模仿人腦的“類腦”，能實現(xiàn)真正的人工智能嗎？

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里？”為主題，邀請4位人工智能研究領(lǐng)域的專家，聚焦在理論范式、目標、實現(xiàn)途徑、應(yīng)用等方面，講述未來通用人工智能技術(shù)如何影響整個人類社會。

北京工商大學(xué)教授、發(fā)展中世界工程技術(shù)科學(xué)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(xiàn)途徑嗎？》一、尋求“類腦”之路

一、尋求“類腦”之路

現(xiàn)在很多人研究人工智能，都很自然地想到要向大腦學(xué)習(xí)，要向大腦請教，從中獲得靈感，獲得啟發(fā)，獲得借鑒。

為什么大家都想尋求類腦之路？因為在地球上已經(jīng)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(fā)達的大腦。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

大腦是我們物質(zhì)世界進化的一個最高的產(chǎn)物，現(xiàn)在還沒有發(fā)現(xiàn)什么樣的生物腦能超過它，所以我們說人腦也是世界上最復(fù)雜的信息處理系統(tǒng)，也因此大家特別是人工智能領(lǐng)域的專家們，都希望能夠在人腦找到靈感，找到可以借鑒的、可以模擬的東西，把它作為一種原型。

既然大家都想從人腦中找答案，我們先簡單地說兩句人腦。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(tǒng)。

它的生物學(xué)基礎(chǔ)是什么？實際上我們生物學(xué)和神經(jīng)學(xué)、解剖學(xué)的原理非常明確說了就是神經(jīng)元。人腦中的神經(jīng)元是腦組織的基本單位，它也是神經(jīng)系統(tǒng)的功能，結(jié)構(gòu)也好，功能也好，它是一個最小的單元。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

我們?nèi)四X有多少神經(jīng)元呢？應(yīng)該說是海量的。從數(shù)量級來看，人腦的神經(jīng)元是數(shù)億千億計，就是10的10億次數(shù)量級，而且每一個神經(jīng)元又和其他的神經(jīng)元進行聯(lián)結(jié)。

一個神經(jīng)元和其他的神經(jīng)元是成千上萬的聯(lián)結(jié)，數(shù)量級上來說就是10的3次方和10的5次方聯(lián)結(jié)，就會形成一個極為龐大，極為復(fù)雜的生物神經(jīng)網(wǎng)絡(luò)系統(tǒng)，系統(tǒng)當(dāng)中的每一個神經(jīng)元和神經(jīng)元之間的聯(lián)結(jié)，靠的是軸突和樹突。

軸突和樹突聯(lián)結(jié)的接口，我們有一個專用名詞叫突觸——軸突和樹突聯(lián)結(jié)的接觸的地方。突觸有多大的量呢，它的數(shù)量級是10的14次方到10的16次方，也就是百萬億到一億億，我們認為突觸是隨著不同的刺激不斷變化的，所以在機器學(xué)習(xí)里面，經(jīng)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(shù)（過去叫神經(jīng)元的）。

大家知道ChatGPT3.0當(dāng)初號稱1750億個參數(shù)，跟人腦的神經(jīng)元比，它的參數(shù)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(xué)基礎(chǔ)。我們用一句話來概括，由于巨量的神經(jīng)元之間，它的突觸聯(lián)結(jié)方式和聯(lián)結(jié)強度都是不同的，而且具有時空可塑性，隨著外部的激勵在不斷動態(tài)地變化。宏觀上看，整個神經(jīng)網(wǎng)絡(luò)在宏觀上就呈現(xiàn)出極為復(fù)雜的千變?nèi)f化的信息處理能力，就是我們說的所謂智能，特別是高級智能，或者叫認知智能，這是我們?yōu)槭裁创蠹叶枷朐谌四X、類腦中尋找答案，因為它有生物學(xué)基礎(chǔ)，天然地可以做人工智能去模仿，去受啟發(fā)的對象。

二、腦科學(xué)對大腦的解讀

現(xiàn)在腦科學(xué)對大腦理解到什么程度？我們說它的腦的解讀水平達到一個什么樣的程度？在微觀層面有一定的突破。

神經(jīng)科學(xué)的起點大家知道，神經(jīng)解剖學(xué)和組織學(xué)，它對神經(jīng)系統(tǒng)結(jié)構(gòu)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(jīng)取得了突破，那么問題是什么呢？就是我們要揭示人腦一個極為復(fù)雜的系統(tǒng)它的認知能力是什么樣的機理，它的腦的高級功能、它的神經(jīng)機制是什么？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，為什么這么說？

