清華大學Nature發文：通用人工智能的重大發展_風聞

　　人腦，是自然界中最完美的計算系統，不僅能處理多種複雜任務還有最高的效能，是目前唯一的**“通用智能體”**。清華聯合團隊提出的類腦計算系統新框架，或將加速通用人工智能的到來。

　　近日，清華大學計算機科學與技術系張悠慧團隊、精密儀器系施路平團隊與合作者首次提出**“類腦計算完備性”以及軟硬件去耦合的類腦計算系統層次結構**，該結論發表在10月14日的《自然》雜誌上。

　　Brain-inspired computing boosted by new concept of completeness論文

　　類腦計算研究受到越來越多的關注，其重要性正如歐盟人腦旗艦研究計劃項目所指出的：“在未來10到20年內，誰要引領世界經濟，誰就必須在這個領域領先。”

　　但是目前類腦計算尚處於起步階段，國際上也未形成公認的技術標準與方案。

　　清華大學這一成果通過理論論證與原型實驗證明了該類系統的硬件完備性與編譯可行性，並擴展了類腦計算系統應用範圍，使之能支持通用計算，填補了完備性理論與相應系統層次結構方面的空白，有利於未來自主掌握新型計算機系統核心技術，加速具有人類同等智慧或超越人類的人工智能發展。

　　現在，人工智能在很多領域有了突破性的進展，但是這些進展只能解決特定的問題。

　　基於馮·諾依曼架構的計算機在深度學習領域的成就，已經趕上或超過了人類的表現，但是在推理、決策等更靈活更復雜的問題上，還差的很遠。

　　傳統的計算機架構實現通用人工智能，也有很大的障礙。

　　一些研究試圖在傳統架構上，通過特定領域的語言或開發框架來實現通用計算，但這些研究通常沒有考慮系統的圖靈完備性，不能很好地模擬人腦的計算。

　　為了解決傳統計算架構的問題，張悠慧、施路平等人在這項研究中提出了“類腦計算完備性”概念，也就是他們所説的**“神經形態完備性”**，這是一種更普適的類腦計算完備性的定義，軟件和各種硬件的兼容性也更好。

　　“通俗地講，‘完備性’可以回答系統能夠完成什麼、功能邊界在哪裏等問題。研究完備性，能為軟硬件系統的解耦合、劃分不同研究領域間的任務分工與接口提供理論基礎。”張悠慧表示。

　　清華大學高性能計算研究所研究員張悠慧

　　同時，研究團隊還提出了一種全新的類腦計算系統層次結構，包括了軟件、硬件和編譯三個方面。

　　在該層次結構下，各種程序在任何神經形態完備的硬件上都能使用，遷移能力也更強。

　　向上，是圖靈完備的軟件模型，只要開發的算法是用圖靈完備的語言編寫的，就可以不再擔心硬件的約束問題。

　　向下，他們提出了類腦計算完備的硬件體系結構，相比於圖靈完備性，放鬆了對於計算過程與精度的要求，因此適配性更好。

　　硬件包括了所有類腦芯片和架構模型

　　而在軟件和硬件之間，他們開發了相應的編譯層。任意圖靈可計算的函數，都可以轉換為類腦計算完備硬件上的模型，讓類腦計算系統也可以支持通用計算。

　　編譯是將程序轉換為硬件可執行形式的中間件

　　如此一來，不同社區的團隊成果就可以融合起來，大大降低了軟件、硬件的開發難度，也減少了很多約束，像通用計算一樣，不同層次可以各自發展，成果又可以無縫兼容。

　　展望未來，張悠慧表示，類腦計算很有可能是實現通用人工智能的重要方向之一，但這中間還有很長的路要走，無論如何，在這一進步過程中，計算系統效率提升是實實在在的。

　　對於這個最新發現，行業內很多人發表了他們的看法。

　　“這是一個新穎的觀點，可能是對神經形態計算領域以及通用人工智能的重大發展”。

　　——《自然》雜誌審稿人

　　“這個發現在類腦計算系統領域做出了基礎性、原創性的貢獻，有利於自主掌握新型計算系統軟硬件核心技術”。

　　——計算機體系結構專家

　　華中科技大學計算機學院教授金海

　　“這一方法讓我們更接近利用類腦硬件所能取得的巨大成就。儘管在神經形態計算領域，要把許多工業和學術研究小組的工作結合起來還很難，但施路平和張悠慧等人此次提出這一層次結構，是朝這個方向邁出的重要一步。”

　　——英國曼徹斯特大學計算機科學系

　　博士奧利弗·羅茲

　　（本文未經造就授權，禁止轉載。）

　　參考：

　　1.https://www.nature.com/articles/d41586-020-02829-w Zhang,Y., Qu, P., Ji, Y. et al. A system hierarchy for brain-inspired computing. Nature 586, 378–384 (2020). 

　　2.https://doi.org/10.1038/s41586-020-2782-y

　　Roy,K., Jaiswal, A. & Panda, P. Towards spike-based machine intelligence withneuromorphic computing. Nature 575, 607–617 (2019).

　　3.https://doi.org/10.1038/s41586-019-1677-2

　　4.https://www.nature.com/articles/s41586-019-1424-8