經(jīng)過近60年的發(fā)展，特別是近年來算法算力的升級，人工智能在奠定了重要的理論基礎(chǔ)之后，在應(yīng)用方面也取得了諸多進展，如機器感知和模式識別的原理與方法、知識表示與推理理論體系的建立、機器學(xué)習(xí)相關(guān)的理論和系列算法等。我們已經(jīng)見證了人工智能學(xué)會了開車，學(xué)會了下圍棋，學(xué)會了打游戲。然而，上述所有的突破都僅是智能系統(tǒng)從某個視角、在某個特定領(lǐng)域接近、達到或超過人類智能，這些應(yīng)用的普適性較差。

這些相關(guān)的理論、算法與系統(tǒng)很難推廣到其他領(lǐng)域，用于解決其他類型的問題，因此現(xiàn)今人工智能的發(fā)展主要還停留在專用人工智能方面，一旦遇到需要多種認(rèn)知功能進行協(xié)同的時候就顯得捉襟見肘。因此，機器與人類還有明顯差距。

類腦智能源起

人腦在協(xié)調(diào)多種認(rèn)知功能方面有著無與倫比的能力。人腦是一個通用智能系統(tǒng)，能舉一反三、融會貫通，可處理視覺、聽覺、語言、學(xué)習(xí)、推理、決策、規(guī)劃等各類問題，可謂“一腦萬用”。并且，人類的智能感知和思維能力是在成長和學(xué)習(xí)中自然形成和不斷進化的，其自主學(xué)習(xí)和適應(yīng)能力是當(dāng)前計算機難以企及的。因此，人工智能的發(fā)展目標(biāo)是構(gòu)建像人腦一樣能夠自主學(xué)習(xí)和進化、具有類人通用智能水平的智能系統(tǒng)。人工智能如果可以模仿人腦，那就可以大大擴展其通用性，達到通用人工智能的水平。

人類神經(jīng)元（圖片來自網(wǎng)絡(luò)）

于是，科學(xué)家提出了類腦智能的概念來解決上述問題。所謂類腦智能，通俗來說就是擁有人造大腦、會思考、會學(xué)習(xí)的智能體。本質(zhì)上，它就是一個利用算法模擬神經(jīng)元工作機制，制造在信息處理機制上類腦，在認(rèn)知能力上類人的計算模型。 因此，從信息處理與智能本質(zhì)角度審視人腦信息處理，借鑒其原理并催生類腦智能計算技術(shù)，是實現(xiàn)人工智能創(chuàng)新的重要源泉。

理解并模仿人類大腦

要實現(xiàn)類腦智能，就要深入探索大腦的功能劃分并深刻理解其中的運行機制。現(xiàn)在腦與神經(jīng)科學(xué)、認(rèn)知科學(xué)的進展，使得從腦區(qū)、神經(jīng)元等不同尺度觀測各種腦組織活動，并獲取相關(guān)數(shù)據(jù)已成為可能。人腦信息處理過程不再僅憑猜測，通過多學(xué)科交叉和實驗研究得出的人腦工作機制也更可靠。因此，受腦信息處理機制啟發(fā)，借鑒腦神經(jīng)機制和認(rèn)知行為機制發(fā)展類腦智能已成為近年來人工智能與計算科學(xué)領(lǐng)域的研究熱點。

傳統(tǒng)人工智能系統(tǒng)的設(shè)計與實現(xiàn)思路是：從待解決問題相關(guān)數(shù)據(jù)的特點與問題目標(biāo)的角度出發(fā)，從計算的視角設(shè)計算法。這使得所實現(xiàn)的智能系統(tǒng)只適用于解決某一類問題。而類腦智能研究長期的目標(biāo)是實現(xiàn)通用人工智能，這就需要首先研究人腦如何通過同一系統(tǒng)實現(xiàn)不同的認(rèn)知能力，從中得到啟發(fā)并設(shè)計下一代智能系統(tǒng)。

但是要實現(xiàn)類腦智能困難重重，主要問題在于：

（1）視覺信息感知。人工智能常常依賴于攝像頭來采集視覺圖像，很難從中快速識別出關(guān)鍵信息，如人臉、手勢或障礙物。在常規(guī)環(huán)境下，現(xiàn)有技術(shù)雖然已可以高精度地實現(xiàn)這一任務(wù)。但在自然條件下，視覺圖像由于光線、視角、物體運動等不穩(wěn)定因素的綜合影響很難被準(zhǔn)確識別。盡管一系列性能優(yōu)異的深度學(xué)習(xí)理論模型大量涌現(xiàn)，但復(fù)雜環(huán)境中的視覺感知依然是一大難點。