我們知道很多分子組成神經(jīng)細胞之后，就不再是原來意義上的分子，多個神經(jīng)細胞又組成了神經(jīng)回路，也不是原來意義上的神經(jīng)回路，然后又有很多神經(jīng)回路組成了復(fù)雜的神經(jīng)網(wǎng)絡(luò)，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(jīng)回路，所以我們說必須要把微觀層次與系統(tǒng)層次或者叫宏觀層次把這兩個層次的研究結(jié)合起來，研究腦的認知功能，也就是高級功能，必須要結(jié)合起來。我們下面看腦科學(xué)對腦的解讀水平，在宏觀層次達到什么樣的成果，能不能支撐我們的人工智能研究。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

我們把時間放長看，幾十年以來，我們?nèi)〉玫模诤暧^層面取得的成果，實際上非常有限，現(xiàn)在知道大腦的語言區(qū)的定位，有了比較清晰的認識，還有腦區(qū)的組織學(xué)的分割，還有有人繪制了大腦運動皮層和感覺皮層對應(yīng)身體的哪些部位，繪制了一個圖譜，特別是最近這些年，隨著功能核磁共振的成像技術(shù)的發(fā)展和普遍應(yīng)用，一些研究做腦學(xué)科研究的人員，包括一些研究人工智能的人，就想從這里邊找答案，比如說很多，我看很多論文，很多研究團隊他是讓活體執(zhí)行他規(guī)定的一些特定的活動，然后他去觀察，這時候腦類在大腦內(nèi)部基于電活動的這些血流信號這些信息是什么樣子，因為核磁可以把這些東西做到可視化。

再從這里面去找到我們大腦的各個腦區(qū)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(tǒng)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，我們說腦科學(xué)對神經(jīng)信息如何產(chǎn)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(yīng)該說一知半解，非常膚淺，所以我們到現(xiàn)在為止，還沒有看到這方面有突破性的成果。

這就是我們?nèi)斯ぶ悄芟虢梃b腦的時候，我們所面對的現(xiàn)實，換句話說，我們現(xiàn)在腦科學(xué)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?nèi)斯ぶ悄艿念惸X仿制這條路，該怎么走？怎么開展？能不能做？該怎么走？又有哪些成果？做了哪些工作？

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

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，從腦里邊大腦中找答案，我覺得粗分是不是可以分成兩大類，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

什么是軟類腦，就是說我們用模型和算法來模擬腦，通過模型和算法來模擬腦，它是一種軟實現(xiàn)，這種方法，這種途徑實際上也有不同的具體的途徑，比如說我覺得可以分成這么兩三種途徑，一種途徑我認為它是屬于仿生學(xué)的途徑，就是仿什么呢？

類腦的哪一部分，類腦的微觀結(jié)構(gòu)，腦科學(xué)的成果可以利用起來，我們著重模仿生物腦的結(jié)構(gòu)和神經(jīng)機制，我們這些年一直在做，我們通過實驗技術(shù)，獲取腦組織的動態(tài)生物學(xué)的數(shù)據(jù)，然后我們再利用信息處理技術(shù)，我們研究這些數(shù)據(jù)序列當(dāng)中蘊含著什么樣的神經(jīng)基礎(chǔ)和信息加工機制，然后我們是不是根據(jù)這些理解我們給出一些解讀，給出一些某種腦模型的假設(shè)，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(fā)展的歷史上，原來號稱三大學(xué)術(shù)流派，聽說最多的就是現(xiàn)在這個深度神經(jīng)網(wǎng)絡(luò)，它是從這么多模型逐漸發(fā)展過來的，現(xiàn)在是深度神經(jīng)網(wǎng)絡(luò)，這個是一種類腦模式。

第二種用模型和算法來實現(xiàn)類腦的途徑，它是仿什么？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(xiàn)形式化，能變成形式化就可以用算法，用編程去實現(xiàn)，生物腦也好，你還是什么傳統(tǒng)的這種計算機的架構(gòu)也好，在這個流派看來，你都是一個物理符號系統(tǒng)，就可以基于物理符號系統(tǒng)的概念，我用計算機來模擬腦的功能，至于你的結(jié)構(gòu)，什么聯(lián)結(jié)不聯(lián)結(jié)，這些不管，我就看你的功能，就從脫離出來了，它研究開發(fā)各種類腦智能信息系統(tǒng)，早期的人工智能就是采用這種方式。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

