对于新兴的类脑计算系统领域，需要首先解决的问题是什么？

在人类漫长的历史进程中，理解智能、理解我们的大脑一直是一个被不断追逐的梦想；而自近代以来，随着科技的不断进步，如何创造一个“大脑”，如何自己创造出智能更是吸引了众多科学家竞相比拼。用机器模拟生物神经网络的结构和信息加工的潜力，这就是我们所说的类脑计算，也叫神经形态计算。

目前的类脑计算研究尚处于起步阶段，国际上还没有形成公认的技术标准与方案。清华大学一项最新研究成果首次提出“类脑计算完备性”以及软硬件去耦合的类脑计算系统层次结构，填补了类脑研究完备性理论与相应系统层次结构方面的空白。10月15日，清华大学召开新闻发布会，介绍了这一类脑计算体系结构领域的重要突破。而在成果背后，这一场源自于新兴研究领域的科技成果发布会也为我们带来三点启示。

新兴研究也许并不“新”，要学会从科学进程中寻找方向

近年来，从AlphaGo战胜人类顶级围棋选手，到人工智能系统预测、缓解人流拥堵，人工智能不再是一个新鲜词语。但在清华大学精仪系教授施路平看来，这些突破大多是从智能的某个领域接近或超过人类智能，是一种“窄化的人工智能”：“这些系统无法将这种能力从一项任务转移到另一项任务。作为人工智能的终极目标，‘通用人工智能’应该是一种可以执行人类能够完成的所有任务的人工智能，即‘类脑’。”

在施路平看来，与外界对新兴研究领域的某些认知不同，发展人工通用智能不是一个新的想法，而是随着科技发展需要紧紧把握住的“关口”：“如果我们看一下过去图灵、冯诺依曼这些大科学家早期的文章，会发现这是我们一直以来的梦想。现在为什么是发展人工通用智能最好的时机呢？因为随着精密仪器的发展，我们对脑知道得越来越多，我们似乎到了一个理解脑的关口。超级计算机的发展可以使我们进行很好的模拟仿真，省钱、省力、省时间。大数据、云计算给我们提供了一个像脑一样复杂的系统，和脑交相呼应，我们可以共同研究、互相促进。另外，纳米器件已经可以使我们去发展像人脑能耗水平一样的神经元和突触这样的电子器件。科学家要学会借助时代发展寻找课题。”

新兴研究不要过度逐“新”，更不能放松对基础问题的关注

这场发布会带来的另一个启示是，某些时候，新兴研究不要过度逐“新”，更不能放松对基础问题的关注。

记者了解到，现有类脑计算系统研究大多聚焦于具体的芯片、工具链、应用和算法的创新实现，而忽略了从宏观和抽象层面上对计算完备性和体系结构的思考。类脑计算软硬件间的高度耦合阻碍了它们在独立发展的同时互相兼容的可能性，如何突破这一局面，扩展类脑计算系统的应用场景？这成了上述团队下决心要解决的重点问题。

“通用计算领域的图灵完备性和冯·诺依曼体系结构都是非常基础、大家也非常熟悉的概念，以至于很多人都不会意识到，对于新兴的类脑计算系统领域，这是一个需要首先解决的问题。”清华大学计算机系研究员张悠慧说。

施路平也认为，当前类脑计算的某些研究走向了一个极端：过度关注技术应用，而忽略了对最基础问题的研究。“这是需要注意和警惕的。很多时候，如果没有一个基础的标准、方案，只追逐最时兴的应用层面的东西，并不足以支持一个领域的发展。”施路平说。

新兴研究要关注新的科学点，还要融合出“新团队”

而在科研攻关的过程中，让团队成员感到压力的，不是科学问题上的挑战，而是来自于如何融合出一个“新团队”。这也是当前很多新兴研究领域面对的困境。

“发展类脑计算和人工通用智能，真正的挑战既不是科学，也不是技术，而是我们的学科分布使得我们没有合适的人做这样的研究。而且，脑科学和计算机科学，一个探索自然世界，一个更关注应用，它们有不同的文化和语言，目标也不一样，所以多学科融合尤为关键。”施路平告诉记者，清华大学类脑计算研究中心由精仪系、计算机、电子、微电子、自动化、材料系和医学院7个院系组成：“我们7个院系的老师在一起反复讨论，每周半天的时间，最后我们7年只做了一件事情，叫‘融合、融合再融合’。”

但这位科学家也坦言，当前困扰不少科学研究的关键点也就在于“融合”这两个字：“但在很多时候，跨学科交叉坚持起来很难，因为不同团队有自己各自的诉求，短期或长期的。这时就需要探索一种机制能够将人有效地结合、团结在一起。”
责任编辑:pj