人工智能导论课件 第十三章 类脑智能.pptxVIP

第十三章类脑智能Chapter13

CONTENTS目录类脑计算与类脑智能类脑智能技术人工大脑类脑导航技术类脑导航模型类脑技术前景

类脑计算与类脑智能01

类脑计算与类脑智能01概念类脑智能是指基于类脑计算实现的类脑计算机为平台，获得和发展类人机器智能。所谓“类脑计算”，是指仿真、模拟和借鉴大脑神经系统结构和信息处理过程所设计或实现的模型、软件、装置等新型计算方法。

类脑计算与类脑智能01目标通过研究人脑神经网络的机理，利用电子、光学、生物等技术实现神经计算机，使机器实现人类具有的多种认知能力及其协同机制，突破传统计算机（冯·诺依曼结构）在模拟人类智能方面的瓶颈。类脑智能系统在信息处理机制上类脑，认知行为和智能水平上类人，最终达到或超越人类智能水平，进而创造更加智能的机器--类脑智能机器。

类脑计算与类脑智能01发展类脑智能技术的背景--已有方法的局限性在传统人工智能技术中，符号主义和联接主义的技术路线相应地采用了逻辑推理模拟和结构模拟的方法，来实现人类智能的机械化与电子化。行为主义则是完全忽略智能的机制，试图单纯通过行为模仿来实现智能。符号主义人工智能方法在对知识的建模、学习和推理方面仍存在缺乏感知、理解、拓展性差等局限性。联结主义中，传统人工神经网络又只能利用特定模型处理特定问题，同样存在缺乏理解、拓展性差等问题。由人工神经网络发展而来的深度神经网络形成的深度学习技术，结合大算力、大数据等技术，在感知智能方面超越人类，但与人类认知智能还相去甚远。

类脑计算与类脑智能01发展类脑智能技术的背景--能耗效率深度学习技术在解决各种实际问题方面展示了强大性能，但是其缺陷也是显而易见的，尤其是在算力方面的需求，远超一般的机器学习方法，导致能耗过高，对气候、水资源等带来一定的负面作用。在深度学习时代，产生一流的人工智能模型所需的计算资源，平均每3.4个月翻一番；这意味着，能量需求在2012年至2018年之间增加了300,000倍。而“GPT-3”只是这种指数级增长轨迹上的一个最新节点。

类脑计算与类脑智能01发展类脑智能技术的背景--能耗效率和当今的深度学习方法相比，人类大脑的效率高得不可思议。虽然只有几磅重，大概只需要20瓦左右的能量消耗，这个能耗只能够给昏暗的灯泡供电。然而，它们代表了已知宇宙中最强大的智力形式。与深度学习方法相比，人类大脑的效率高得不可思议。虽然只有几磅重，大概只需要20瓦左右的能量消耗，这个能耗只能够给昏暗的灯泡供电。然而，它代表了已知宇宙中最强大的智力形式。符号主义、联结主义方法及深度学习等方法都没有真正脑与神经网络的机制和结构出发来模拟人脑的结构实现智能。

类脑计算与类脑智能01发展类脑智能技术的背景--结构主义结构主义是20世纪早期在人文社会科学领域兴起的一种理论流派。结构决定功能是结构主义的一个重要理论原则。系统的基本结构决定了其整体可以实现的功能。相似的结构可以实现相似的功能。要理解一个系统的功能,必须研究其内在的结构关系,而不应仅关注表面的现象。结构决定着功能的发挥。传统人工神经网络虽然也可以看做是一种结构主义方法，但是没有忠实于人脑的生物学结构，而是数学简化。深度神经网络（深度学习）也是如此。类脑计算要从结构上忠实模拟人脑结构，实现类脑智能。

类脑计算与类脑智能01发展类脑智能技术的背景--传统计算机局限性首先，现代计算机都是基于冯诺依曼结构计算机，按照摩尔定律，即计算速度和晶体管数量每年翻一倍。但是现代计算机在芯片设计方面存在物理极限：芯片体积越来越小，所容纳的晶体管数量极其庞大（例如，10亿晶体管级芯片,需要芯片面积约为100-200平方毫米）。其次，现代计算机与人脑只在信息处理形式上有类似的地方，但在结构上和处理机制上与人脑完全不同。第三，人工智能、认知科学以及计算主义曾经认为的“人脑就像计算机一样工作”，但这一观点只是一种隐喻。

类脑计算历史011989年，加州理工学院的卡弗·米德(CarverMead)提出了“类脑工程”概念，并撰写了《模拟VLSI与神经系统》一书，采用亚阈值模拟电路来仿真脉冲神经网络，其应用是仿真视网膜。1990~2003年，摩尔定律持续发展，基于冯·诺伊曼架构的处理器主频与性能持续增长，而类脑计算则沉寂十余年。2004年前后，单核处理器主频停止增长，设计者开始转向多核，学术界开始寻求冯·诺伊曼架构的替代技术。类脑计算经过十多年的小众研究，开始成为热点。2004年，斯坦福大学教授夸贝纳·波尔汉研制出基于模拟电路的类脑芯片Neurogrid。2005年，英国曼彻斯特大学开始研制基于ARM的多核超级计算机SpiNNaker。2005年，欧盟启动FACETS(FastAnalogComputingwithEmerg