類(lèi)腦計(jì)算芯片與類(lèi)腦智能機(jī)器人發(fā)展現(xiàn)狀與思考

陶建華 陳云霽

近年來(lái)，以圖像識(shí)別、語(yǔ)音識(shí)別、機(jī)器翻譯、廣告推薦和數(shù)據(jù)挖掘?yàn)榇淼囊幌盗幸灾悄転楹诵牡膽?yīng)用已經(jīng)成為計(jì)算機(jī)的主流負(fù)載。據(jù)市場(chǎng)調(diào)研機(jī)構(gòu) Trend Force的報(bào)告，2015年全球智能終端的出貨量接近17億臺(tái)，并以每年25%的速度增長(zhǎng)。智能終端、智能機(jī)器人、智能硬件、智能互聯(lián)網(wǎng)等與人工智能、大數(shù)據(jù)技術(shù)交叉融合，一起促使人類(lèi)社會(huì)邁向信息時(shí)代的高級(jí)階段：智能時(shí)代。

隨著智能時(shí)代對(duì)大規(guī)模數(shù)據(jù)處理的要求，現(xiàn)有的處理器結(jié)構(gòu)日益顯得乏力。例如，谷歌大腦用了上萬(wàn)個(gè)通用處理器和耗時(shí)數(shù)天來(lái)學(xué)習(xí)如何識(shí)別貓臉；AlphaGo下圍棋時(shí)使用了上千個(gè)通用處理器和數(shù)百個(gè)圖形處理器，平均每局耗電電費(fèi)近3000美元。對(duì)于很多智能技術(shù)來(lái)說(shuō)，采用傳統(tǒng)通用處理器的實(shí)現(xiàn)方案會(huì)導(dǎo)致計(jì)算成本和計(jì)算速度均難以承受。而人的大腦由大量的神經(jīng)元（neuron）通過(guò)突觸（synapse）連接在一起，構(gòu)成了極其復(fù)雜的運(yùn)算網(wǎng)絡(luò)。目前，通過(guò)模擬人腦神經(jīng)元信息處理機(jī)制的深度神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)成為智能時(shí)代最為重要的建模方法，將深度神經(jīng)網(wǎng)絡(luò)技術(shù)融合到計(jì)算芯片（又稱(chēng)為類(lèi)腦計(jì)算芯片）也日益受到重視。事實(shí)上，在 20世紀(jì)80年代，超大型體積電路（VLSI）主要研制者之一Carver Mead已經(jīng)開(kāi)始利用大規(guī)模集成電路來(lái)實(shí)現(xiàn)此類(lèi)神經(jīng)網(wǎng)絡(luò)計(jì)算功能，這項(xiàng)工作獲得了美國(guó)太空總署（NASA）與國(guó)家衛(wèi)生研究院（NIH）的重視。然而在相當(dāng)長(zhǎng)的一段時(shí)間里，基于傳統(tǒng)互補(bǔ)金屬氧化物半導(dǎo)體（CMOS）技術(shù)的類(lèi)腦計(jì)算芯片的實(shí)現(xiàn)一直進(jìn)展緩慢。2007年納米尺寸憶阻器（memristor）的出現(xiàn)使得類(lèi)腦計(jì)算芯片的研究有了突飛猛進(jìn)的發(fā)展，它可有效實(shí)現(xiàn)可調(diào)節(jié)突觸強(qiáng)度的生物神經(jīng)突觸和神經(jīng)元之間的互聯(lián)，從而為類(lèi)腦計(jì)算芯片的快速發(fā)展奠定重要基礎(chǔ)。

與類(lèi)腦計(jì)算芯片同步發(fā)展的還有類(lèi)腦智能機(jī)器人。我國(guó)政府提出的《中國(guó)制造 2025》規(guī)劃綱要將機(jī)器人產(chǎn)業(yè)發(fā)展作為智能制造重點(diǎn)推進(jìn)的領(lǐng)域之一。目前，機(jī)器人已經(jīng)被廣泛應(yīng)用于汽車(chē)及零部件制造、機(jī)械加工、電子電氣及食品工業(yè)等諸多領(lǐng)域，成為衡量國(guó)家制造業(yè)水平和科技水平的重要標(biāo)志。盡管已有機(jī)器人經(jīng)常也被稱(chēng)為“智能”機(jī)器人，然而這些“智能”機(jī)器人能夠?qū)崿F(xiàn)的動(dòng)作及行為能力基本是通過(guò)預(yù)定義的規(guī)則實(shí)現(xiàn)的，而人類(lèi)進(jìn)行動(dòng)作、行為的學(xué)習(xí)主要是通過(guò)模仿及與環(huán)境的交互實(shí)現(xiàn)的。此外，目前“智能”機(jī)器人還不具有類(lèi)腦的多模態(tài)感知及基于感知信息的類(lèi)腦自主決策能力。在運(yùn)動(dòng)機(jī)制方面，目前智能機(jī)器人不具備類(lèi)人的外周神經(jīng)系統(tǒng)，其靈活性和自適應(yīng)性與人類(lèi)運(yùn)動(dòng)系統(tǒng)還具有較大差距。

