| 類腦是手段 智能是目標 |
| 中科院自動化所發力類腦智能研究 |
| — |
自動化所供圖
■本報記者 彭科峰
你能試想有一天，機器人的大腦能夠如同人腦一樣自主識別陌生的環境，並具備思考能力嗎？
或許這一天的到來並不會很遙遠。借鑑腦與神經科學研究的成果，將腦信息處理機制融入未來信息與智能系統，讓機器人變得更加智能，這就是中科院自動化所類腦智能研究中心（以下簡稱類腦中心）的目標。
4月15日，類腦中心正式在中科院自動化所掛牌成立。這意味著該所長期醞釀的、為發展未來人工智慧與信息技術的類腦智能研究計劃全面啟動。
中國科學院自動化研究所（以下簡稱自動化所）所長王東琳指出，智能科學和智能信息處理是中科院自動化所的定位和戰略重點方向。中科院自動化所的「一三五」規劃中，「一」即優先發展一個領域——智能技術。為在信息化邁向智能化發展的道路上搶佔戰略制高點，歐美等國的腦計劃當中都不同程度地部署了受腦啟發下一代信息技術的戰略。類腦智能研究是作為國立科學研究機構的中國科學院自動化研究所經過長期凝練，面向下一代人工智慧與信息技術的發展及激烈的國際科技競爭提出的重大科研戰略。
「研究所專門成立類腦智能研究中心，是具有獨立建制的所級科研部門。未來，將在自動化所統一戰略規劃下，聯合模式識別國家重點實驗室、複雜系統管理與控制國家重點實驗室等科研部門，進行有關類腦智能的協同創新。」王東琳表示。
從平行到交叉
在很長時間內，人腦的科學研究和人工智慧的研究，猶如兩條平行線，幾乎看不到實質性的交集。
人類研究腦的運行機制已經有上百年的歷史。出於健康的考量，腦科學的發展很快，也越來越受重視。
1956年，來自不同領域的學者在達特茅斯 （Dartmouth）研討會上首次提出「人工智慧」的概念。「實現人工智慧主要有兩條路線，一個是符號表示的推理，即符號主義；一個是人工神經網絡的方法，又稱連接主義。」中科院模式識別國家重點實驗室主任劉成林向《中國科學報》記者介紹，連接主義的研究在上世紀50年代提出，60年代~70年代陷入低谷，因為當時神經網絡的代表方法感知機只能實現線性分類，做不了非線性分類，「而真實世界中很多任務都是非線性的」。
上世紀70年代人們提出了多層神經網絡的誤差反向傳播（BP）訓練算法，但並未得到重視。80年代中期，美國的科學家把BP算法用於多層神經網絡訓練，成功解決複雜的非線性分類和回歸問題，連接主義的人工智慧研究隨即進入新的高潮。但是到90年代中期，連接主義再次陷入低潮，因為進一步增加神經網絡的層數帶來訓練收斂慢的問題且泛化能力有限，而新提出的支持向量機（SVM）在這些方面優於神經網絡。劉成林表示，直到2006年，神經網絡的研究才再次取得重大突破，深度學習算法誕生，加上採用GPU的並行計算的推廣，使具有很多層的深度神經網絡能夠在大規模樣本上有效訓練且泛化性能明顯提高，深度神經網絡在語音識別和多種圖像識別任務中大幅提升性能，人工智慧進入一個新的發展階段。
「但是，深度神經網絡依然有它的瓶頸。第一是訓練效率問題，必須有大量標註樣本訓練才能保證足夠高的泛化性能。第二是不夠魯棒，神經網絡可能把不屬於任何類別的模式非常自信地判別為某一類。而人腦學習模式只需要少量樣本，而且對不認識的模式可以很可靠地拒識。」劉成林指出，人工智慧面臨的局限，急需新的理論來突破。目前，人工智慧在圖像識別、語音處理上的精度難以進一步提高，且學習過程很不靈活。故此，急需從腦科學和神經科學尋找新的借鑑。
「人腦是最好的模式識別系統，是一個具有複雜度極高的神經網絡結構。和其相比，人工神經網絡（包括深度神經網絡）對人腦神經系統的模擬還處在很初級的階段。因此，有必要從模擬人腦的神經結構、思維方式和學習方式入手，讓腦科學和人工智慧的研究產生交叉，尋找人工智慧新的突破。」他說。
在這樣的考量下，類腦智能研究計劃應運而生。
三大研究方向
劉成林指出，類腦智能研究計劃的目的是發展以下一代人工智慧為核心的信息技術，而「類腦」是實現類人智能水平的手段與途徑。目前還沒有任何一個人工系統具有全方位的人類水平的智能，而作為人類智能的載體，人腦信息處理系統具有高度的自主學習能力、自適應性和語義理解能力，並能夠以高性能、低能耗的方式長期工作幾十年。
