近日，中国科学院自动化研究所类脑智能研究中心研究员曾毅团队发布了全脉冲神经网络的类脑认知智能引擎“智脉”(Brain-inspired Cognitive Engine，以下简称BrainCog)，并进行全面开源开放，助力自然智能的计算本质探索和新一代人工智能的发展。
BrainCog以多尺度生物可塑性原理为基础，支持全脉冲神经网络建模，具备脑启发的人工智能模型以及脑功能和结构模拟能力，为类脑人工智能和计算神经科学的研究者提供了一套完整的、系统化的接口组件与计算平台。
五大认知功能
人脑能够自组织地协同数百项认知功能，灵活适应复杂多变的环境。如何整合多尺度生物可塑性法则来构建具有生物合理性和计算高效性的神经网络模型是类脑人工智能和计算神经科学领域共同关注和面临的重要挑战。
曾毅研究员表示，现有的脉冲神经网络平台有的涉及精细的生物神经元模型、大规模神经网络模拟、神经网络动力学等较为细节的脑认知功能和结构模拟，有的关注生物突触可塑性启发的脉冲神经网络建模，还有的从深度学习领域借鉴经验来提升深度脉冲神经网络的性能，“这些已有的框架并没有更好地整合共性，同时具备面向人工智能的高效学习与决策，以及对脑认知功能建模和脑结构模拟的能力。”
他认为，脉冲神经网络（SNN）作为第三代神经网络，从编码方式、学习法则、信息传递和处理机制等多个角度模拟了生物脑，具有更强的生物可解释性，更适合建模大脑的各项认知功能。此外，脉冲序列的稀疏表征也使脉冲神经网络在面对复杂人工智能任务时具有潜在的低能耗特征。
中科院自动化所类脑智能研究中心副研究员赵菲菲介绍说，BrainCog旨在为实现专用、通用的类脑人工智能模型提供基础支持，目前提供的认知功能组件有五大类，分别是感知和学习、决策、运动控制、知识表征和推理、社会认知。
这些功能性组件共同形成了与哺乳动物大脑中28个脑区相对应的神经环路，同时在有监督、无监督、强化学习和各种脑启发的认知任务上得到有效验证。
基于BrainCog的自我识别脉冲神经网络赋能机器人通过镜像测试
由于BrainCog实现了一种具有生物合理性的脑启发的社会认知脉冲神经网络模型，这使得智能体初步具备了理解自我和他人的能力，还通过了多机器人镜像自我识别测试并且降低了智能体交互过程中的安全风险。
多角度模拟生物脑
“BrainCog可以支持不同尺度的脑结构与认知功能模拟，从而为在局部和全脑尺度计算验证科学猜想和科学解释提供强有力支持。” 中科院自动化所类脑智能研究中心副研究员张倩说。
具体而言，BrainCog实现了果蝇线性、非线性决策和PFC工作记忆功能的模拟。在果蝇线性和非线性决策模拟中，BrainCog验证了非线性抉择环路在两难抉择下的赢者通吃行为，得到了与果蝇生物学实验一致的结论，相应算法还应用于无人机平台使其获得类脑决策能力。
此外，用BrainCog实现的PFC网络，在不改变网络结构的情况下，使用人类神经元计算模型代替啮齿类动物神经元模型可以显著提高图像输出的准确性和完整性，这证明了生物脑结构的演化不仅体现在神经元和脑区尺度连接结构的演化，还体现在神经元这个基本计算单元的信息处理能力方面的优化。
张倩还指出，BrainCog可以模拟不同规模的生物脑结构，从微环路到皮质柱到全脑(如鼠、猴、人脑)结构模拟。
人工智能引擎：创生
基于BrainCog平台提供的计算与认知组件，人工智能研究者还可以实现各种专用人工智能模型并为创建通用人工智能提供支持。
为进一步说明和验证BrainCog支持人工智能引擎研发的能力，研究团队基于BrainCog框架开发了致力于获得通用认知能力的脉冲神经网络人工智能引擎——创生(BORN)。
中科院自动化所类脑智能研究中心助理研究员赵东城介绍说，BORN的高层架构整合时空可塑性，使人工智能具备感知与学习、决策、运动控制、工作记忆、长时记忆、注意力和意识、情感、知识表征和推理、社会认知等大脑认知功能。
为展示BORN的能力和原理，研究团队提供了一个相对复杂的依赖于情感的机器人创作和演奏应用，该应用程序需要人形机器人根据情感感知来进行音乐创作和演奏，这要求BORN提供视觉情感识别、乐曲序列学习与生成、知识表征与推理、运动控制等认知功能。
基于这些功能，BrainCog支持人形机器人实现了视觉（情感）识别、情感依赖的音乐创作模块和人形机器人乐曲演奏。
基于BORN人工智能引擎的人形机器人多认知功能协同情感依赖音乐创作与演奏
“BrainCog是支撑研发基于脉冲神经网络的人工智能引擎和脑模拟平台的基础设施。”曾毅认为，无论是通用人工智能还是全脑神经计算模拟都是长远的愿景，并需要持之以恒的科学探索，更重要的是需要学术和产业界持续不断地共同推进。
类脑认知智能引擎“智脉(BrainCog)”开源开放平台地址：http://www.brain-cog.network