有一個流派叫符號主義，或者叫功能主義，它早期也有很多成果，而且還曾經(jīng)排擠過前面這個聯(lián)結(jié)主義，現(xiàn)在它的這個突破口在哪兒呢？有什么新的成果呢？實際上我覺得歸類的話，知識圖譜，知識圖譜可以算到這里面，原來是反對聯(lián)結(jié)主義，現(xiàn)在把知識也聯(lián)結(jié)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(dāng)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，它的這個仿的是什么？是人腦的認知。

它的理論基礎(chǔ)的依據(jù)是什么？就是以認知心理學(xué)為基礎(chǔ)，以認知心理學(xué)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(xiàn)在我們還沒有看到，就是說非常印象深刻的有這種突破性的成果，特別是應(yīng)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(jié)構(gòu)，就是仿心智，仿人的心智，也是一種方法，我覺得因為它最后都需要建模，雖然建模的理論支撐不一樣，都需要建模，然后創(chuàng)造出一系列的算法，最后變成實現(xiàn)，所以都把它歸到軟類腦里面。

四、硬類腦：基于物理實現(xiàn)的類腦研究

還有一類就是**基于物理實現(xiàn)的類腦研究，可以通俗一點叫硬類腦，現(xiàn)在很多研究人員致力于使計算機的運作更具備神經(jīng)形態(tài)，什么意思呢？就是說我先追求形似，先追求形似，再考慮神似。**這一類就是基于物理實現(xiàn)的這一類類腦研究現(xiàn)在也比較火，應(yīng)該說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(wǎng)絡(luò)，人工突觸主要是有一些物理效應(yīng)的器件，比如說什么憶阻器，突觸晶體管等等，我們用一個器件大家來感受一下，就是說我們?nèi)祟惔竽X中，信息處理基本單元，剛才跟大家說的叫神經(jīng)突觸，神經(jīng)突觸最獨特的特點是什么？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(yōu)勢所在。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

研究人員就發(fā)現(xiàn)，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(guān)的，電荷量變化，電阻也變化，這就相當(dāng)于計算，相當(dāng)于對信息進行計算的處理，記憶體現(xiàn)在哪兒？關(guān)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，所以就是說它的特性和這個神經(jīng)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，怎么降低能耗提升運算效率呢？

大家想了很多辦法，兩條發(fā)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(gòu)的芯片，比較有名的三個芯片，這個不是學(xué)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(gòu)的芯片，我們說它是類腦芯片，現(xiàn)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(chǎn)品，我看了一下我們國內(nèi)浙江大學(xué)也推出了一款叫達爾文，這都是類腦芯片，類腦芯片它的目標是什么呢？它就是以模擬人腦的神經(jīng)突觸傳遞結(jié)構(gòu)這是它的目標，就是完全是擬腦的，它追求在這個芯片架構(gòu)上，盡量逼近人腦，所以才管它叫類腦芯片。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

類腦芯片有什么特點呢？類腦芯片架構(gòu)當(dāng)中有非常多的處理器，這些處理器就相當(dāng)于神經(jīng)元，這些處理器之間的那個通信系統(tǒng)就相當(dāng)于神經(jīng)纖維，什么軸突、樹突，從整體上看，各個神經(jīng)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(shù)據(jù)的時候，這個優(yōu)勢是非常突出的，我們這個類腦芯片。

我們說硬類腦從突觸上去仿人工突觸，從芯片上去仿，然后還有整個網(wǎng)絡(luò)去仿，當(dāng)然這個是應(yīng)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(yīng)該可能學(xué)術(shù)界對它有好多觀點，我們找到幾個比較典型的就是什么呢？

就是大家覺得互聯(lián)網(wǎng)的架構(gòu)和人腦的架構(gòu)有很多相似之處，是不是可以把整個互聯(lián)網(wǎng)看成是一個大腦，基本上是基于這一思路，比如說中國科學(xué)院有一個團隊，在他的論文里說了這么一段話，它說互聯(lián)網(wǎng)正在向著與人類大腦高度相似的方向進化，人腦至少在數(shù)萬年前就已經(jīng)進化出了所有互聯(lián)網(wǎng)功能，不斷發(fā)展的互聯(lián)網(wǎng)將幫助神經(jīng)學(xué)科學(xué)家揭開大腦的秘密，這是一個非常有代表性的一個觀點。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