他表示，借鑑腦與神經科學研究的成果，將腦信息處理機制融入未來信息與智能系統已經成為國際學術與產業界發展的趨勢。歐盟與美國相繼推出的腦計劃中，都包含了腦模擬與類腦智能研究的探索，在這種趨勢下，作為國立科學研究機構的中科院自動化所將挑起類腦智能研究的重任，與國際科技界同臺競爭。
在這種背景下，為推動研究所在類腦智能領域的科學研究，積極參與國家創新科研戰略，進一步推動未來智能科學與信息技術的發展，中科院自動化所整合集結了研究所相關優勢學科方向與科研團隊，成立了類腦智能研究中心，協同進行類腦智能的科研和戰略推進。
類腦智能研究中心將融合智能科學、腦與認知科學的多學科優勢，研究創新性的認知腦模型，實現類腦信息處理、類腦智慧機器人等相關領域理論、方法與技術的突破。該中心將主要包括三個研究方向：認知腦計算模型、類腦信息處理和神經機器人。
具體來說，第一個方向，是借鑑現有的腦科學的成果，建立人類腦神經的模擬機器，深入開展基礎研究，助力於人工智慧在視聽覺、學習、思維等方面的突破；第二個方向，是受腦信息處理機制啟發，研究基於類腦信息處理機制的多模態數據語義理解；第三個方向，是通過類腦研究，提升機器人的智能化程度，讓機器人掌握精細動作並實現自主動作學習等能力。
「比如說，過去我們讓機器人學動作，都是通過編程的方式實現。以後，我們試圖通過人機互動的方式，讓機器人通過對話、閱讀等，能夠向人自主學習動作。」劉成林介紹。從技術路線來看，第一個研究方向偏基礎，後兩個研究方向偏應用。
目前，類腦中心規劃招聘數十名專職的科研人員，同時自動化所將結合兩個國家重點實驗室的力量，集全所之力，全面展開類腦智能研究。
獨具特色
近年來，關於腦科學的研究如火如荼。2013年，歐盟啟動10億歐元的「人腦計劃」。同年，美國啟動45億美元的「腦計劃」。在國內，科技部正在規劃「腦科學與類腦研究」的重大專項。北大、復旦等高校也開展相應研究。中科院自動化所的類腦中心，有哪些優勢和特色呢？
劉成林指出，經過「十二五」期間的不斷凝練與提升，自動化所提出了類腦智能工程戰略，部署了先期探索的科研團隊。在過去幾年，一方面積極向國家有關部門建言，同時開展基礎與探索性研究。目前在針對腦皮層認知功能的計算模擬、類腦自主學習機制及其計算實現與應用、腦知識圖譜、「手、眼、腦」協同的認知機器人等方面取得階段性進展。
該中心副研究員曾毅向《中國科學報》記者詳細介紹了認知腦模擬仿真平臺並展示了他們構建的哺乳動物腦模擬系統，記者在看到各種尺度的動態生物細節（如不同類型的神經元真實形態及其放電模式、腦區之間的動態交互）的同時，還看到了這個腦模擬系統初步展示出來的視覺感知、記憶與自主學習的能力。
他們的目的，旨在不斷完善這套模擬系統，給機器人安裝一個「大腦」，最終讓其學會獨立思考。
「讓機器人獲得類人腦的思維能力，一直是人工智慧研究的長期目標。這也是現在的發展趨勢。」曾毅說。
劉成林指出，類腦中心和其他腦科學研究機構的不同在於中心立足智能，並將人腦研究與人工智慧的研究深度結合起來，相互借鑑、相互促進。「人工智慧當然需要借鑑當前腦科學的研究成果，但是人工智慧獨特的計算和分析能力，我覺得腦科學在進行大數據處理時也可以用得上，目前自動化所已經在這個領域進行了初步探索。」劉成林說。
「類腦是手段，智能是目標」，這就是類腦中心最大的特色。類腦人工智慧的核心在於腦與神經科學、認知科學、計算科學、信息科學等學科領域的交叉融合，它將有力地推進新的技術革命。
在學術交流方面，類腦智能研究中心積極開展廣泛的國內外合作。近期已與瑞士洛桑聯邦理工大學（EPFL）共建成立了「中瑞數據驅動神經科學聯合實驗室」，開展神經信息學平臺合作研究；與美國塔夫茨大學、波士頓大學合作開展認知腦模擬研究；並與中科院神經所、北京師範大學等單位保持密切合作關係。
「未來，類腦智能研究中心將進一步加強與國內外相關學術機構、產業界開展廣泛深入的合作，搭建類腦智能國際創新網絡，致力於成為腦與智能科學交叉領域有國際影響的研究中心。」劉成林說。
《中國科學報》 (2015-04-27 第5版 創新周刊)