大家好，這里是老上光顯微鏡知識(shí)課堂，在這里你可以學(xué)到所有關(guān)于顯微鏡知識(shí)，好的，請(qǐng)看下面文章： 從知識(shí)分子，作者：黃鐵俊，原標(biāo)題：走向強(qiáng)大的智力：使圖靈的童年大腦。
    
     腦計(jì)算是中國腦規(guī)劃和腦研究的重要組成部分，這一部分的任務(wù)是什么這個(gè)概念是什么意思在腦力計(jì)劃的準(zhǔn)備過程中會(huì)有很多爭議，稍后會(huì)有辯論。爭論是一件好事，而且它有助于把有限的投資放在刀刃上。這里我圍繞著全班（哪種）大腦從大腦中得到什么計(jì)算（如何）三個(gè)問題是談?wù)勀阕约旱挠^點(diǎn)，并與業(yè)內(nèi)同行討論。
    
     人腦是宇宙中已知的最復(fù)雜的物體，擁有已知的最強(qiáng)的智能。雖然計(jì)算機(jī)在計(jì)算速度方面遠(yuǎn)遠(yuǎn)快于人腦，人工智能系統(tǒng)已經(jīng)把我們遠(yuǎn)遠(yuǎn)落后于Go等高智能游戲，但是這些都是罪惡。GLE事件，而大腦無疑是智力最強(qiáng)的全能運(yùn)動(dòng)員。
    
     正如歐盟人腦項(xiàng)目在其報(bào)告{1}中所建議的：除了人腦之外，沒有任何自然或人工系統(tǒng)能夠適應(yīng)新的環(huán)境和挑戰(zhàn)，自動(dòng)獲取新的信息和技能，在復(fù)雜的環(huán)境中做出有效的決策并代替工作。任何系統(tǒng)都無法保持具有多重?fù)p傷的人腦的健壯性，并且沒有人工系統(tǒng)在處理相同的復(fù)雜任務(wù)時(shí)能夠與人腦的低能耗相匹配。
    
     在人工智能方面，到目前為止所有的人工智能都是弱人工智能，而人腦是一個(gè)通用的智能系統(tǒng)，具有很強(qiáng)的人工智能，即自我意識(shí)，通過學(xué)習(xí)來適應(yīng)環(huán)境和迎接未知的挑戰(zhàn)。因此，繪制人腦是開發(fā)人工智能的重要途徑。
    
     大多數(shù)人理解人腦是功能大腦，即理解腦智能的工作機(jī)制或原理，然后根據(jù)這一科學(xué)原理設(shè)計(jì)人工智能系統(tǒng)。這種觀點(diǎn)常常影響人工智能技術(shù)的發(fā)展方向，但效果并不令人滿意，許多計(jì)算機(jī)和人工智能專家甚至對(duì)此感到厭倦，厭惡認(rèn)知科學(xué)甚至腦科學(xué)，這是為什么
    
     首先理解智能然后創(chuàng)造智能聽起來是合理的，但是它并不真正經(jīng)得起審查。特別是為了實(shí)現(xiàn)強(qiáng)大的人工智能，這條路根本行不通。
    
     理解腦智能，或者說發(fā)現(xiàn)意識(shí)的生物學(xué)基礎(chǔ){2}，是人類面臨的最重要的科學(xué)問題之一，也是包括中國腦工程在內(nèi)的所有腦項(xiàng)目中最重要的問題。我們能解決這個(gè)問題多少年樂觀的大腦科學(xué)家相信這將需要幾百年的時(shí)間，而悲觀的大腦科學(xué)家相信它永遠(yuǎn)不會(huì)被解決，因?yàn)榻鉀Q之日是大腦科學(xué)的終結(jié)。在1956年的人工智能起點(diǎn)會(huì)議上，人們討論了類似的問題：一群神經(jīng)元如何形成conCEPTS事實(shí)上，這是人工智能（尤其是人工智能）的核心問題。問題仍然是問題。
    
     因此，理解智力是制造智力的先決條件，即在開發(fā)一個(gè)強(qiáng)大的人工智能系統(tǒng)之前破解大腦的奧秘，實(shí)際上是以一個(gè)更難（甚至最難）的問題為先決條件，犯錯(cuò)誤。把馬車放在馬前。思想根源在于迷信，科學(xué)是技術(shù)的基礎(chǔ)和前提。
    
     事實(shí)上，人類歷史上的重大技術(shù)突破常常發(fā)生在科學(xué)原理被揭示之前。例如，萊特兄弟在1903年發(fā)明了這架飛機(jī)，而馮·卡門直到1908年在巴黎目睹了這架飛機(jī)，才相信它，并決定弄清楚它為什么會(huì)飛；直到1946年，他和錢學(xué)森系統(tǒng)才提出空氣動(dòng)力學(xué)。有許多例子：從中國的四大發(fā)明到樂器，甚至貼在日常生活中，它們?cè)诮沂究茖W(xué)原理之前都是在實(shí)踐中成功的。
    
     任何客觀事物都可以分為兩個(gè)層次：結(jié)構(gòu)和功能。結(jié)構(gòu)是功能的基礎(chǔ)。功能是結(jié)構(gòu)的表達(dá)。基本單元根據(jù)特定的結(jié)構(gòu)組成復(fù)雜的對(duì)象，在與環(huán)境相互作用的過程中顯示出特定的功能，大腦結(jié)構(gòu)是指由各種由突觸連接的神經(jīng)元(神經(jīng)細(xì)胞)組成的復(fù)雜神經(jīng)網(wǎng)絡(luò)。函數(shù)是指大腦的神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)行為，包括思維/意識(shí)現(xiàn)象。
    