隨著人工智能、機(jī)器人和傳感器技術(shù)的不斷發(fā)展，機(jī)器人已經(jīng)由傳統(tǒng)在線示教工作模式向智能工作模式方向發(fā)展，結(jié)合腦科學(xué)研究成果，有希望為機(jī)器人理論和應(yīng)用研究帶來(lái)新的突破，最終有望成功制造類(lèi)腦智能機(jī)器人。類(lèi)腦智能機(jī)器人系統(tǒng)是融合了視覺(jué)、聽(tīng)覺(jué)、思考和執(zhí)行等能力的綜合智能系統(tǒng)，它能夠以類(lèi)似于人腦的工作方式運(yùn)行。同時(shí)，類(lèi)腦智能機(jī)器人力圖將人的內(nèi)部機(jī)理融入機(jī)器人系統(tǒng)，從而提高機(jī)器人的認(rèn)知、學(xué)習(xí)和動(dòng)作控制能力。

通過(guò)融入對(duì)人的機(jī)理的探索，有望實(shí)現(xiàn)類(lèi)腦智能機(jī)器人與人“共情”，從而產(chǎn)生更深度的交互與合作，也有望對(duì)國(guó)防、工業(yè)、服務(wù)業(yè)等領(lǐng)域提供更多的幫助。

本文針對(duì)類(lèi)腦計(jì)算芯片和類(lèi)腦智能機(jī)器人發(fā)展的迫切需要，分析其技術(shù)發(fā)展現(xiàn)狀，并對(duì)迫切需要展開(kāi)的研究?jī)?nèi)容進(jìn)行一些思考。

1 類(lèi)腦芯片

廣義上來(lái)講，“類(lèi)腦芯片”是指參考人腦神經(jīng)元結(jié)構(gòu)和人腦感知認(rèn)知方式來(lái)設(shè)計(jì)的芯片。很顯然，“神經(jīng)形態(tài)芯片”就是一種類(lèi)腦芯片，顧名思義，它側(cè)重于參照人腦神經(jīng)元模型及其組織結(jié)構(gòu)來(lái)設(shè)計(jì)芯片結(jié)構(gòu)，這代表了類(lèi)腦芯片研究的一大方向。隨著各國(guó)“腦計(jì)劃”的興起和開(kāi)展，涌現(xiàn)出了大量神經(jīng)形態(tài)芯片研究成果，受到國(guó)際上的廣泛重視并為學(xué)界和業(yè)界所熟知。例如，歐盟支持的 SpiNNaker和 BrainScaleS、斯坦福大學(xué)的 Neurogrid、IBM公司的 TrueNorth以及高通公司的Zeroth。

TrueNorth是IBM潛心研發(fā)近10年的類(lèi)腦芯片。美國(guó)DARPA計(jì)劃從2008年起就開(kāi)始資助 IBM公司研制面向智能處理的脈沖神經(jīng)網(wǎng)絡(luò)芯片。2011年，IBM公司通過(guò)模擬大腦結(jié)構(gòu)，首次研制出兩個(gè)具有感知認(rèn)知能力的硅芯片原型，可以像大腦一樣具有學(xué)習(xí)和處理信息的能力。類(lèi)腦芯片的每個(gè)神經(jīng)元都是交叉連接，具有大規(guī)模并行能力。2014年，IBM公司發(fā)布了稱(chēng)為“TrueNorth”的第2代類(lèi)腦芯片。與第 1代類(lèi)腦芯片相比，TrueNorth芯片性能大幅提升，其神經(jīng)元數(shù)量由256個(gè)增加到100萬(wàn)個(gè)；可編程突觸數(shù)量由 262144個(gè)增加到 2.56億個(gè)；每秒可執(zhí)行 460億次突觸運(yùn)算，總功耗為70 mW，每平方厘米功耗20 mW。與此同時(shí)，TrueNorth處理核體積僅為第一代類(lèi)腦芯片的1/15。目前，IBM公司已開(kāi)發(fā)出一臺(tái)神經(jīng)元計(jì)算機(jī)原型，它采用 16顆TrueNorth芯片，具有實(shí)時(shí)視頻處理能力。TrueNorth芯片的超強(qiáng)指標(biāo)和卓越表現(xiàn)在其發(fā)布之初就引起了學(xué)界的極大轟動(dòng)。

與TrueNorth不同，Zeroth則是高通公司近幾年才開(kāi)展研究的“認(rèn)知計(jì)算平臺(tái)”，但它卻在業(yè)界引起了巨大的震動(dòng)。原因就在于它可以融入到高通公司量產(chǎn)的 Snap-dragon處理器芯片中，以協(xié)處理的方式提升系統(tǒng)的認(rèn)知計(jì)算性能，并可實(shí)際應(yīng)用于手機(jī)和平板電腦等設(shè)備中，支持諸如語(yǔ)音識(shí)別、圖像識(shí)別、場(chǎng)景實(shí)時(shí)標(biāo)注等實(shí)際應(yīng)用并且表現(xiàn)卓越。

