模仿人腦的“類腦”，能實現真正的人工智能嗎？

今天小編分享的科學經驗：模仿人腦的“類腦”，能實現真正的人工智能嗎？，歡迎閲讀。

2023 年 8 月 24 日，科普中國 · 星空講壇以 " 通用人工智能的賽道到底在哪裏？" 為主題，邀請 4 位人工智能研究領網域的專家，聚焦在理論範式、目标、實現途徑、應用等方面，講述未來通用人工智能技術如何影響整個人類社會。

北京工商大學教授、發展中世界工程技術科學院院士韓力群教授帶來演講：《類腦智能是通用人工智能的有效實現途徑嗎？》

以下是韓力群的演講節選：

一、尋求 " 類腦 " 之路

現在很多人研究人工智能，都很自然地想到要向大腦學習，要向大腦請教，從中獲得靈感，獲得啓發，獲得借鑑。

為什麼大家都想尋求類腦之路？因為在地球上已經已知的所有生物群體中，人為萬物之靈，靈在哪兒呢？靈就靈在人類的大腦，人類具有最發達的大腦。

圖庫版權圖片，轉載使用可能引發版權糾紛

大腦是我們物質世界進化的一個最高的產物，現在還沒有發現什麼樣的生物腦能超過它，所以我們説人腦也是世界上最復雜的信息處理系統，也因此大家特别是人工智能領網域的專家們，都希望能夠在人腦找到靈感，找到可以借鑑的、可以模拟的東西，把它作為一種原型。

既然大家都想從人腦中找答案，我們先簡單地説兩句人腦。如果從信息處理的角度看，我們可以把人腦看成是一種生物信息處理系統。

它的生物學基礎是什麼？實際上我們生物學和神經學、解剖學的原理非常明确説了就是神經元。人腦中的神經元是腦組織的基本部門，它也是神經系統的功能，結構也好，功能也好，它是一個最小的單元。

我們人腦有多少神經元呢？應該説是海量的。從數量級來看，人腦的神經元是數億千億計，就是 10 的 10 億次數量級，而且每一個神經元又和其他的神經元進行聯結。

一個神經元和其他的神經元是成千上萬的聯結，數量級上來説就是 10 的 3 次方和 10 的 5 次方聯結，就會形成一個極為龐大，極為復雜的生物神經網絡系統，系統當中的每一個神經元和神經元之間的聯結，靠的是軸突和樹突。

軸突和樹突聯結的接口，我們有一個專用名詞叫突觸——軸突和樹突聯結的接觸的地方。突觸有多大的量呢，它的數量級是 10 的 14 次方到 10 的 16 次方，也就是百萬億到一億億，我們認為突觸是随着不同的刺激不斷變化的，所以在機器學習裏面，經常仿突觸的這一部分的概念，往往給它另起一個名字叫參數（過去叫神經元的）。

大家知道 ChatGPT3.0 當初号稱 1750 億個參數，跟人腦的神經元比，它的參數是百萬億到一億億，那就是小巫見大巫了，所以這是它的生物學基礎。我們用一句話來概括，由于巨量的神經元之間，它的突觸聯結方式和聯結強度都是不同的，而且具有時空可塑性，随着外部的激勵在不斷動态地變化。宏觀上看，整個神經網絡在宏觀上就呈現出極為復雜的千變萬化的信息處理能力，就是我們説的所謂智能，特别是高級智能，或者叫認知智能，這是我們為什麼大家都想在人腦、類腦中尋找答案，因為它有生物學基礎，天然地可以做人工智能去模仿，去受啓發的對象。

二、腦科學對大腦的解讀

現在腦科學對大腦理解到什麼程度？我們説它的腦的解讀水平達到一個什麼樣的程度？在微觀層面有一定的突破。

神經科學的起點大家知道，神經解剖學和組織學，它對神經系統結構的認識和分析，主要是在分子和細胞的層面上，在微觀層面上已經取得了突破，那麼問題是什麼呢？就是我們要揭示人腦一個極為復雜的系統它的認知能力是什麼樣的機理，它的腦的高級功能、它的神經機制是什麼？我們要想把秘密揭開，顯然不可能完全依賴分子和細胞的水平的研究成果，遠遠不夠的，為什麼這麼説？

