北大黄铁军:强AI的“仿真主义”和神经计算机的“五原则”

【新智元导读】过去,大概有四种方法来实现某些人工智能:符号主义,联结主义,行为主义和统计学, 这四种方法在不同的角度抓住了智能的一些特点。北京大学计算机系主任黄铁军提出:“仿真主义”可谓人工智能方法中第五流派。

在人工智能过去的六十年,大概有四种方法来实现某些人工智能:符号主义,连接主义,行为主义和统计学。 这四种方法在不同的角度抓住了智能的一些特点,在人工智能中取得了划时代的成就。近年来,深入学习在全球崛起,特别是在图像和语音识别方面取得了显着的成功,将AI推向第三次革命。

近期,在刊物IJAC(International Journal of Automation and Computing)优先在线发表的几篇论文中,北京大学黄铁军教授的综述—“Imitating the Brain with Neurocomputer:A “New” Way Towards Artificial General Intelligence”—提出的“仿真主义”(Imitationalism)可谓人工智能方法中第五流派!

这篇综述成为近两月优先发表论文中的亮点之一,这篇综述也在Twitter上被国外学者转发数次。文章不仅阐述了如何打破走向通用人工智能的研究僵局、探索研制类脑神经计算机的新思路,还详细描述了类脑神经计算机三个重要技术层次和国内外研究进展。

此前,黄铁军教授发布的《电脑传奇(下篇)电脑涅槃》中把通用人工智能的实现载体称为“电脑(电子大脑)”。我们结合这篇文章,一起看看关于人工智能“仿真主义”的前世因果、今生未来。

把“制造智能”寄希望于“理解智能”,本末倒置!

黄铁军在综述开始提出一个问题:实现通用人工智能,到底是模仿“智能”?还是模仿“大脑”?也就说,我们应该走“功能”路线?还是“结构”路线?

任何客观对象都可以分为“结构”和“功能”两个层次:简言之,结构是功能的基础,功能是结构的表现。大脑的“结构”是指各种神经元(神经细胞)通过神经突触连接而成的复杂神经网络,“功能”是指大脑神经网络表现出的动力学行为,即思维和意识现象。所谓大脑奥秘这个终极性难题,实际上是指“大脑(结构)何以产生智能(功能)?”或简称为“理解智能”难题。

为了获得通用人工智能,到底是先“理解智能”?(即理解意识现象和功能背后的发生机理)还是先“制造智能”(即研制类似人脑的具有自我意识的智能机器)?——这是一个值得考虑的问题!

传统人工智能的思维定式是先理解智能再模仿智能。然而人类对自身智能的认识还处在初级阶段,在对人类智能的理解还极其有限,“理解智能”这个终极性问题到底数十年还是数百年亦或数千年才能解决?都还是未知数。

因此,把“制造智能”寄希望于“理解智能”,实质上把解决问题的方案建立在解决另一个更难问题的基础上,犯了本末倒置的错误。

“仿真主义”是一条“新”路线,在制造出强AI之后再寻求“理解智能”的解

如果我们跳出传统思维的窠臼,就会发现通向通用人工智能还有一条“新”路线——构建类脑神经计算机,这里称为“仿真主义”(Imitationalism)。说这是一条新路线,是因为它反转了“理解智能”和“制造智能”的前后关系:即我们不再寻求“理解智能”的解,而是先模仿脑,即设计更先进的探测分析工具,从结构上解析大脑,再利用工程技术手段“照葫芦画瓢”式地构造仿脑装置,最后通过环境刺激和交互训练“仿真大脑”,实现类人智能。简言之:先结构后功能。

人脑是强人工智能最好的和唯一的参照物。正如欧盟“人类大脑计划(Human Brain Project)”建议报告中指出的:“除人脑以外,没有任何一个自然或人工系统能够具有对新环境与新挑战的自适应能力、对新信息与新技能的自动获取能力、在复杂环境下进行有效决策并稳定工作直至几十年的能力。没有任何系统能够在多处损伤的情况下保持像人脑一样好的鲁棒性,在处理同样复杂的任务时,没有任何人工系统能够媲美人脑的低能耗性。”