類(lèi)腦芯片研究的另一大方向則是參考人腦感知認(rèn)知的計(jì)算模型而非神經(jīng)元組織結(jié)構(gòu)。具體講就是設(shè)計(jì)芯片結(jié)構(gòu)來(lái)高效支持成熟的認(rèn)知計(jì)算算法，如人工神經(jīng)網(wǎng)絡(luò)算法或目前備受關(guān)注的深度神經(jīng)網(wǎng)絡(luò)。例如，2012年，中國(guó)科學(xué)院計(jì)算技術(shù)研究所和法國(guó)Inria合作研制了當(dāng)時(shí)國(guó)際上首個(gè)支持深度神經(jīng)網(wǎng)絡(luò)處理器架構(gòu)芯片“寒武紀(jì)”。該技術(shù)兩次獲得計(jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域主要國(guó)際會(huì)議 ASPLOS和MICRO最佳論文，其設(shè)計(jì)方法和達(dá)到的性能得到了國(guó)際上很好的認(rèn)可。該芯片可以作為類(lèi)腦芯片這個(gè)研究方向上的杰出代表。

比較而言，TrueNorth芯片采用了神經(jīng)形態(tài)的組織結(jié)構(gòu)和新興的“脈沖神經(jīng)網(wǎng)絡(luò)”算法，因此具有更低的功耗。但也正因?yàn)槿绱?，其?shù)據(jù)編碼信息損失很大，導(dǎo)致算法準(zhǔn)確度不及目前的成熟算法。例如，在手寫(xiě)數(shù)字識(shí)別上，TrueNorth的脈沖神經(jīng)網(wǎng)絡(luò)準(zhǔn)確度大約是90%左右，而20世紀(jì)80年代的人工神經(jīng)網(wǎng)絡(luò)已經(jīng)可以達(dá)到95%的準(zhǔn)確度，目前深度神經(jīng)網(wǎng)絡(luò)技術(shù)的準(zhǔn)確度更超過(guò)了99%。

這個(gè)比較并非說(shuō)明類(lèi)腦芯片這兩大方向孰優(yōu)孰劣，而是展示了類(lèi)腦芯片研制的客觀現(xiàn)狀。卻也恰恰能夠明確了這樣一個(gè)事實(shí)：即參考已知的神經(jīng)元模型、結(jié)構(gòu)與工作方法可以發(fā)展出很好的“類(lèi)腦智能”。隨著神經(jīng)科學(xué)的進(jìn)一步發(fā)展，人們對(duì)大腦神經(jīng)系統(tǒng)工作方式的逐漸清晰，脈沖神經(jīng)網(wǎng)絡(luò)算法可望進(jìn)一步發(fā)展，其準(zhǔn)確度也可望得到進(jìn)一步提高從而可以實(shí)用，這也正是類(lèi)腦芯片研究的目標(biāo)。

實(shí)際上，類(lèi)腦芯片研究的這兩大方向只是側(cè)重點(diǎn)不同，而并非彼此互斥，而且很多研究會(huì)逐漸模糊化這兩個(gè)方向之間的界限。類(lèi)腦芯片完全可以同時(shí)參考神經(jīng)元組織結(jié)構(gòu)并支持成熟的認(rèn)知計(jì)算算法，這并不矛盾。當(dāng)然，這種趨勢(shì)也并不排除對(duì)該領(lǐng)域中某一點(diǎn)的重點(diǎn)研究。如憶阻器可以很好地模擬神經(jīng)元之間的突觸連接及其可塑性，其研究進(jìn)展使得構(gòu)建大規(guī)模神經(jīng)元結(jié)構(gòu)的可能性更大。2012年，英特爾正是以憶阻器和橫向自旋閥（lateral spin valves）兩項(xiàng)技術(shù)為基礎(chǔ)開(kāi)始了神經(jīng)形態(tài)類(lèi)腦芯片的研制。

在當(dāng)前大數(shù)據(jù)和人工智能火熱的時(shí)代，類(lèi)腦芯片的研究受到了各國(guó)政府、大學(xué)和研究機(jī)構(gòu)、國(guó)際大公司甚至是很多新興的創(chuàng)新型小公司的青睞和聚焦，從不為人知突然進(jìn)入到了公眾視野。隨著類(lèi)腦芯片的百花齊放，勢(shì)必會(huì)帶來(lái)芯片應(yīng)用領(lǐng)域的一場(chǎng)革命，甚至將改變?nèi)藗兊娜粘Ｉ罘绞健?/p>

2 類(lèi)腦智能機(jī)器人的仿生機(jī)構(gòu)與感知控制

類(lèi)腦智能機(jī)器人首先涉及到的是機(jī)器人的仿生機(jī)構(gòu)和感知控制，而仿肌肉驅(qū)動(dòng)器是其中的重要部分，這些仿肌肉驅(qū)動(dòng)器可以省卻齒輪、軸承，避免復(fù)雜的結(jié)構(gòu)，同時(shí)減輕重量，具有更好的應(yīng)用效果。如 Shahinpoor等人用 4片重0.1 g的人工肌內(nèi)材料IPMC作手指組成的機(jī)械手，在5 V的電壓下提起了10.3 g的石子，所需功率為25 mW。如用傳統(tǒng)機(jī)械裝置實(shí)現(xiàn)這個(gè)動(dòng)作，其機(jī)構(gòu)將非常復(fù)雜。

