“機(jī)器綜合智能水平和人腦相差較大,，機(jī)器學(xué)習(xí)需要較多人工干預(yù),，不同人工智能模態(tài)之間交互協(xié)同較少……”近日，在香港召開(kāi)的第S43次香山科學(xué)會(huì)議上,，與會(huì)科學(xué)家細(xì)數(shù)當(dāng)前人工智能發(fā)展面臨的瓶頸,。

 解鈴還須系鈴人，人工智能的發(fā)展也不例外,?？茖W(xué)家意識(shí)到，想要走得更遠(yuǎn),，人工智能還要回到出發(fā)的地方,，那便是人類智能。

 神經(jīng)科學(xué)提供基礎(chǔ)

 “以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)方法在視聽(tīng)覺(jué)感知等具體問(wèn)題上媲美甚至超越人類的水平?！睍?huì)議報(bào)告中,，作為一名神經(jīng)科學(xué)家，中科院神經(jīng)科學(xué)所研究員蒲慕明院士為人工智能在過(guò)去幾十年的發(fā)展點(diǎn)贊,。不過(guò),，他同時(shí)看到，與人腦的學(xué)習(xí)能力相比,，機(jī)器學(xué)習(xí)在可解釋性,、推理能力、舉一反三能力等方面存在明顯差距,。

 讓機(jī)器向人學(xué)習(xí),，是提升“智能”水平的重要方向。會(huì)議執(zhí)行主席,、香港科技大學(xué)副校長(zhǎng)葉玉如院士指出：“目標(biāo)是在多個(gè)層面,，理論上模擬大腦的機(jī)制和結(jié)構(gòu)，開(kāi)發(fā)一個(gè)更具有普遍性的AI以應(yīng)對(duì)包括多任務(wù),、自學(xué)習(xí)和自適應(yīng)等方面的挑戰(zhàn),。”

 “受腦啟發(fā)”是人工智能最重要的發(fā)展方向,。近年來(lái),，腦科學(xué)研究正在從傳統(tǒng)的認(rèn)識(shí)腦、了解腦向保護(hù)腦再向增強(qiáng)腦,、影響腦的過(guò)程發(fā)展,，即完成從“讀腦”到“腦控”再到“控腦”的轉(zhuǎn)換。學(xué)習(xí)大腦的信息處理機(jī)制,，建立更強(qiáng)大和更通用的機(jī)器智能是非常有前景的,。通過(guò)多學(xué)科交叉和實(shí)驗(yàn)研究獲得的人腦工作機(jī)制更具可靠性，有望為人工智能未來(lái)發(fā)展提供基礎(chǔ),。

 另一方面,，人工智能可以對(duì)神經(jīng)學(xué)和腦科學(xué)在數(shù)據(jù)收集、標(biāo)注和建模等方面提供技術(shù)支持促進(jìn)腦科學(xué)的發(fā)展,。

 打破“馮·諾依曼架構(gòu)”

 面向通用的人工智能離不開(kāi)類腦計(jì)算芯片,。清華大學(xué)精密儀器系教授、類腦計(jì)算中心主任施路平表示：“作為一種借鑒人腦存儲(chǔ)處理信息方式發(fā)展起來(lái)的新技術(shù),，類腦計(jì)算將是人工通用智能的基石,。”

 打破“馮·諾依曼架構(gòu)”成為借鑒人腦信息處理方式的重要途徑,。據(jù)了解,，在“馮·諾依曼架構(gòu)”中,，計(jì)算模塊和存儲(chǔ)單元互相分離，CPU在執(zhí)行命令時(shí)必須先從存儲(chǔ)單元中讀取數(shù)據(jù),。每一項(xiàng)任務(wù),，如果有十個(gè)步驟，那么CPU會(huì)依次進(jìn)行十次讀取,、執(zhí)行，再讀取,、再執(zhí)行,，時(shí)間和功耗都花費(fèi)在數(shù)據(jù)讀取上，限制了數(shù)據(jù)處理能力,。這與大腦處理大量外界信息卻能耗極低的現(xiàn)象大相徑庭,。