我們知道很多分子組成神經細胞之後，就不再是原來意義上的分子，多個神經細胞又組成了神經回路，也不是原來意義上的神經回路，然後又有很多神經回路組成了復雜的神經網絡，乃至組成了我們整個的生物腦，它也不再是原來意義上的神經回路，所以我們説必須要把微觀層次與系統層次或者叫宏觀層次把這兩個層次的研究結合起來，研究腦的認知功能，也就是高級功能，必須要結合起來。我們下面看腦科學對腦的解讀水平，在宏觀層次達到什麼樣的成果，能不能支撐我們的人工智能研究。

我們把時間放長看，幾十年以來，我們取得的，在宏觀層面取得的成果，實際上非常有限，現在知道大腦的語言區的定位，有了比較清晰的認識，還有腦區的組織學的分割，還有有人繪制了大腦運動皮層和感覺皮層對應身體的哪些部位，繪制了一個圖譜，特别是最近這些年，随着功能核磁共振的成像技術的發展和普遍應用，一些研究做腦學科研究的人員，包括一些研究人工智能的人，就想從這裏邊找答案，比如説很多，我看很多論文，很多研究團隊他是讓活體執行他規定的一些特定的活動，然後他去觀察，這時候腦類在大腦内部基于電活動的這些血流信号這些信息是什麼樣子，因為核磁可以把這些東西做到可視化。

再從這裏面去找到我們大腦的各個腦區可能參與某種腦的功能，可能我們在這一方面有了一定的了解，但是我覺得這一些成果，這些系統層面，宏觀層面的對腦的解讀，這些成果恐怕遠遠不夠，因為到目前為止，我們説腦科學對神經信息如何產生感覺、知覺、情緒、思維、意識、語言等等吧，就是這些各種腦的認知功能，在理解上應該説一知半解，非常膚淺，所以我們到現在為止，還沒有看到這方面有突破性的成果。

這就是我們人工智能想借鑑腦的時候，我們所面對的現實，換句話説，我們現在腦科學對大腦高級功能的解讀水平，是一個很低的天花板，我們在一個很低的天花板下，我們人工智能的類腦仿制這條路，該怎麼走？怎麼開展？能不能做？該怎麼走？又有哪些成果？做了哪些工作？

我想可以跟大家分享一下，這方面的工作非常多，這幾十年，40 年代，大家一直在做，都基本上從不同的角度，從腦裏邊大腦中找答案，我覺得粗分是不是可以抽成兩大類，比較科普的方法，我們一個叫軟類腦，一個叫硬類腦。

三、軟類腦：基于模型和算法的類腦研究

什麼是軟類腦，就是説我們用模型和算法來模拟腦，通過模型和算法來模拟腦，它是一種軟實現，這種方法，這種途徑實際上也有不同的具體的途徑，比如説我覺得可以抽成這麼兩三種途徑，一種途徑我認為它是屬于仿生學的途徑，就是仿什麼呢？

類腦的哪一部分，類腦的微觀結構，腦科學的成果可以利用起來，我們着重模仿生物腦的結構和神經機制，我們這些年一直在做，我們通過實驗技術，獲取腦組織的動态生物學的數據，然後我們再利用信息處理技術，我們研究這些數據序列當中藴含着什麼樣的神經基礎和信息加工機制，然後我們是不是根據這些理解我們給出一些解讀，給出一些某種腦模型的假設，這是大家很多人都在做的。

這種途徑的類腦研究，類腦仿制研究，實際上在人工智能發展的歷史上，原來号稱三大學術流派，聽説最多的就是現在這個深度神經網絡，它是從這麼多模型逐漸發展過來的，現在是深度神經網絡，這個是一種類腦模式。

