今年8月，一輛來自清華的無人駕駛自行車登上了Nature的封面。這是中國的人工智能芯片首次登上Nature，在全球引發熱議。

這輛自行車不僅可以平衡自身，還可以繞過障礙物，甚至可以響應簡單的聲音命令。

自行車能夠按照聲音命令改變方向或調整速度

?自行車檢測并跟蹤移動的人，在必要時避開障礙物

論文的通訊作者、清華大學精密儀器系教授、類腦計算中心主任施路平教授表示，雖然這還是非常初步的一個研究，但或許能夠推動通用人工智能（AGI）計算平臺的進一步發展。

時隔三個月，在昨天“2019騰訊科學WE大會”上，施路平教授針對這篇論文進行了壓軸演講，講述了這一研究背后的故事，并且告訴我們，發展類腦計算和人工智能通用體的時機到了！

大數據文摘對這次演講速記進行了不改變原意的編輯。

通過類腦計算發展人工智能通用體

類腦計算，即借鑒腦科學的基本原理，面向人工通用智能，基于神經形態工程發展的新技術，為什么我們要發展這樣一個技術？現在我們生活在一個萬物互聯的數碼宇宙，這個宇宙成長很快，信息每兩年翻一番，整個“宇宙”迅速膨脹，而且從不退步。

這樣一個宇宙是基于現在的計算機架構，而計算機架構則基于馮諾伊曼架構，馮諾伊曼架構是我個人認為是人類發展的最簡潔漂亮、對人類影響最大的架構。它的特點是計算、存儲分立，計算、存儲通過總線來回調度會耗費很多能量，耽誤時間且速度慢，容易形成堵塞，所以造成了帶寬發展的瓶頸。

2017年計算機圖靈獎的兩名得主David Patterson和John L Hennessy，最近發表文章稱未來十年是計算架構發展的黃金十年。我們過去使用計算機做計算，現在我們使用它處理信息，而數碼宇宙，每兩年翻一番，能耗無法承受，還有我們現在生活在人工智能時代，人工智能取得了很大的成績，盡管AlphaGo可以戰勝世界冠軍，但我們面臨很多瓶頸。

簡單的說，我們必須滿足5個條件：充足的數據、確定性問題、完備的知識、靜態的環境、單一的系統。舉個例子，如果我們讓一個智能機器人從這里出去，假如不進行事先編程，他是做不到的，為什么？因為人用了幾年的時間建立起這些概念：“在哪里”，“怎么出去”，“走門還是窗”，這些都與我們的通用智能有關，所以我們要發展人工通用智能。

我們原來碰到過，一個動態的、很多系統交互在一起但仍能夠處理的，這是我們希望的人工通用智能，要發展人工通用智能，必須向腦學習。因為據我所知，腦是整個宇宙目前唯一一個通用智能體，我們把腦和電腦相比較發現，“電腦強的人不強，電腦不強的人強”。我們看過最強大腦，那些嘆為觀止的、令我們非常羨慕的選手的能力，其實對計算機來講是小兒科，我們發現兩個系統其實原理不同，但是互補的。所以借鑒腦科學的基本原理，改造現在的計算機系統，發展類腦計算，是發展通用人工智能一個非常重要的部分，因為這是它計算的基石。

現在是發展通用人工智能的最佳時機

發展通用人工智能，不是一個新的想法，過去很多獲得圖靈獎的科學家寫過類似的文章，這是我們一直的夢想，現在為什么是最好的時機呢？因為隨著我們精密儀器的發展，我們對腦制造的越來越多，我們似乎到了一個理解腦的關口，超級計算機的發展可以使我們很好地做模擬仿真，省錢、省力、省時間，大數據和云計算給我們提供了一個像腦一樣復雜的系統，與腦交相呼應，我們可以共同研究，相互促進。

另外，新型納米器件，已經可以使我們去發展擁有人腦能耗水平的神經元和突觸這樣的電子器件，所以現在是發展人工通用智能的最好時機。發展類腦計算去支持人工智能。在這里，腦起著非常重要的作用。

由于研究類腦計算時，缺乏文獻，很多東西需要自己摸索，所以感到非常苦惱。有一次我去爬山，就故意讓自己鉆進森林迷路，后來我根據太陽來定位方向，然后一直走便走到高速公路上攔截到了一輛車；又有一次，我找了一個陰天進山，我一直往高處爬爬到最高的地方，盯住一個點然后一直走又走到了高速路。這兩件事情讓我思考，腦在這里面起的是一個指南針的作用，我們提供的是方向感，因為這是唯一所知的通用智能體。

在做研究時，我喜歡做難一點的研究，我認為“越難的反而越容易”，因為太容易就會有很多的競爭者，因此很難領先；而如果研究比較難的問題，到后來就幾乎沒有人競爭了。但是有一個前提條件，研究的方向必須是正確的。

我們人類的智能是建立在碳基上的，而在硅基上，我們建造了現在的數碼宇宙。碳基和硅基，它們的結構非常相近，所以我們有一個信念，碳基上能夠實現的硅基上一定能夠實現。

七個院系共同參與，七年磨一“芯”

發展類腦計算和人工通用智能，真正的挑戰既不是科學也不是技術，而是因為“學科分類”，使得我們沒有合適的人去做這樣的研究。而且腦科學和計算機科學，一個是探索自然世界，一個更關注應用，它們是不同的文化、不同的語言，目標也不一樣。