雖然自20世紀(jì) 60年代以來(lái)，日本以及美國(guó)DRAPA等機(jī)構(gòu)不斷進(jìn)行仿肌肉驅(qū)動(dòng)器的研究，但還是隨著近10年材料和新型傳動(dòng)系統(tǒng)的發(fā)展才真正實(shí)現(xiàn)一系列的突破。目前制作的仿肌肉驅(qū)動(dòng)器可以分為材料類(lèi)、機(jī)械類(lèi)和生物類(lèi)。材料類(lèi)的仿肌肉驅(qū)動(dòng)器主要代表有形狀記憶合金（shape memory alloy，SMA）、電致收縮聚合物（electroactive polymer，EAP）、壓電陶瓷（piezoelectric transducer，PZT）、磁致收縮聚合物、功能凝膠、液晶收縮聚合物等。此類(lèi)仿肌肉驅(qū)動(dòng)器的共同特點(diǎn)是模擬動(dòng)物肌肉收縮產(chǎn)生力這一工作特性，利用材料在不同的外部控制下，如電壓、電流、pH值等，材料內(nèi)部的成分發(fā)生物理變化，產(chǎn)生形變和力。機(jī)械類(lèi)的仿肌肉驅(qū)動(dòng)器，主要代表有氣動(dòng)人工肌肉（pneumatic artificial muscle，PAM）、液壓人工肌肉（hydraulic artificial muscle）、電致收縮器、磁致收縮器等，其中由波士頓動(dòng)力研制的Atlas類(lèi)人機(jī)器人就采用了液壓人工肌肉。不同于材料類(lèi)仿肌肉驅(qū)動(dòng)器，機(jī)械類(lèi)仿肌肉驅(qū)動(dòng)器都是結(jié)構(gòu)發(fā)生變化，產(chǎn)生收縮和力。生物類(lèi)的仿肌肉驅(qū)動(dòng)器目前尚處于實(shí)驗(yàn)室研制階段，目前主要是利用動(dòng)物活體細(xì)胞來(lái)充當(dāng)驅(qū)動(dòng)器，美國(guó)DRAPA資助麻省理工學(xué)院研制的魚(yú)形仿生機(jī)器人，由活體肌肉驅(qū)動(dòng)，最大速度45 mm/s，而在類(lèi)人機(jī)器人上尚未進(jìn)行類(lèi)似的研究。

在這些研究的基礎(chǔ)上，瑞士蘇黎世大學(xué)搭建了擁有“肌腱”和“骨頭”的機(jī)器人平臺(tái)ECCE Robot，相關(guān)研究成果在 2010年獲得美國(guó)Popular Mechanics報(bào)道，列為2010年10大創(chuàng)新概念首位。此外，波士頓動(dòng)力還試圖研制一款更新型仿生肢體，試圖采用3D打印的方式，將所有的液壓元件直接打印到其機(jī)器人肢體的“骨頭”結(jié)構(gòu)中，使之更具有仿生元素，比如“類(lèi)動(dòng)脈式的液壓管道布局”、看上去很像骨頭的支架等。

除了具有仿生結(jié)構(gòu)和仿生運(yùn)動(dòng)能力，類(lèi)腦智能機(jī)器人還以腦科學(xué)和神經(jīng)科學(xué)的研究為基礎(chǔ)，使機(jī)器人以類(lèi)腦的方式實(shí)現(xiàn)對(duì)外界的感知和自身的控制。人的運(yùn)動(dòng)系統(tǒng)由骨骼、關(guān)節(jié)和肌肉組成，相關(guān)的肌肉收縮或舒張由中樞神經(jīng)系統(tǒng)與外周神經(jīng)系統(tǒng)協(xié)同控制。以類(lèi)腦的方式實(shí)現(xiàn)感知與控制的一體化，使得機(jī)器人能夠模仿外周神經(jīng)系統(tǒng)感知、中樞神經(jīng)系統(tǒng)的輸出與多層級(jí)反饋回路，實(shí)現(xiàn)機(jī)器人從感知外界信息到自身運(yùn)動(dòng)的快速性和準(zhǔn)確性。

針對(duì)這項(xiàng)技術(shù)，瑞士洛桑理工學(xué)院（EPFL）于 2015年開(kāi)發(fā)了一個(gè)神經(jīng)系統(tǒng)仿真工具（the neural simulation tool，NEST）。在該仿真工具中，研究人員建立了一個(gè)數(shù)字化的老鼠大腦計(jì)算模型和虛擬老鼠身體模型，通過(guò)把這兩個(gè)模型結(jié)合起來(lái)，來(lái)模擬大腦和身體的互作用的神經(jīng)機(jī)制，這為類(lèi)腦機(jī)器人的神經(jīng)系統(tǒng)模擬提供了基礎(chǔ)。目前，他們已在模型中模擬出一只小白鼠完整大腦中約2100萬(wàn)個(gè)神經(jīng)元中的3.1萬(wàn)個(gè)模擬神經(jīng)元。雖然，將神經(jīng)系統(tǒng)和仿生機(jī)器人相結(jié)合進(jìn)行研究，還只是處在初步階段，但已經(jīng)建立的腦網(wǎng)絡(luò)模型，以及運(yùn)動(dòng)神經(jīng)和各種運(yùn)動(dòng)控制上的一系列研究成果，已為類(lèi)腦智能機(jī)器人的感知與控制回路的進(jìn)一步研究奠定了很好的基礎(chǔ)。