 類腦計(jì)算有望把類似大腦的突觸做到芯片上。今年5月,，北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系教授黃鐵軍課題組聯(lián)合多家單位實(shí)現(xiàn)了靈長(zhǎng)類視網(wǎng)膜中央凹神經(jīng)細(xì)胞和神經(jīng)環(huán)路的精細(xì)建模,，提出了模擬視網(wǎng)膜機(jī)理的脈沖編碼模型，研制成功仿視網(wǎng)膜芯片,。

 “視網(wǎng)膜超速全時(shí)視覺(jué)芯片像生物視網(wǎng)膜一樣采用神經(jīng)脈沖表達(dá)視覺(jué)信息,，脈沖發(fā)放頻率‘超速’人眼百倍，能夠‘看清’高速旋轉(zhuǎn)葉片的文字,，‘全時(shí)’是指從芯片采集的神經(jīng)脈沖序列中重構(gòu)出任意時(shí)刻的畫(huà)面,。”黃鐵軍介紹說(shuō),，“這是實(shí)現(xiàn)真正機(jī)器視覺(jué)的基礎(chǔ),，有望重塑視覺(jué)信息處理體系，為無(wú)人駕駛,、機(jī)器人,、視頻監(jiān)控等領(lǐng)域帶來(lái)變革?！?/SPAN>

 不過(guò),，神經(jīng)突觸芯片還在實(shí)驗(yàn)室階段，尚未走向?qū)嵱?。與會(huì)專家認(rèn)為,，類腦計(jì)算是一場(chǎng)令人興奮又望而生畏的艱難挑戰(zhàn)。

 尚存三大隱憂

 《中國(guó)AI發(fā)展報(bào)告2018》顯示,，自2013年以來(lái),，全球和中國(guó)人工智能行業(yè)投融資規(guī)模都呈上漲趨勢(shì)。與會(huì)專家注意到,，目前國(guó)內(nèi)跟人工智能有關(guān)的公司有4000多家,，但是能夠得到投資人青睞或關(guān)注、愿意投資的公司，卻不到三分之一,。過(guò)度依賴國(guó)外現(xiàn)成源代碼,、商業(yè)應(yīng)用路徑不明確及專業(yè)人才稀缺是當(dāng)前人工智能企業(yè)的三大隱憂。

 自2015年以來(lái),，谷歌,、臉書(shū)、亞馬遜等紛紛發(fā)布機(jī)器學(xué)習(xí)的開(kāi)源軟件,，導(dǎo)致我國(guó)企業(yè)采用大量現(xiàn)成的源代碼,。在科學(xué)家看來(lái)，這仿佛在起跑線上喪失優(yōu)勢(shì),，工藝再精深也是在別人的體系中做零部件的更新改造,。對(duì)此，應(yīng)重點(diǎn)突破基礎(chǔ)領(lǐng)域,，針對(duì)人工智能底層技術(shù),，加強(qiáng)對(duì)以深度學(xué)習(xí)為代表的底層算法模型的深入研究。

 而對(duì)于商業(yè)應(yīng)用路徑不明確,，專家建議企業(yè)不要太盲目,，應(yīng)盡快找準(zhǔn)發(fā)力方向，AI項(xiàng)目商業(yè)應(yīng)用場(chǎng)景能否落地是其成敗的關(guān)鍵,，快速積累核心技術(shù)優(yōu)勢(shì),，打造商業(yè)模式，才能做出真正有市場(chǎng)需求的產(chǎn)品,。同時(shí),，應(yīng)堅(jiān)持實(shí)事求是的發(fā)展路線，避免人工智能熱潮演變成一次“大躍進(jìn)”,，透支研究和實(shí)業(yè)資本資源,。