第二種用模型和算法來實現類腦的途徑，它是仿什麼？它是仿人腦的功能，叫仿功能途徑，人腦的功能很多，它是仿哪一部分呢？它就來仿人腦邏輯推理的功能，因為邏輯推理這部分功能比較容易實現形式化，能變成形式化就可以用算法，用編程去實現，生物腦也好，你還是什麼傳統的這種計算機的架構也好，在這個流派看來，你都是一個物理符号系統，就可以基于物理符号系統的概念，我用計算機來模拟腦的功能，至于你的結構，什麼聯結不聯結，這些不管，我就看你的功能，就從脱離出來了，它研究開發各種類腦智能信息系統，早期的人工智能就是采用這種方式。

有一個流派叫符号主義，或者叫功能主義，它早期也有很多成果，而且還曾經排擠過前面這個聯結主義，現在它的這個突破口在哪兒呢？有什麼新的成果呢？實際上我覺得歸類的話，知識圖譜，知識圖譜可以算到這裏面，原來是反對聯結主義，現在把知識也聯結起來了，變成了知識圖譜，這個也是一種。

在這個基于模型和算法的這個類腦研究當中，這些年又有一個比較新的一個途徑，我們把它叫仿心智途徑，它的這個仿的是什麼？是人腦的認知。

它的理論基礎的依據是什麼？就是以認知心理學為基礎，以認知心理學取得的一些成果來支撐它，來探索這個心智建模，這個也是一條路，現在我們還沒有看到，就是説非常印象深刻的有這種突破性的成果，特别是應用成果，還沒有看到很多，但是呢，這也是一條路，這也是一條路，它的這個認知體系結構，就是仿心智，仿人的心智，也是一種方法，我覺得因為它最後都需要建模，雖然建模的理論支撐不一樣，都需要建模，然後創造出一系列的算法，最後變成實現，所以都把它歸到軟類腦裏面。

四、硬類腦：基于物理實現的類腦研究

還有一類就是基于物理實現的類腦研究，可以通俗一點叫硬類腦，現在很多研究人員致力于使計算機的運作更具備神經形态，什麼意思呢？就是説我先追求形似，先追求形似，再考慮神似。這一類就是基于物理實現的這一類類腦研究現在也比較火，應該説在三個層次都有了進展，三個層次一個是人工突觸、類腦芯片、類腦網絡，人工突觸主要是有一些物理效應的器件，比如説什麼憶阻器，突觸晶體管等等，我們用一個器件大家來感受一下，就是説我們人類大腦中，信息處理基本單元，剛才跟大家説的叫神經突觸，神經突觸最獨特的特點是什麼？就是它既可以存儲也可以計算，所謂叫存算一體化，而不是一個 CPU 管計算，一個存儲器管存儲，它是存算一體化，這是它最大的特點，是人腦在信息處理機制方面不同于計算機的最大優勢所在。

研究人員就發現，這個憶阻器的電阻跟通過的電荷量，電壓電流，通過的電荷量是相關的，電荷量變化，電阻也變化，這就相當于計算，相當于對信息進行計算的處理，記憶體現在哪兒？關掉電源了，沒有電荷通過了，這個憶阻器仍然能夠記憶先前通過的那個電荷量，這就是記憶，所以就是説它的特性和這個神經突觸其實非常相似，非常相似。所以可以把它看成一個電子突觸，用它來做這個存算一體化，剛才看到的其他那幾個，也是類似的功能，這個是硬類腦的一個層次，就是做人工突觸。

再一個層次就是類腦芯片，我們知道 CPU 的耗能，運算效率都有問題，怎麼降低能耗提升運算效率呢？

大家想了很多辦法，兩條發展路線，大家可能比較熟的就是這個，還是馮諾依曼那個架構的芯片，比較有名的三個芯片，這個不是學電子可能不太熟悉這個縮寫，就是這些芯片，我們不去管它，還有一類芯片就是所謂的類腦架構的芯片，我們説它是類腦芯片，現在大家看就是國際上一些非常著名的大廠，都推出了自己的產品，我看了一下我們國内浙江大學也推出了一款叫達爾文，這都是類腦芯片，類腦芯片它的目标是什麼呢？它就是以模拟人腦的神經突觸傳遞結構這是它的目标，就是完全是拟腦的，它追求在這個芯片架構上，盡量逼近人腦，所以才管它叫類腦芯片。