“仿真主义”简史

仿真大脑的努力可以追溯到20世纪80年代。美国诺贝尔生理或医学奖获得者—生物学家杰拉尔德·艾德曼(Gerald Maurice Edelman, 1929-2014)—在1978年左右转向意识研究。他的基本思想可概括为“神经群体选择理论(neuronal group selection)”,即神经系统产生感知、行为、学习、记忆以及意识的机理与生物适应自然环境的自然选择机制类似,因此被称为“神经达尔文主义”(Neural Darwinism) 。

为了验证这一学说,从1981年开始,他提出了统称为“综合神经建模(synthetic neural modeling)”的理论,即逼近真实解剖和生理数据的神经系统大规模仿真,并研制了一系列名为“Darwin(达尔文)”的“仿脑机”(Brain-Based-Devices, BBD) 。

仿脑机仿真的是不同脑区(如海马或小脑),通过从多种仿真神经回路中进行选择而实现学习。起初是软件,1992年开始采用硬件。基于仿脑机的足球机器人在2004年至2006年参加RoboCup机器人足球公开赛,曾5局全胜卡内基梅隆大学的经典人工智能系统。

2009年,在蓝色基因超级计算机上实现了8.61T个神经突触的猫脑模拟,在哺乳动物大脑皮层上经常能观测到的阿尔法振荡(10Hz左右)和伽马振荡(40Hz左右的信息整合)现象,也在这个“软件大脑”上出现了。在接受视觉模式刺激时,这个“软件大脑”还出现了在哺乳动物视皮层上才能观察到的特定群体响应潜伏现象。同样在2009年,马克拉姆团队在蓝色基因超级计算机上构造出刚出生两周的大鼠的新皮质柱精细模型,包括1万个神经元和数千万个突触连接,同样出现了伽马振荡现象。由马克拉姆领衔的欧洲“人类大脑计划”于2013年1月获得欧盟批准,提出将信息技术和生命科学结合,整合从单分子探测到大脑整体结构解析,实现全脑仿真模拟。

在人类大脑计划支持下,2016年完成了20块晶圆、400万个神经元和10亿个突触的神经形态计算系统,速度比生物系统快1万倍。2022年(也就是人类大脑计划结束前)的目标系统现在尚未敲定,预计构造一个500块或5000块晶圆组成的大型系统。即使是500块的方案,也能同时仿真5亿个神经元,比人脑速度高上万倍,因此将具备实时仿真人类大脑的能力。

如果说Neurogrid、BrainScaleS、SpiNNaker和TrueNorth等神经形态计算系统代表了神经计算机的今天,那么全新的神经形态器件将决定神经计算机的明天。要在一个有限的物理空间中以较低功耗实现大脑规模的神经计算机,必须研制尺度和功耗都与生物相当甚至更小的神经形态器件。

中国在神经形态器件方面已经有10多年的研究历史,北京大学、清华大学、南京大学、中科院上海微系统所、华中科技大学和国防科技大学等单位的成果表明,中国很有可能对这一领域产生巨大影响。尽管这些器件应用于神经计算系统还有很长的路要走,但它们将从根本上塑造神经计算机的未来,就像晶体管和集成电路对经典计算机的贡献一样。

神经计算机“五原则”

为了和经典计算机区分,真正的“电脑”可称为“类脑计算机”或“神经计算机”,是仿照生物神经网络,采用神经形态器件构造的,以多尺度非线性时空信息处理为中心的智能机器。背后的基本理念是绕过“理解智能”这个更为困难的科学难题,先通过结构仿真等工程技术手段制造出类脑计算机,再通过训练间接达到智能模拟的目的。这条技术路线可总结为三个层次:结构层次模仿脑,器件层次逼近脑,智能层次超越脑。

黄铁军提出,借鉴生物大脑和神经系统的精细结构模型,研制能够对多尺度非线性信息进行高效处理的“电脑”,需要遵循以下原则:

1.先结构,后功能:应该从对生物神经系统的结构仿真出发,而不是从生物智能的功能模拟出发,即科学基础主要是神经科学,而不是认知科学;

2.器件层次逼近脑:必须研制功能和尺度都逼近乃至超越生物神经元和生物突触的神经形态器件,以制造大规模神经网络硬件系统;

3.结构层次模仿脑:需要借鉴生物神经网络的结构设计新的体系结构,在实现类似生物智能后,再进行简化、优化和扩大规模;