與類(lèi)腦智能機(jī)器人密切相關(guān)的技術(shù)，如腦機(jī)接口、神經(jīng)假體等，近幾年也取得了積極的進(jìn)展。腦機(jī)接口可以使計(jì)算機(jī)從大腦神經(jīng)活動(dòng)獲知人的行為意向，其關(guān)鍵在于神經(jīng)解碼，將大腦的神經(jīng)信號(hào)轉(zhuǎn)化為對(duì)外部設(shè)備的控制信號(hào)，其又分為侵入式腦機(jī)接口和非侵入式腦機(jī)接口。其中侵入式腦機(jī)接口能在癱瘓病人的大腦運(yùn)動(dòng)區(qū)植入電極陣列，提取人的運(yùn)動(dòng)意向從而控制機(jī)械手臂的動(dòng)作；非侵入式腦機(jī)接口是用緊貼頭皮的多個(gè)電極采集大腦腦電圖（EEG）信號(hào)從而控制機(jī)械臂或飛行器。而在神經(jīng)假體方面，美國(guó)DARPA正投資研發(fā)一種芯片，通過(guò)植入該芯片可以幫助腦部受傷的人恢復(fù)記憶，并干擾甚至消除一些不愉快的記憶（如戰(zhàn)爭(zhēng)記憶）。目前此技術(shù)已在老鼠上取得了不錯(cuò)效果。此外，科研人員在視覺(jué)神經(jīng)假體、運(yùn)動(dòng)神經(jīng)假體方面也均取得很好進(jìn)展，并已成功進(jìn)行應(yīng)用，以幫助人們恢復(fù)部分視覺(jué)功能或部分替代四肢功能。雖然腦機(jī)接口和神經(jīng)假體等方面的研究還有很大的提升空間，但已有的研究成果為類(lèi)腦智能機(jī)器人的研究提供了很多的借鑒。

3 類(lèi)腦機(jī)器人的智能生長(zhǎng)

在類(lèi)腦智能機(jī)器人研究中，如何從根本上提升機(jī)器人的智能，是機(jī)器人研究領(lǐng)域的一個(gè)重要問(wèn)題。經(jīng)歷了長(zhǎng)期的發(fā)展過(guò)程，人們普遍認(rèn)為機(jī)器通常在動(dòng)力、速度、精巧性方面具有一定的優(yōu)勢(shì)，而人類(lèi)具有智能、感知、情感等機(jī)器部分具有或者不具有的能力和特點(diǎn)。人們自然希望可以將二者各自的優(yōu)點(diǎn)融合在一起，實(shí)現(xiàn)“人機(jī)協(xié)作”。早在 20世紀(jì)50年代，已有研究人員開(kāi)展了相關(guān)的工作，從具體任務(wù)出發(fā)（如工業(yè)制造），研究離線狀態(tài)下的人機(jī)交互，讓機(jī)器人在人的指引下完成任務(wù)學(xué)習(xí)。20世紀(jì)90年代，人們開(kāi)始研究實(shí)時(shí)交互問(wèn)題，將服務(wù)機(jī)器人與人結(jié)合在一起。然而這種協(xié)作主要從功能角度使人和機(jī)器人共享智能，并不算真正意義上的融合。在這一過(guò)程中，人做一部分工作，機(jī)器人做一部分工作，二者分工完成同一任務(wù)。自2010年來(lái)，人們更加關(guān)注“認(rèn)知-合作”，機(jī)器人作為人的“同事”，和人在一起工作。智能人機(jī)協(xié)同需要計(jì)算機(jī)在陌生的環(huán)境通過(guò)對(duì)周?chē)h(huán)境的觀察以及周?chē)h(huán)境的反饋刺激，自主整合新舊知識(shí)，并進(jìn)行綜合智能決策，即要求計(jì)算機(jī)具有類(lèi)腦的交互學(xué)習(xí)機(jī)制。隨著人工智能技術(shù)和新材料技術(shù)興起，智能機(jī)器人行業(yè)將是未來(lái)“腦科學(xué)研究”和“腦認(rèn)知與類(lèi)腦計(jì)算”研究成果的重要產(chǎn)出方向。在實(shí)際的應(yīng)用場(chǎng)合，新一代的機(jī)器人或者新型人工智能必須要具有通過(guò)交互從外界獲得知識(shí)，并通過(guò)智能增長(zhǎng)的方式進(jìn)一步了解外部世界的能力。建立基于交互的從零學(xué)習(xí)及智能生長(zhǎng)認(rèn)知模型，使得計(jì)算機(jī)能夠像嬰兒一樣，在與人的交互過(guò)程中進(jìn)行錯(cuò)誤糾正與知識(shí)積累，實(shí)現(xiàn)模仿人類(lèi)認(rèn)識(shí)外部世界的智能增長(zhǎng)。