類腦芯片有什麼特點呢？類腦芯片架構當中有非常多的處理器，這些處理器就相當于神經元，這些處理器之間的那個通信系統就相當于神經纖維，什麼軸突、樹突，從整體上看，各個神經元的計算，都是在本地分布式進行，這種模式使得它在處理海量數據的時候，這個優勢是非常突出的，我們這個類腦芯片。

我們説硬類腦從突觸上去仿人工突觸，從芯片上去仿，然後還有整個網絡去仿，當然這個是應該是還是屬于概念層面，我們還沒有見到很好的效果，屬于概念層面，那應該可能學術界對它有好多觀點，我們找到幾個比較典型的就是什麼呢？

就是大家覺得互聯網的架構和人腦的架構有很多相似之處，是不是可以把整個互聯網看成是一個大腦，基本上是基于這一思路，比如説中國科學院有一個團隊，在他的論文裏説了這麼一段話，它説互聯網正在向着與人類大腦高度相似的方向進化，人腦至少在數萬年前就已經進化出了所有互聯網功能，不斷發展的互聯網将幫助神經學科學家揭開大腦的秘密，這是一個非常有代表性的一個觀點。

美國南加州大學有一個神經系統科學家，他這麼説，他是用那個互聯網路由機制來解釋這個老鼠大腦的信号如何繞過破壞區網域達到目标區網域，他做了這樣的實驗，然後用互聯網機制去解釋，得出了一個結果，他認為他證明了人腦中确實存在着類互聯網的應用，這個是他做了一些實驗，美國還有一些加州大學的教授他發現，比如互聯網，社交網都與腦神經網絡有高度相似性，所以基于這樣的認識，雖然還在概念層，很多企業，互聯網企業都開始布局了，2012 年，11 年前谷歌就開始了谷歌大腦計劃，它是全球第一個用大腦這個概念來命名的互聯網智能系統項目，接着 2014 年百度提出來，百度大腦，訊飛提出來訊飛超腦，然後京東提出來京東大腦，2017 年阿裏巴巴、華為都提出來了大腦或者什麼城市神經系統，到了 2018 年一下冒出來五六家大廠，都提出來各種各樣的大腦，也包括上海市政府提出的城市大腦等等，就是説大家都感覺到這個腦這麼復雜，這麼海量的數據，這麼復雜聯結，覺得互聯網很像大腦，或者説大腦也很像互聯網，這是很多人一個感覺，而且我覺得這個概念雖然模模糊糊，但是很多人心中都有。

同時呢，這十多年就是國際上國家政府也好，國際組織也好，也包括很多著名的企業也好，都提出了腦研究計劃，而且這些腦研究計劃，它是把腦科學的項目跟這個人工智能的項目它是融合起來了，不是純粹從腦學科神經科學搞的，它是類腦科學和腦科學，實際上是兩個學科，它把這兩個學科融合起來，這樣的腦科學研究計劃非常多，很多，不展開了，非常受重視，但是呢，我們到現在為止，在全球範圍内，我們還沒有看到突破性的這個成果公布出來，但是呢，這些項目都在進行，所有這些我覺得它都是從軟的方面也好，硬的方面也好，還是試圖做出一個腦來，還是一個類腦的概念。

五、類腦仿智研究途徑的局限性

我自己的看法，就是類腦仿制這個研究途徑，是不是前景光明，是不是可以一直做下去，就是對搞人工智能的人來説，我們首先要清醒地看到，類腦仿制這個研究途徑，目前存在的局限性，它的局限在哪兒？