10日，DeepMind團隊在《自然》上發表的一篇論文在AI和神經科學領域引起關注：其最新研發出的一個AI程序具有類似哺乳動物一樣的尋路能力，類似大腦中網格細胞的工作原理。

對于大腦的借鑒和研究，一直是人工智能發展的一個方向，而實現具有人類意識的人工智能更是人類長久以來的目標。DeepMind這項研究成果借鑒了大腦中的部分機能，但它仍是對于單一機能的模仿。可以說，現在的人工智能可以戰勝頂級圍棋選手，卻無法像嬰兒一樣探索世界。

在AI領域有一個叫做“類腦智能”的研究方向，想讓機器像人類一樣思考。雖然目前專家們對于DeepMind的最新成果是否屬于類腦智能研究看法不一，但該研究從算法角度為探索大腦機能提供了一種途徑。

目標：使機器具有人類認知能力

從IBM的“深藍”系統擊敗國際象棋世界冠軍卡斯帕羅夫，到谷歌的AlphaGo戰勝人類頂級圍棋選手，上述所有的突破都僅是智能系統從某個視角、在某個特定領域接近、達到或超過人類智能，而相關的理論、算法與系統很難推廣到其他領域，用于解決其他類型的問題。

在人工智能學界，有一條著名的莫拉維克悖論，講的是要讓電腦同成人下棋是非常容易的，但要讓電腦像一歲孩子一樣感知和行動，卻相當困難。AlphaGo能擊敗世界頂尖圍棋高手，卻無法像孩子一樣探索世界。

馮·諾依曼體系結構是存儲程序式計算，程序也是預先設定好的，無法根據外界的變化和需求的變化進行自我演化。而我們的大腦卻是一個出色的、能夠長時間穩定工作的通用智能系統，不僅能舉一反三，處理視覺、聽覺、語言、學習、推理、決策、規劃等各類問題，還可以在學習和發育過程中不斷自適應和進化。

曾毅指出，類腦智能以計算建模為手段，受腦結構與機制、認知行為機制啟發，企圖通過軟硬件協同實現機器智能。類腦智能系統在信息處理機制上“類腦”，認知行為和智能水平上“類人”，目標是使機器實現人類具有的多種認知能力及其協同機制，最終達到或超越人類智能水平。

難點：對大腦的認知有限

中科院腦科學與智能技術卓越創新中心核心骨干、中國科學技術大學畢國強教授認為，目前類腦智能研發的核心難點是我們對腦的結構和功能原理了解還很不夠。

人類的大腦重約1.4公斤，大腦皮層有上百億個神經元，每個神經元又包含數個到數萬個分支，構成龐大精細的神經網絡。大腦正是通過這種超大規模的神經網絡系統處理信息的，但這個網絡的線路圖極為復雜，而且其中的神經元以及突觸聯結有很多不同的類型。以現在的技術真正描繪出全面完整的線路圖，需要難以想象的大量工作。

“現階段，我們可以在沒有完全理解大腦原理時開始建立簡化的類腦模型，來實現一些‘類智能’的功能。”畢國強介紹，現在的人工神經網絡模型包括深度神經網絡模仿了生物神經網絡的一些最基本特性，并在處理分類識別的問題方面取得了巨大成功，但這些“簡單”網絡在效率、功耗、以及通用性等方面有根本的局限，看來沒有辦法產生真正意義的智能。

布局：國內外發展水平幾乎同步

不可否認，我們對于大腦的探索還處于非常初級的階段。曾毅介紹，總體而言，經過上百年的研究，人們對于腦信息處理機制的認識仍然比較初步。在這樣的背景下，2016年，中國正式提出了“腦科學與類腦科學研究”（中國腦科學計劃），它作為連接腦科學和信息科學的橋梁，將極大推動人工通用智能技術的發展。

此外，多所高校都成立了類腦智能研究機構，開展類腦智能研究。如清華大學于2014年成立的類腦計算研究中心，中國科學院自動化研究所于2015年成立的類腦智能研究中心，北京大學成立的腦科學與類腦研究中心，上海交通大學成立的仿腦計算與機器智能研究中心等。

目前，清華大學類腦計算研究中心已經研發出了具有自主知識產權的類腦計算芯片、軟件工具鏈；中國科學院自動化研究所開發出了類腦認知引擎平臺，具備哺乳動物腦模擬的能力，并在智能機器人上取得了多感覺融合、類腦學習與決策等多種應用，以及全球首個以類腦方式通過鏡像測試的機器人等。

“我們現在類腦計算方面基本上和國外差不多。”談及國內的研究進展，清華大學類腦計算研究中心主任施路平教授說，現在大家都還處于前期探索發展階段。

“具體哪個應用先突破很難說。”施路平說，未來的類腦智能研究在應用方面具有很多可能性，但在哪個領域率先突破還不確定。