國(guó)際上一些機(jī)構(gòu)已紛紛開(kāi)展人機(jī)協(xié)同下機(jī)器人智能生長(zhǎng)的研究，如麻省理工學(xué)院人工智能實(shí)驗(yàn)室增量人機(jī)協(xié)同研究組（Increasing Man-Machine Collaboration MIT）采用增強(qiáng)學(xué)習(xí)讓人與機(jī)器人（包括飛機(jī)與小汽車(chē)等）在未知環(huán)境自由協(xié)作，讓計(jì)算機(jī)自動(dòng)配合人并與人交互，在共同決策完成既定任務(wù)的同時(shí)，機(jī)器人也通過(guò)交互過(guò)程不斷學(xué)到新的知識(shí)。此外，谷歌和百度的無(wú)人駕駛汽車(chē)平臺(tái)也在進(jìn)行著類(lèi)似的嘗試。

DeepMind公司（2014年被Google公司收購(gòu)）提出了 Neural Turing Machine方法，利用深度增強(qiáng)學(xué)習(xí)，實(shí)現(xiàn)了靠不斷試錯(cuò)學(xué)習(xí)就可獲得提高的游戲人工智能。這些智能靠著對(duì)游戲視頻的觀察來(lái)自動(dòng)尋找出模式，然后操作控制器，并獲得得分的反饋結(jié)果（高分獎(jiǎng)勵(lì)），通過(guò)這樣的交互方式不斷學(xué)習(xí)新的知識(shí)和技能。此外，DeepMind還在研制基于長(zhǎng)短期記憶的遞歸神經(jīng)網(wǎng)絡(luò)（long short-term memory-recurrent neural network，LSTM-RNN）控制的無(wú)人機(jī)，通過(guò)交互式的學(xué)習(xí)可不斷提高無(wú)人機(jī)飛行的效果。

在未來(lái)，人們希望可以將人的智能更深程度地引入機(jī)器人系統(tǒng)，從機(jī)理上對(duì)人進(jìn)行模仿，使機(jī)器人能夠像人一樣思考，從而“配合”人的工作，共同完成任務(wù)。類(lèi)腦智能機(jī)器人不但是未來(lái)人工智能研究重要的外顯載體，而且其在未來(lái)服務(wù)業(yè)、智能家居、醫(yī)療、國(guó)家與社會(huì)安全等領(lǐng)域都具有極為廣泛的應(yīng)用價(jià)值。

4 中國(guó)科學(xué)院B類(lèi)先導(dǎo)專(zhuān)項(xiàng)下的類(lèi)腦芯片與機(jī)器人研究工作

作為腦科學(xué)研究的重要組成部分，類(lèi)腦智能的研究已受到我國(guó)科研人員的高度重視，尤其是近兩年來(lái)，在中國(guó)科學(xué)院“腦功能鏈接圖譜與類(lèi)腦智能研究”B類(lèi)先導(dǎo)專(zhuān)項(xiàng)的支持下，中國(guó)科學(xué)院自動(dòng)化研究所（承擔(dān)類(lèi)腦機(jī)器人與人機(jī)協(xié)同的智能生長(zhǎng)研究）、中國(guó)科學(xué)院計(jì)算技術(shù)研究所（承擔(dān)類(lèi)腦計(jì)算芯片研究）、中國(guó)科學(xué)院半導(dǎo)體研究所（承擔(dān)類(lèi)腦計(jì)算芯片研究）、中國(guó)科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所（承擔(dān)類(lèi)腦視覺(jué)器件研究）等單位的合作，使我國(guó)在類(lèi)腦芯片和類(lèi)腦智能機(jī)器人方面的研究獲得了非常積極的進(jìn)展。

在類(lèi)腦計(jì)算芯片方面，項(xiàng)目組繼“寒武紀(jì)”芯片設(shè)計(jì)完成后，已經(jīng)成功地進(jìn)行了流片，通過(guò)了初步階段的全部功能測(cè)試，并于2016年提出了國(guó)際上首個(gè)神經(jīng)網(wǎng)絡(luò)通用指令集，該指令集直接面對(duì)大規(guī)模神經(jīng)元和突觸的處理，一條指令即可完成一組神經(jīng)元的處理。模擬實(shí)驗(yàn)已經(jīng)表明，采用該指令集的深度學(xué)習(xí)處理器相對(duì)于x86指令集的CPU有兩個(gè)數(shù)量級(jí)的性能提升。進(jìn)一步的研究將集中在類(lèi)神經(jīng)形態(tài)的神經(jīng)元計(jì)算芯片的構(gòu)建和優(yōu)化上。