所以這個問題最最關鍵的是多學科的融合，清華大學類腦研究計算中心有七個院系的老師組成，覆蓋腦科學、計算機、微電子、電子、精儀、自動化、材料等學科。我們七個院系的老師在一起，用每周半天的時間反復討論，七年里我們只做了一件事情，就是融合、融合、再融合。

在這個過程中，我們梳理了發展人工通用智能，現在主要的兩種技術路線，一種是計算機主導的，另一種是腦科學主導的。計算機主導的，如機器學習，在圖像識別、語音理解、自然語言處理方面取得了輝煌的成績，但是它的泛化性差，很難處理不確定的問題；而腦科學主導的，如神經計算機，神經形態計算發展也很快，但是由于我們不夠理解腦的機制，甚至極大地阻礙了它的發展。

不過兩條技術路線實際上是互補的，將二者結合起來，是目前我們認為最好的一種發展類腦計算的方法。實際上還有兩條路可走，一種叫Brain-Inspired Computing，一種叫Brain-Like Computing。

前者是基于計算機，借鑒腦科學的基本原理來改變計算架構的；后者是仿腦，因為前者覆蓋了后者，所以我們用了“類腦”這樣一個簡單又明白的詞涵蓋這兩部分。

不理解人腦憑什么可以制造出類腦計算，我們思考了很久，后來我們得到了答案。計算機是把一個多元空間的信息轉換成“010101”這樣一種信息，用計算來解決，那么計算的CPU主頻越來越快，換句話說，用的是時間復雜度的問題，當你縮維度的時候相關性會丟失。

人很容易確定一個物體是在真實空間里，還是在鏡子里，計算機則很難，這是根本原因，我們不知道腦的基本原理，但我們知道一個神經元接一千到一萬個神經元。換句話說，我們在這里把信息擴充了，把相關性增強了，我們用的是空間復雜度。

另外我們腦還有脈沖來編碼，引進了時間的因素，我們還利用了時空復雜度，所以我們設想保持現在的計算機所有的優點，保持時間復雜度的同時，增加一塊類腦芯片，即增加了空間復雜度。如果我們以這種觀點來看現在的技術就會發現，現在的神經網絡加速器，是面向深度人工神經網絡，利用的就是空間復雜度；而向腦一樣工作的神經形態計算，面向的是脈沖神經網絡，利用的是時空復雜度，那何不把兩種結合起來？所以我們所以我們想了一個辦法，提出了天機芯片架構。

我們用了3%的代價實現了既支持人工神經網絡又支持向腦一樣工作的脈沖神經網絡，還支持兩個的異構建模，我們還利用類腦芯片制造了一個自主行駛自行車。我們的想法是這樣構建一個可以和系統互動的多模態的交叉研究平臺，我們利用環境變化逼迫這個系統變化，幫它變化的時候，我們便觀察其變化，遵循這種變化系統所應該遵循的基本原理，從而幫助我們迭代發展。利用一塊天機芯片，我們就實現了感知、追蹤、過障、避障。

發展類腦計算，我們得以“向內發展”，審視內心

自動控制、語音理解，自主決策芯片很重要，軟件也很重要，因為如果沒有軟件，應用工程師是不愿意去做應用軟件的開發的。所以在我們實驗室，我們自己開發了一個軟件工具鏈，我們已經搭起了一個第一代的類腦計算機，那么我們現在做的是“類腦云腦”。

那么它和現在的云計算有什么差別，云計算是把很多的技術整合起來，而我們“類腦云腦”，是面向人工通用智能的。因為大家知道，人工通用智能的研究，從根本上來講，不同于把很多的窄人工智能加載在一起。我們想把腦的彈性和計算機的剛性結合起來，把數據驅動和知識推動結合起來，把通用知識和推理結合起來，當然這是一個非常有挑戰耐心難過的長期的研究。

我們的策略是循序漸進，我們可以設想一下，我們先專注在一個問題的研究，使之可以成為第一代，然后兩個問題一起研究，這可以成為第二代，然后第三代第四代最后第五代，從而到我們構建人工通用智能。

我們發展類腦計算，來支撐人工通用智能。因為它是通用智能，所以它可以賦能各行各業，可以有很多應用，我們對其中一個應用，“智能教育”特別感興趣。因為教育的很多問題都可以通過這樣的研究進行解決，比如說我們高質量的教育資源很稀少，所以造成教育不公；再一個就是要因材施教，我們每個人是不一樣的；另外經費有限，我們的儀器有限，很難做到真正的理論聯系實際等等。

隨著類腦計算，人共同用智能發展，這些都會逐漸解決，然后發展新的系統。但是還有一個很重要的因素，因為教育最主要的是塑造人。我們回顧一下，自工業革命以來，我們發展了蒸汽機、發電機、計算機，大數據到現在的萬物互聯，我們一直在改變外部世界，改變物質生活，我們現在的世界有很多的矛盾，我們忽然發現當物質生活發展很快的時候，精神生活實際上沒有同步發展，這一次我們在智能時代，我們發展類腦計算，我們有機會向內發展，審視我們的內心。

我通常只參加學術的活動，這次之所以接受騰訊的邀請來做演講，是因為他們提出了一個“科技向善”的理念，和我們的理念相通，我們衷心希望在人類發展技術，探索外界世界的同時，也能夠研究一下我們的內在世界，內外兼修，共同發展，建設一個美好和諧的世界。