中国科学报：《类脑是手段 智能是目标—中科院自动化所发力类脑智能研究》

　　或许这一天的到来并不会很遥远。借鉴脑与神经科学研究的成果，将脑信息处理机制融入未来信息与智能系统，让机器人变得更加智能，这就是中科院自动化所类脑智能研究中心（以下简称类脑中心）的目标。

　　4月15日，类脑中心正式在中科院自动化所挂牌成立。这意味着该所长期酝酿的、为发展未来人工智能与信息技术的类脑智能研究计划全面启动。

　　中国科学院自动化研究所（以下简称自动化所）所长王东琳指出，智能科学和智能信息处理是中科院自动化所的定位和战略重点方向。中科院自动化所的“一三五”规划中，“一”即优先发展一个领域——智能技术。为在信息化迈向智能化发展的道路上抢占战略制高点，欧美等国的脑计划当中都不同程度地部署了受脑启发下一代信息技术的战略。类脑智能研究是作为国立科学研究机构的中国科学院自动化研究所经过长期凝练，面向下一代人工智能与信息技术的发展及激烈的国际科技竞争提出的重大科研战略。

　　“研究所专门成立类脑智能研究中心，是具有独立建制的所级科研部门。未来，将在自动化所统一战略规划下，联合模式识别国家重点实验室、复杂系统管理与控制国家重点实验室等科研部门，进行有关类脑智能的协同创新。”王东琳表示。

　　　从平行到交叉 

　　在很长时间内，人脑的科学研究和人工智能的研究，犹如两条平行线，几乎看不到实质性的交集。

　　人类研究脑的运行机制已经有上百年的历史。出于健康的考量，脑科学的发展很快，也越来越受重视。

　　1956年，来自不同领域的学者在达特茅斯 （Dartmouth）研讨会上首次提出“人工智能”的概念。“实现人工智能主要有两条路线，一个是符号表示的推理，即符号主义；一个是人工神经网络的方法，又称连接主义。”中科院模式识别国家重点实验室主任刘成林向《中国科学报》记者介绍，连接主义的研究在上世纪50年代提出，60年代~70年代陷入低谷，因为当时神经网络的代表方法感知机只能实现线性分类，做不了非线性分类，“而真实世界中很多任务都是非线性的”。

　　上世纪70年代人们提出了多层神经网络的误差反向传播（BP）训练算法，但并未得到重视。80年代中期，美国的科学家把BP算法用于多层神经网络训练，成功解决复杂的非线性分类和回归问题，连接主义的人工智能研究随即进入新的高潮。但是到90年代中期，连接主义再次陷入低潮，因为进一步增加神经网络的层数带来训练收敛慢的问题且泛化能力有限，而新提出的支持向量机（SVM）在这些方面优于神经网络。刘成林表示，直到2006年，神经网络的研究才再次取得重大突破，深度学习算法诞生，加上采用GPU的并行计算的推广，使具有很多层的深度神经网络能够在大规模样本上有效训练且泛化性能明显提高，深度神经网络在语音识别和多种图像识别任务中大幅提升性能，人工智能进入一个新的发展阶段。

　　“但是，深度神经网络依然有它的瓶颈。第一是训练效率问题，必须有大量标注样本训练才能保证足够高的泛化性能。第二是不够鲁棒，神经网络可能把不属于任何类别的模式非常自信地判别为某一类。而人脑学习模式只需要少量样本，而且对不认识的模式可以很可靠地拒识。”刘成林指出，人工智能面临的局限，急需新的理论来突破。目前，人工智能在图像识别、语音处理上的精度难以进一步提高，且学习过程很不灵活。故此，急需从脑科学和神经科学寻找新的借鉴。

　　“人脑是最好的模式识别系统，是一个具有复杂度极高的神经网络结构。和其相比，人工神经网络（包括深度神经网络）对人脑神经系统的模拟还处在很初级的阶段。因此，有必要从模拟人脑的神经结构、思维方式和学习方式入手，让脑科学和人工智能的研究产生交叉，寻找人工智能新的突破。”他说。

　　在这样的考量下，类脑智能研究计划应运而生。

　　三大研究方向 

　　刘成林指出，类脑智能研究计划的目的是发展以下一代人工智能为核心的信息技术，而“类脑”是实现类人智能水平的手段与途径。目前还没有任何一个人工系统具有全方位的人类水平的智能，而作为人类智能的载体，人脑信息处理系统具有高度的自主学习能力、自适应性和语义理解能力，并能够以高性能、低能耗的方式长期工作几十年。

