级’应用，我认为指日可待。”
人工智能的“外太空”充满未知，同时也是人类要面对的一大挑战。英特尔的宏旨是“创造改变世界的技术，造福地球上的每一个人”，因此推动技术变革，改善人来的健康和安全一直是英特尔在做的事情。宋继强说他非常相信神经拟态计算的未来，相信它会早日让我们窥见AI“外太空”的全貌。
本文来自英特尔，雷锋网编辑发布雷锋网雷锋网
相关文章：
正在生成分享图...
程弢