4.功能层次超越脑:使用互联网大数据、物联网传感器和虚拟环境等多种刺激,训练硬件神经网络,“培育”智能;

5.先理解机器智能,再理解生物智能:对机器智能产生的动力学过程进行建模和分析,理解机器智能,再将这种理解外推到生物系统,补充生物实验,理解生物智能乃至人类意识。

沿着上述原则研制的“电脑”,并不需要等待脑科学认知原理的突破,就有可能制造出类似生物一样的强人工智能,甚至涌现出自我意识,这将是揭开大脑终极奥秘的重要一步。

超越将同时发生

一旦“电脑”变为现实,超越就同时发生了:

1.速度:神经形态器件可以快多个数量级;

2.规模:没有颅骨的限制;

3.寿命:电子系统即使有损耗,也可以复制迁移到新系统而永生;

4.精度:生物大脑的很多缺陷和“短板”可以避免和弥补;

5.协作:电脑之间“精诚合作”、“万众一心”;

6.进化:电脑自己设计自己;

7.……

这正是:

惚恍颅中物,灼灼银河星;

更有千千结,长程联短程;

染色百年技,光电透皮层;

列国脑计划,十年欲图穷;

微纳仿突触,人工造神经;

结构摹人脑,行为生智能;

跨越生物限,提速再增容;

心浩连广宇,惟有慨然行。

参考列表:

1. 综述“Imitating the Brain with Neurocomputer

A “New” Way Towards Artificial General Intelligence”: https://link.springer.com/article/10.1007/s11633-017-1082-y

2. 《电脑传奇(下篇):电脑涅槃》 :《中国计算机学会通讯》2017年第2期。http://www.jdl.ac.cn/%7Etjhuang/eBrain.html

3. IJAC:http://mp.weixin.qq.com/s/bM_9_6AzFl2QlQ-KQPzXjA

4. 综述在Twitter分享情况: https://springerlink.altmetric.com/details/20722427

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-06-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

MIT在读博士心得:做好AI科研,你需要注意什么?

1714
来自专栏机器之心

业界 | 京东金融与KDD2018:如何针对性解决城市计算痛点

作为会议的承办方,京东金融的城市计算事业部在会议上给出了一个主题演讲和两篇论文介绍,分享了京东进行城市计算的方法论,辅以众多实际案例。

1120
来自专栏吉浦迅科技

BAM!吸引奥巴马的脑计划

奥巴马政府将在下一财政年度的预算中为一项重大研究课题——大脑活动图谱(BAM)项目拨款,这项研究最终可以极大地拓展人们对人类大脑健康和患病状态的认知。《科学》...

2584
来自专栏镁客网

人脸识别VS虹膜识别,智能机器人识人技能大比拼!

1964
来自专栏新智元

【给 iOS 开发者】人工智能在 iOS 开发上的应用和机会

【新智元导读】这篇文章是一名 iOS 开发者总结他在硅谷和西雅图的所见所闻,对人工智能和机器学习的思考,以及人工智能给 iOS 开发者带来的机会和挑战。 前言 ...

3915
来自专栏媒矿工厂

利用人工智能提升足球直播效果

人工智能技术代表着未来无限的可能性,已经在很多领域带来巨大的冲击。在足球直播这一领域,版权方需要提供更多更优质的内容以应对日益增长的多元化需求,因此急需提高运营...

4312
来自专栏ATYUN订阅号

Judea Pearl:要建立真正的智能机器,教它们因果关系才是关键

人工智能给Judea Pearl(贝叶斯之父)带来诸多启发。在二十世纪八十年代,他领导的工作使机器能够以概率方式进行推理。现在他是该领域最敏锐的评论家之一。在他...

1349
来自专栏镁客网

以线虫为模型模拟的神经网络,让机器人无需训练即可自动避开障碍物 | 技术

1946
来自专栏数据派THU

【独家】虞晶怡:虚拟现实与视觉(附视频)

本文共4140字,阅读全文约需12分钟 本文为大家讲述了虚拟现实技术在视觉方面的应用。 [ 导读 ] 3月25日,由清华-青岛数据科学研究院和中国工业经济联合...

1909
来自专栏机器之心

Yann LeCun卸任FAIR实验室主任,改任首席AI科学家

3487

扫码关注云+社区

领取腾讯云代金券