　　他表示，借鉴脑与神经科学研究的成果，将脑信息处理机制融入未来信息与智能系统已经成为国际学术与产业界发展的趋势。欧盟与美国相继推出的脑计划中，都包含了脑模拟与类脑智能研究的探索，在这种趋势下，作为国立科学研究机构的中科院自动化所将挑起类脑智能研究的重任，与国际科技界同台竞争。

　　在这种背景下，为推动研究所在类脑智能领域的科学研究，积极参与国家创新科研战略，进一步推动未来智能科学与信息技术的发展，中科院自动化所整合集结了研究所相关优势学科方向与科研团队，成立了类脑智能研究中心，协同进行类脑智能的科研和战略推进。

　　类脑智能研究中心将融合智能科学、脑与认知科学的多学科优势，研究创新性的认知脑模型，实现类脑信息处理、类脑智能机器人等相关领域理论、方法与技术的突破。该中心将主要包括三个研究方向：认知脑计算模型、类脑信息处理和神经机器人。

　　具体来说，第一个方向，是借鉴现有的脑科学的成果，建立人类脑神经的模拟机器，深入开展基础研究，助力于人工智能在视听觉、学习、思维等方面的突破；第二个方向，是受脑信息处理机制启发，研究基于类脑信息处理机制的多模态数据语义理解；第三个方向，是通过类脑研究，提升机器人的智能化程度，让机器人掌握精细动作并实现自主动作学习等能力。

　　“比如说，过去我们让机器人学动作，都是通过编程的方式实现。以后，我们试图通过人机交互的方式，让机器人通过对话、阅读等，能够向人自主学习动作。”刘成林介绍。从技术路线来看，第一个研究方向偏基础，后两个研究方向偏应用。

　　目前，类脑中心规划招聘数十名专职的科研人员，同时自动化所将结合两个国家重点实验室的力量，集全所之力，全面展开类脑智能研究。

　　　独具特色 

　　近年来，关于脑科学的研究如火如荼。2013年，欧盟启动10亿欧元的“人脑计划”。同年，美国启动45亿美元的“脑计划”。在国内，科技部正在规划“脑科学与类脑研究”的重大专项。北大、复旦等高校也开展相应研究。中科院自动化所的类脑中心，有哪些优势和特色呢？

　　刘成林指出，经过“十二五”期间的不断凝练与提升，自动化所提出了类脑智能工程战略，部署了先期探索的科研团队。在过去几年，一方面积极向国家有关部门建言，同时开展基础与探索性研究。目前在针对脑皮层认知功能的计算模拟、类脑自主学习机制及其计算实现与应用、脑知识图谱、“手、眼、脑”协同的认知机器人等方面取得阶段性进展。

　　该中心副研究员曾毅向《中国科学报》记者详细介绍了认知脑模拟仿真平台并展示了他们构建的哺乳动物脑模拟系统，记者在看到各种尺度的动态生物细节（如不同类型的神经元真实形态及其放电模式、脑区之间的动态交互）的同时，还看到了这个脑模拟系统初步展示出来的视觉感知、记忆与自主学习的能力。

　　他们的目的，旨在不断完善这套模拟系统，给机器人安装一个“大脑”，最终让其学会独立思考。

　　“让机器人获得类人脑的思维能力，一直是人工智能研究的长期目标。这也是现在的发展趋势。”曾毅说。

　　刘成林指出，类脑中心和其他脑科学研究机构的不同在于中心立足智能，并将人脑研究与人工智能的研究深度结合起来，相互借鉴、相互促进。“人工智能当然需要借鉴当前脑科学的研究成果，但是人工智能独特的计算和分析能力，我觉得脑科学在进行大数据处理时也可以用得上，目前自动化所已经在这个领域进行了初步探索。”刘成林说。

　　“类脑是手段，智能是目标”，这就是类脑中心最大的特色。类脑人工智能的核心在于脑与神经科学、认知科学、计算科学、信息科学等学科领域的交叉融合，它将有力地推进新的技术革命。

　　在学术交流方面，类脑智能研究中心积极开展广泛的国内外合作。近期已与瑞士洛桑联邦理工大学（EPFL）共建成立了“中瑞数据驱动神经科学联合实验室”，开展神经信息学平台合作研究；与美国塔夫茨大学、波士顿大学合作开展认知脑模拟研究；并与中科院神经所、北京师范大学等单位保持密切合作关系。

　　“未来，类脑智能研究中心将进一步加强与国内外相关学术机构、产业界开展广泛深入的合作，搭建类脑智能国际创新网络，致力于成为脑与智能科学交叉领域有国际影响的研究中心。”刘成林说。

　　（原载于《中国科学报》 2015-04-27 第5版 创新周刊)