在類(lèi)腦智能機(jī)器人方面，項(xiàng)目組在人機(jī)動(dòng)力學(xué)模型及表面肌電圖（sEMG）信號(hào)的運(yùn)動(dòng)意圖識(shí)別方法的基礎(chǔ)上，實(shí)現(xiàn)了機(jī)械臂的交互控制，并實(shí)現(xiàn)了生理控制的康復(fù)機(jī)器人的應(yīng)用。此外，項(xiàng)目組還將人類(lèi)的“大腦—小腦—脊髓—肌肉”的中樞與外周運(yùn)動(dòng)神經(jīng)系統(tǒng)模型引入到機(jī)器人的運(yùn)動(dòng)規(guī)劃與控制當(dāng)中來(lái)，針對(duì)仿人的“多輸入—多輸出”機(jī)器人運(yùn)動(dòng)執(zhí)行機(jī)構(gòu)，建立了運(yùn)動(dòng)信號(hào)的類(lèi)神經(jīng)編解碼模型，使得機(jī)器人可以在運(yùn)動(dòng)反應(yīng)速度不降低的情況下，提高機(jī)器人的運(yùn)動(dòng)精度，并具備運(yùn)動(dòng)的學(xué)習(xí)能力。項(xiàng)目組建立了生物啟發(fā)式仿人視覺(jué)演示平臺(tái)與生物啟發(fā)式仿人運(yùn)動(dòng)演示平臺(tái)，基于人的中樞神經(jīng)與外周神經(jīng)機(jī)理，實(shí)現(xiàn)了在運(yùn)動(dòng)中逐步提升精度，而速度不下降的學(xué)習(xí)過(guò)程。

為使類(lèi)腦機(jī)器人具備針對(duì)復(fù)雜環(huán)境下物體的魯棒識(shí)別能力，并具有很好的泛化能力，項(xiàng)目組進(jìn)行了神經(jīng)啟發(fā)式模型的相關(guān)研究，將人類(lèi)的聯(lián)想記憶機(jī)制、注意力調(diào)控機(jī)制、泛化學(xué)習(xí)與記憶機(jī)制引入到模型當(dāng)中。在研究中，項(xiàng)目組首先將聯(lián)想和記憶機(jī)制引入計(jì)算模型HMAX中，減少識(shí)別時(shí)的存儲(chǔ)量，加快識(shí)別速度，從而提高機(jī)器人的反應(yīng)速度。基于以上工作，依據(jù)靈長(zhǎng)類(lèi)動(dòng)物視皮層中前內(nèi)顳葉皮層對(duì)部件、視角的調(diào)節(jié)功能以及后內(nèi)顳葉皮層的多視覺(jué)任務(wù)處理能力，繼續(xù)改進(jìn)HMAX模型，保證了旋轉(zhuǎn)、遮擋情況下魯棒的識(shí)別，擴(kuò)大機(jī)器人認(rèn)知的適用場(chǎng)景范圍，為機(jī)器人個(gè)性化服務(wù)奠定基礎(chǔ)。

為進(jìn)一步探索類(lèi)腦智能機(jī)器人的智能生長(zhǎng)技術(shù)，項(xiàng)目組進(jìn)一步模擬了嬰兒對(duì)物體的自發(fā)、動(dòng)態(tài)認(rèn)知過(guò)程，使機(jī)器人能夠通過(guò)深度置信網(wǎng)絡(luò)自發(fā)學(xué)習(xí)，進(jìn)而實(shí)現(xiàn)知識(shí)的動(dòng)態(tài)更新，提高機(jī)器人的自學(xué)習(xí)和歸納泛化能力。目前，項(xiàng)目組已經(jīng)在如下幾個(gè)方面取得了積極進(jìn)展：（1）模仿大腦在單樣本或者極少量樣本條件下的基于交互學(xué)習(xí)的目標(biāo)分類(lèi)能力，借助目前腦科學(xué)中腦功能分區(qū)、大腦生長(zhǎng)與神經(jīng)連接生長(zhǎng)等知識(shí)，構(gòu)建新型類(lèi)腦機(jī)器學(xué)習(xí)和認(rèn)知模型，采用特征分析、無(wú)監(jiān)督聚類(lèi)、合并歸納等推理方法，實(shí)現(xiàn)單樣本或極少量樣本條件下同一物體的再次準(zhǔn)確識(shí)別；（2）在機(jī)器人從零學(xué)習(xí)模型的基礎(chǔ)上，采用語(yǔ)音交互和手勢(shì)交互的模式教授計(jì)算機(jī)目標(biāo)與環(huán)境知識(shí)，使得計(jì)算機(jī)具有從錯(cuò)誤中學(xué)習(xí)新知識(shí)的能力；（3）在機(jī)器人基于交互的錯(cuò)誤辨識(shí)糾正與記憶模型基礎(chǔ)上，構(gòu)建面向視覺(jué)、聽(tīng)覺(jué)、言語(yǔ)感知的多通道信息融合的智能模仿模型，實(shí)現(xiàn)計(jì)算機(jī)借助視聽(tīng)覺(jué)方式對(duì)外界環(huán)境的智能增長(zhǎng)學(xué)習(xí)，并具有一定模仿人類(lèi)特定行為的能力。

此外，為配合類(lèi)腦智能機(jī)器人的交互過(guò)程，使機(jī)器人的視覺(jué)通道具有更多的擬人特性，項(xiàng)目組還通過(guò)類(lèi)腦視覺(jué)感知原理研制了新型三維光場(chǎng)相機(jī)，相機(jī)能夠自動(dòng)對(duì)感興趣目標(biāo)進(jìn)行最佳對(duì)焦，從而對(duì)注意的圖像內(nèi)容進(jìn)行凸顯，從而使機(jī)器人能更好地理解所觀察到的內(nèi)容。與此同時(shí)，項(xiàng)目組還研制了具有自學(xué)習(xí)在線校準(zhǔn)功能的仿生雙眼視覺(jué)系統(tǒng)，能模仿人的眼球運(yùn)動(dòng)機(jī)制，實(shí)現(xiàn)雙目攝像機(jī)的運(yùn)動(dòng)控制，以及雙目視覺(jué)跟蹤和三維重建，為基于視覺(jué)的機(jī)器人人機(jī)交互奠定了很好的基礎(chǔ)，并進(jìn)一步推動(dòng)了人機(jī)協(xié)同的機(jī)器人智能生長(zhǎng)的研究。

