智电微科技|通用人工智能或将不再科幻，Nature：清华团队提出类脑计算系统新框架( 三 ) 文丨学术头条

这一设计理念使得系统不同方面之间的接口和划分更加清晰，他们希望在当前层次结构的基础上继续攻关，进一步提高类脑计算系统的效率和可兼容性，从而促进包括通用人工智能在内的各个应用方向的发展。
神经形态计算领域“重要一步”
对于这一最新研究成果，英国曼彻斯特大学（UniversityofManchester）计算机科学系博士奥利弗·罗兹（OliverRhodes）给出了高度评价，认为“这一方法让我们更接近利用类脑硬件所能取得的巨大成就” 。
在他看来，这项研究的一个亮点为，张悠慧和施路平等人提出了具有完备性的连续统一体（continuumofcompleteness）——根据神经形态系统执行基本操作的准确性，可接受不同级别的算法性能，意味着新的层次结构可以使用所有可用的模拟和数字神经形态系统来实现，包括那些为执行速度或能源效率而牺牲精度的系统。
罗兹还表示，这一层次结构可以比较实现相同算法的等效版本的不同硬件平台，以及比较在同一硬件上实现的不同算法，这些都是对神经形态体系结构进行有效基准测试的关键任务，在原理证明实验中包括传统图灵完备的硬件（GPU）也是非常有价值的，因为这表明，在某些应用中，该层次结构可能被用来证明神经形态设备优于主流系统的优势。
另外，这一层次结构还可以将算法和硬件开发分割成独立的研究，如果要获得底层神经形态架构的好处，算法的规模和复杂性将需要随着时间的推移而增加，因此这种分离将帮助未来的研究人员专注于研究问题的特定方面，而不是试图找到完整的端到端解决方案。
尽管在神经形态计算领域，要把许多工业和学术研究小组的工作结合起来，还有很多工作要做，但罗兹认为，施路平和张悠慧等人此次提出这一层次结构，是朝着这个方向迈出的重要一步。
群雄角逐“类脑计算”
近年来，随着摩尔定律逐渐失效，冯·诺依曼结构带来的局限日益明显，存储墙、功耗墙、智能提升等问题，让当前计算机发展面临重大挑战。人们普遍认为，数字计算机能力的进步速度正在放缓，以摩尔定律为特征的计算机时代即将结束。
而从人类大脑中汲取灵感的类脑计算或神经形态计算，是一种有潜力打破冯·诺伊曼瓶颈并推动下一波计算机工程的计算模型和架构。
类脑计算的概念最早由美国计算机科学家、美国加州理工学院荣誉退休教授卡弗·米德（CarverMead）于1989年出，但当时摩尔定律下的“计算危机”并未显现，相关研究也就并没有引起太多人的关注。直到2004年单核处理器主频停止增长，人们开始转向多核，寻求非冯诺依曼架构的替代技术，类脑计算这一概念才开始引起人们的关注。
如今，人工智能赋能下的类脑计算技术被认为是可能提供一条通向通用人工智能的途径，世界各国的科研学者和研究机构也相继开展脑相关研究并取得了一系列成果。国外主要有IBM的TrueNorth、英特尔的Loihi ，以及Braindrop、SpiNNaker和BrainScales等，而中国在这一领域也处于世界前列。
自2013年3月全职入职清华大学、组建清华大学类脑计算研究中心后，施路平团队就始终从基础理论、类脑计算系统芯片和软件系统全方位进行类脑计算研究。
去年8月，施路平团队携手第二代“天机芯”登上《自然》杂志封面（《面向人工通用智能的异构天机芯片架构》（TowardsartificialgeneralIntelligencewithhybridTianjicchiparchitecture），这是世界上首款异构融合类脑芯片，并通过自动驾驶自行车成功验证了通用智能的可行性。此次研究成果是施路平团队在类脑计算与通用人工智能领域的进一步探索。
今年9月，浙江大学联合之江实验室共同研制成功了我国首台基于自主知识产权类脑芯片的类脑计算机（DarwinMouse），是目前国际上神经元规模最大的类脑计算机。