（2）人機對話。人工智能體依靠傳感器收集外界聲音信號，通過語音識別系統(tǒng)和相關(guān)處理技術(shù)將信號進行分析解讀。在嘈雜的現(xiàn)實環(huán)境中，現(xiàn)有的語音識別技術(shù)很難成功而高效地實現(xiàn)語音識別、理解和處理操作。

（3）類腦信息處理。人工智能終端承擔(dān)著繁雜的計算任務(wù)以及信號接收、指令下達等重要功能。隨著人工智能應(yīng)用范圍的不斷擴充，對處理中樞的容量、“思維速度”等都有更高要求。目前科學(xué)家們嘗試著將云計算、云存儲等先進技術(shù)引入到機器人后臺上，努力讓機器人“大腦”向著信息更豐富、運算更快、反應(yīng)更準(zhǔn)確、學(xué)習(xí)更靈活的方向邁進。

類腦智能的發(fā)展方向

（1）智能腦機交互

智能腦機交互是指通過在人腦神經(jīng)與具有高生物相容性的外部設(shè)備間建立直接連接通路，實現(xiàn)神經(jīng)系統(tǒng)和外部設(shè)備間信息交互與功能整合的技術(shù)。該技術(shù)采用人工智能控制的腦機接口對人類大腦的工作狀態(tài)進行準(zhǔn)確分析，達到促進腦機智能融合的效果，使人類溝通交流的方式更為多元和高效，未來將廣泛應(yīng)用于臨床康復(fù)、自動駕駛、航空航天等多個領(lǐng)域。

（2）對話式人工智能平臺

對話式人工智能是指融合語音識別、語義理解、自然語言處理、語音合成等多種解決方案，為開發(fā)者提供具備識別、理解及反饋能力的開放式平臺的技術(shù)。該技術(shù)需要借鑒人腦語言處理環(huán)路的結(jié)構(gòu)與計算特點，實現(xiàn)具備語音識別、實體識別、句法分析、語義組織與理解、知識表示與推理、情感分析等能力的統(tǒng)一類腦語言處理神經(jīng)網(wǎng)絡(luò)模型與算法。該技術(shù)能夠?qū)崿F(xiàn)機器與人在對話服務(wù)場景中的自然交互，未來有望在智能可穿戴設(shè)備、智能家居、智能車載等多個領(lǐng)域得到大規(guī)模應(yīng)用。

（3）神經(jīng)形態(tài)計算

神經(jīng)形態(tài)計算是指仿真生物大腦神經(jīng)系統(tǒng)，在芯片上模擬生物神經(jīng)元、突觸的功能及其網(wǎng)絡(luò)組織方式，賦予機器感知和學(xué)習(xí)能力的技術(shù)。該技術(shù)的目標(biāo)在于使機器具備類似生物大腦的低功耗、高效率、高容錯等特性。該技術(shù)將在智能駕駛、智能安防、智能搜索等領(lǐng)域具有廣闊應(yīng)用前景。

（4）智能機器人

機器人是機械與電子的完美結(jié)合體。其誕生初衷，就是人類希望機器代替自己工作。但是，即使被稱為智能機器人，目前也只能模仿人類的動作、行為來與環(huán)境進行交互。智能機器人還不具有類腦的感知和自主決策能力，一切只能按照預(yù)先設(shè)定的程序來完成動作。

智能機器人未來發(fā)展的趨勢是基于認(rèn)知腦計算模型、類腦信息處理技術(shù)來構(gòu)建機器腦，利用機器腦直接控制機器人的“四肢”，從而實現(xiàn)機器人可以進行自主學(xué)習(xí)與決策，最終實現(xiàn)類腦智能機器人。總體而言，類腦智能機器人不但是未來人工智能研究重要的方向之一，其在未來服務(wù)業(yè)、智能家居、醫(yī)療、國家與社會安全等領(lǐng)域都具有極為廣泛的應(yīng)用價值。

來源：全球技術(shù)地圖