5 關(guān)于類(lèi)腦芯片與類(lèi)腦智能機(jī)器人研究的進(jìn)一步思考

由于類(lèi)腦芯片與類(lèi)腦智能機(jī)器人的研究，既涉及到腦科學(xué)和神經(jīng)科學(xué)的最新研究成果，又和傳統(tǒng)芯片設(shè)計(jì)、機(jī)器人仿生結(jié)構(gòu)與控制等內(nèi)容密切相關(guān)，未來(lái)研究迫切需要在如下方面進(jìn)行進(jìn)一步的攻關(guān)。

（1）類(lèi)腦計(jì)算芯片方面。需從不精確、非完整信息的類(lèi)腦神經(jīng)計(jì)算技術(shù)出發(fā)，通過(guò)提煉神經(jīng)網(wǎng)絡(luò)處理中的共性運(yùn)算特性，發(fā)展類(lèi)腦神經(jīng)元計(jì)算模型，通過(guò)改變控制參數(shù)，使相同神經(jīng)元電路模塊能完成不同的神經(jīng)元功能，增強(qiáng)神經(jīng)計(jì)算電路模塊的通用性，降低設(shè)計(jì)、制造的難度。此外，還需要迫切解決類(lèi)腦計(jì)算芯片的功耗問(wèn)題，需要研究建立神經(jīng)網(wǎng)絡(luò)處理器相關(guān)的功耗模型，通過(guò)結(jié)構(gòu)設(shè)計(jì)參數(shù)的選擇，降低相對(duì)功耗。發(fā)展基于統(tǒng)一抽象的、實(shí)時(shí)可調(diào)的軟件抽象層設(shè)計(jì)，通過(guò)和硬件結(jié)合，對(duì)低功耗設(shè)計(jì)與評(píng)估進(jìn)行實(shí)時(shí)反饋和調(diào)節(jié)，為上層設(shè)計(jì)提供一個(gè)可靠且便利的軟硬件間的橋梁，解決能適應(yīng)多種應(yīng)用需求的兼容性問(wèn)題。

（2）類(lèi)腦智能機(jī)器人方面。需更多借鑒類(lèi)腦計(jì)算模型和仿人運(yùn)動(dòng)神經(jīng)機(jī)理研究新的機(jī)器人感知、交互和動(dòng)作計(jì)算模型，從根本上提高機(jī)器人的智能性，形成具有動(dòng)態(tài)立體視覺(jué)感知、快速自感知、多模態(tài)信息融合、運(yùn)動(dòng)自學(xué)習(xí)能力、協(xié)調(diào)人機(jī)協(xié)作、快速反應(yīng)和高精度操作的類(lèi)腦智能機(jī)器人。其中，尤其需要解決類(lèi)人運(yùn)動(dòng)執(zhí)行機(jī)構(gòu)帶來(lái)的類(lèi)腦運(yùn)動(dòng)神經(jīng)控制、人機(jī)融合環(huán)境帶來(lái)的機(jī)器人多模態(tài)信息融合、交互式學(xué)習(xí)控制和雙目可動(dòng)攝像頭帶來(lái)的攝像頭高速在線校準(zhǔn)3個(gè)問(wèn)題。

6 總結(jié)

在神經(jīng)科學(xué)和深度神經(jīng)網(wǎng)絡(luò)等領(lǐng)域快速發(fā)展的綜合推動(dòng)下，類(lèi)腦計(jì)算芯片與類(lèi)腦智能機(jī)器人經(jīng)過(guò)最近幾年的發(fā)展，獲得了科研人員的普遍重視，并已經(jīng)產(chǎn)生了一系列研究成果。其中，類(lèi)腦計(jì)算芯片已經(jīng)形成實(shí)際的產(chǎn)品，并有希望在近期產(chǎn)生重要的應(yīng)用；類(lèi)腦智能機(jī)器人也在研究?jī)?nèi)容上不斷進(jìn)行細(xì)化和深入，結(jié)合神經(jīng)科學(xué)和仿生學(xué)等最新的研究成果，已經(jīng)形成了一系列原型技術(shù)，并在類(lèi)腦智能機(jī)器人的自主學(xué)習(xí)和交互式主動(dòng)學(xué)習(xí)機(jī)制上形成了一批積極的成果。未來(lái)研究有望在仿人運(yùn)動(dòng)模型和“自主學(xué)習(xí)—?jiǎng)幼鳌鳖?lèi)人神經(jīng)運(yùn)動(dòng)控制以及在人機(jī)協(xié)同的智能機(jī)器人控制和交互式學(xué)習(xí)、自適應(yīng)和自主決策方法等方面取得重大突破?！?/p>