类脑智能将会成为人工智能发展的另一条路径

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。

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。

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。

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。