类脑智能加持,通用人工智能未来可期!

全球技术地图 | 洞见前沿,引领未来 2019/10/16 22:46

本文节选自国际技术经济研究所《人工智能全球格局: 未来趋势与中国位势》一书,内容略有修改

经过近60年的发展,特别是近年来算法算力的升级,人工智能在奠定了重要的理论基础之后,在应用方面也取得了诸多进展,如机器感知和模式识别的原理与方法、知识表示与推理理论体系的建立、机器学习相关的理论和系列算法等。 我们已经见证了人工智能学会了开车,学会了下围棋,学会了打游戏。 然而,上述所有的突破都仅是智能系统从某个视角、在某个特定领域接近、达到或超过人类智能,这些应用的普适性较差。

这些相关的理论、算法与系统很难推广到其他领域,用于解决其他类型的问题,因此现今人工智能的发展主要还停留在专用人工智能方面,一旦遇到需要多种认知功能进行协同的时候就显得捉襟见肘。 因此,机器与人类还有明显差距。

类脑智能源起

人脑在协调多种认知功能方面有着无与伦比的能力。 人脑是一个通用智能系统,能举一反三、融会贯通,可处理视觉、听觉、语言、学习、推理、决策、规划等各类问题,可谓“一脑万用”。 并且,人类的智能感知和思维能力是在成长和学习中自然形成和不断进化的,其自主学习和适应能力是当前计算机难以企及的。 因此,人工智能的发展目标是构建像人脑一样能够自主学习和进化、具有类人通用智能水平的智能系统。 人工智能如果可以模仿人脑,那就可以大大扩展其通用性,达到通用人工智能的水平。

新知图谱, 类脑智能加持,通用人工智能未来可期!

人类神经元(图片来自网络)

于是,科学家提出了类脑智能的概念来解决上述问题。 所谓类脑智能,通俗来说就是拥有人造大脑、会思考、会学习的智能体。 本质上,它就是一个利用算法模拟神经元工作机制,制造在信息处理机制上类脑,在认知能力上类人的计算模型。 因此,从信息处理与智能本质角度审视人脑信息处理,借鉴其原理并催生 类脑智能计算技术,是实现人工智能创新的重要源泉

理解并模仿人类大脑

要实现类脑智能,就要深入探索大脑的功能划分并深刻理解其中的运行机制。 现在脑与神经科学、认知科学的进展,使得从脑区、神经元等不同尺度观测各种脑组织活动,并获取相关数据已成为可能。 人脑信息处理过程不再仅凭猜测,通过多学科交叉和实验研究得出的人脑工作机制也更可靠。 因此,受脑信息处理机制启发,借鉴脑神经机制和认知行为机制发展类脑智能已成为近年来人工智能与计算科学领域的研究热点。

传统人工智能系统的设计与实现思路是: 从待解决问题相关数据的特点与问题目标的角度出发,从计算的视角设计算法。 这使得所实现的智能系统只适用于解决某一类问题。 而类脑智能研究长期的目标是实现通用人工智能,这就需要首先研究人脑如何通过同一系统实现不同的认知能力,从中得到启发并设计下一代智能系统。

新知图谱, 类脑智能加持,通用人工智能未来可期!

人类脑网络组图谱(图片来自网络)

但是要实现类脑智能困难重重,主要问题在于:

(1) 视觉信息感知 。人工智能常常依赖于摄像头来采集视觉图像,很难从中快速识别出关键信息,如人脸、手势或障碍物。在常规环境下,现有技术虽然已可以高精度地实现这一任务。但在自然条件下,视觉图像由于光线、视角、物体运动等不稳定因素的综合影响很难被准确识别。尽管一系列性能优异的深度学习理论模型大量涌现,但复杂环境中的视觉感知依然是一大难点。

(2) 人机对话 。人工智能体依靠传感器收集外界声音信号,通过语音识别系统和相关处理技术将信号进行分析解读。在嘈杂的现实环境中,现有的语音识别技术很难成功而高效地实现语音识别、理解和处理操作。

(3) 类脑信息处理 。人工智能终端承担着繁杂的计算任务以及信号接收、指令下达等重要功能。随着人工智能应用范围的不断扩充,对处理中枢的容量、“思维速度”等都有更高要求。目前科学家们尝试着将云计算、云存储等先进技术引入到机器人后台上,努力让机器人“大脑”向着信息更丰富、运算更快、反应更准确、学习更灵活的方向迈进。

类脑智能的发展方向

(1) 智能脑机交互

智能脑机交互是指通过在人脑神经与具有高生物相容性的外部设备间建立直接连接通路,实现神经系统和外部设备间信息交互与功能整合的技术。 该技术采用人工智能控制的脑机接口对人类大脑的工作状态进行准确分析,达到促进脑机智能融合的效果,使人类沟通交流的方式更为多元和高效,未来将广泛应用于临床康复、自动驾驶、航空航天等多个领域。

(2) 对话式人工智能平台

对话式人工智能是指融合语音识别、语义理解、自然语言处理、语音合成等多种解决方案,为开发者提供具备识别、理解及反馈能力的开放式平台的技术。 该技术需要借鉴人脑语言处理环路的结构与计算特点,实现具备语音识别、实体识别、句法分析、语义组织与理解、知识表示与推理、情感分析等能力的统一类脑语言处理神经网络模型与算法。 该技术能够实现机器与人在对话服务场景中的自然交互,未来有望在智能可穿戴设备、智能家居、智能车载等多个领域得到大规模应用。

(3) 神经形态计算

神经形态计算是指仿真生物大脑神经系统,在芯片上模拟生物神经元、突触的功能及其网络组织方式,赋予机器感知和学习能力的技术。 该技术的目标在于使机器具备类似生物大脑的低功耗、高效率、高容错等特性。 该技术将在智能驾驶、智能安防、智能搜索等领域具有广阔应用前景。

新知图谱, 类脑智能加持,通用人工智能未来可期!

模拟生物神经网络的自旋(图片来自网络)

(4) 智能机器人

机器人是机械与电子的完美结合体。 其诞生初衷,就是人类希望机器代替自己工作。 但是,即使被称为智能机器人,目前也只能模仿人类的动作、行为来与环境进行交互。 智能机器人还不具有类脑的感知和自主决策能力,一切只能按照预 先设定的程序来完成动作。

智能机器人未来发展的趋势是基于认知脑计算模型、类脑信息处理技术来构建机器脑,利用机器脑直接控制机器人的“四肢”,从而实现机器人可以进行自主学习与决策,最终实现类脑智能机器人。 总体而言,类脑智能机器人不但是未来人工智能研究重要的方向之一,其在未来服务业、智能家居、医疗、国家与社会安全等领域都具有极为广泛的应用价值。

作者 丨康宸

相关推荐

更多“类脑智能”相关内容

新知精选