美國南加州大學(xué)有一個神經(jīng)系統(tǒng)科學(xué)家，他這么說，他是用那個互聯(lián)網(wǎng)路由機制來解釋這個老鼠大腦的信號如何繞過破壞區(qū)域達到目標區(qū)域，他做了這樣的實驗，然后用互聯(lián)網(wǎng)機制去解釋，得出了一個結(jié)果，他認為他證明了人腦中確實存在著類互聯(lián)網(wǎng)的應(yīng)用，這個是他做了一些實驗，美國還有一些加州大學(xué)的教授他發(fā)現(xiàn)，比如互聯(lián)網(wǎng)，社交網(wǎng)都與腦神經(jīng)網(wǎng)絡(luò)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(yè)，互聯(lián)網(wǎng)企業(yè)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(lián)網(wǎng)智能系統(tǒng)項目，接著2014年百度提出來，百度大腦，訊飛提出來訊飛超腦，然后京東提出來京東大腦，2017年阿里巴巴、華為都提出來了大腦或者什么城市神經(jīng)系統(tǒng)，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，就是說大家都感覺到這個腦這么復(fù)雜，這么海量的數(shù)據(jù)，這么復(fù)雜聯(lián)結(jié)，覺得互聯(lián)網(wǎng)很像大腦，或者說大腦也很像互聯(lián)網(wǎng)，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(yè)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(xué)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(xué)科神經(jīng)科學(xué)搞的，它是類腦科學(xué)和腦科學(xué)，實際上是兩個學(xué)科，它把這兩個學(xué)科融合起來，這樣的腦科學(xué)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(xiàn)在為止，在全球范圍內(nèi)，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說，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？

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

到目前為止，腦科學(xué)對人腦的思維、認知、決策、學(xué)習(xí)等等，對這些高級認知功能的了解遠遠不夠，所以我們現(xiàn)在是在對人腦智能的生物學(xué)機制知之甚少這一個情況下，就是認知的天花板很低，在這一個情況下，我們?nèi)ラ_展類腦仿制，那怎么做？

我們只好以盲人摸象的形式去局部突破，一部分一部分突破，我們最后是不是集成起來，合起來就可以，可能有個說法，無數(shù)的相對真理合起來會逼近絕對真理，但是我覺得在這兒不是這個問題，不是這樣一個問題。

所以在我們對人腦的認知功能的了解非常有限的情況下，在一個很低的天花板下，各路人馬，各方面的力量，已經(jīng)盡了全力，從各種途徑去試圖通過仿腦，不管仿結(jié)構(gòu)、仿功能還是仿什么，不管是用模型算法實現(xiàn)還是用芯片實現(xiàn)，用盡了各種辦法，它的目標都是想通過類腦來實現(xiàn)智能，但是它們各有明顯的局限性。

大家是有共識的，所以我認為顯然目前來看顯然無法成為通用人工智能的有限途徑，我們今天的主題通用人工智能的賽道在哪里？我想類腦仿制的個人觀點，理由就是在腦科學(xué)無法解讀人腦高級功能的情況下，我們通用人工智能的實現(xiàn)不能一味追求類腦仿制這樣的技術(shù)路線。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

現(xiàn)在中國的人工智能領(lǐng)域的頂級專家們，都在做什么？

我們現(xiàn)在不缺攻關(guān)卡脖子問題的人才，最缺的就是敢闖無人區(qū)的，能夠自己開辟新賽道，引領(lǐng)新競賽的這樣的人才、學(xué)者。

我的感覺就是在人工智能特別是通用人工智能領(lǐng)域要開辟出一個新的賽道，能夠有新的理論和新的方向，我覺得機制生成，智能生成機制這個理論是可以擔(dān)當(dāng)這樣一個角色的，而且我們也特別缺乏由中國人原創(chuàng)的這樣的這個基礎(chǔ)理論創(chuàng)新。

我為什么覺得智能生成機制理論，有可能開辟通用人工智能新賽？我發(fā)現(xiàn)它有這么兩個特點，比較明顯：

第一個是它不涉及人腦的神經(jīng)活動機制，把這個繞開了，我們不用等著腦科學(xué)家把這個都研究明白了，我們再去拿他的成功做工程實現(xiàn)，再去建模，因為智能生成機制它不涉及，所以它不受腦科學(xué)發(fā)展滯后的影響，這是一個特點。

第二個特點就是它是從各類智能生成過程當(dāng)中，長期的實踐當(dāng)中提煉出來了一個普遍規(guī)律。什么是普遍規(guī)律，就是具有通用性，它天然具有通用的特點，而不是把多種方法集成起來弄一個拼盤，那個東西就很難真正做到通用。

策劃制作

責(zé)編丨金禹奮（實習(xí)生）