     腦科學(xué)研究的中心任務(wù)是發(fā)現(xiàn)特定功能（正常腦功能或異常腦病）的結(jié)構(gòu)基礎(chǔ)。腦計(jì)劃的實(shí)施可以支持和加速，甚至實(shí)現(xiàn)一些地方突破。但是大腦（結(jié)構(gòu)）如何產(chǎn)生智力（功能）呢這個(gè)問題需要數(shù)十年甚至數(shù)百年的長期努力，沒有人敢預(yù)測在大腦計(jì)劃的十年實(shí)施周期中它將走多遠(yuǎn)。
    
     因此，要想在大腦程序執(zhí)行周期中取得突破，我們不能走功能腦的技術(shù)路線，只能等待認(rèn)知科學(xué)家猜出謎語，而走結(jié)構(gòu)腦模擬的路徑。
    
     所謂結(jié)構(gòu)腦模擬，就是根據(jù)生物腦介觀圖譜的藍(lán)圖，用微型和納米器件模擬生物神經(jīng)元和突觸的信息處理功能，與神經(jīng)科學(xué)家合作構(gòu)建仿生神經(jīng)網(wǎng)絡(luò)。訓(xùn)練訓(xùn)練用于產(chǎn)生與生物腦{ 3 }相似的信息處理功能和系統(tǒng)行為。
    
     結(jié)構(gòu)性大腦模擬是基于繪制大腦圖譜，這是未來十到十五年大腦計(jì)劃的中心任務(wù)。它不僅是腦科學(xué)的基礎(chǔ)，也是類腦計(jì)算的基礎(chǔ)，結(jié)構(gòu)腦模擬的目標(biāo)是類腦計(jì)算機(jī)，更生動(dòng)的名稱是電子腦。它是有望實(shí)現(xiàn)更強(qiáng)的人工智能甚至更強(qiáng)的人工智能的新一代計(jì)算平臺(tái)。
    
     結(jié)構(gòu)腦擬態(tài)主要涉及腦結(jié)構(gòu)的分析和模擬。這本質(zhì)上是一個(gè)工程問題。經(jīng)過持續(xù)努力，十年時(shí)間尺度有可能取得重大突破。本文的主要內(nèi)容是介紹這一途徑的可行性和最新進(jìn)展。樂觀估計(jì)表明，結(jié)構(gòu)腦模擬很可能在10-20年內(nèi)獲得成功，保守估計(jì)不應(yīng)超過30年。對(duì)生物腦和生物智能的控制，易于操縱和控制，可以加速腦科學(xué)和數(shù)學(xué)科學(xué)家解決大腦歷史過程的奧秘。不是理解大腦奧秘的結(jié)果，而是率先實(shí)現(xiàn)它的基礎(chǔ)和先決條件。
    
     如上所述，類腦計(jì)算不是功能腦，而是由結(jié)構(gòu)腦，即神經(jīng)元和突觸組成的大規(guī)模生物神經(jīng)網(wǎng)絡(luò)。
    
     從結(jié)構(gòu)層面理解大腦是現(xiàn)代神經(jīng)科學(xué)的起點(diǎn)。1906年，諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)授予卡米洛·高爾基（1843-1926）和圣地亞哥·拉蒙尼·卡哈爾（1852-1934），以表彰他們?cè)谏窠?jīng)系統(tǒng)結(jié)構(gòu)方面的工作。他們提出了神經(jīng)元染色并繪制了大量的精細(xì)生物神經(jīng)網(wǎng)絡(luò)，至今仍在使用。
    
     神經(jīng)元或神經(jīng)細(xì)胞是大腦中神經(jīng)網(wǎng)絡(luò)的基本單位。對(duì)于它們的功能，McCulloch和皮茨在1943個(gè)想象的邏輯開關(guān)中是完全的或不存在的，但是生物神經(jīng)元真的是這樣的嗎在1939，Alan Hodgkin（1914-1998）和他的博士后研究員Andrew Huxley（1917-2012）剛剛回到劍橋，拿起大西洋魷魚的巨大神經(jīng)元，并制作了一個(gè)快速測量其靜息電位的工具，以及動(dòng)作電位，實(shí)驗(yàn)結(jié)果。NT在《自然》雜志上發(fā)表。當(dāng)時(shí)，第二次世界大戰(zhàn)爆發(fā)了。直到1946，霍奇金和赫胥黎再次拿起了膜片鉗，又花了六年細(xì)致地測量了電信號(hào)（神經(jīng)脈沖）的神經(jīng)傳遞的動(dòng)態(tài)過程。稱為動(dòng)作電位并給出描述這一動(dòng)態(tài)過程的微分方程，稱為Hodgkin Huxl方程。EY方程，稱為HH方程）{ 4 }，在1963獲得了諾貝爾獎(jiǎng)。不幸的是，許多人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域的神經(jīng)網(wǎng)絡(luò)專家都這樣做。甚至不知道這個(gè)方程式的存在，包括人工神經(jīng)網(wǎng)絡(luò)模型的深入學(xué)習(xí)，至今仍采用1943年的簡化模型！
    
     其次是突觸解析，它正在向中國肩膀轉(zhuǎn)移，中國現(xiàn)代神經(jīng)科學(xué)的奠基人馮德培（1907-1995）和張向東（1907-2007）在神經(jīng)可塑性的研究上做出了杰出的貢獻(xiàn)。
    
     在1952，當(dāng)Hodgkin Huxley方程發(fā)表時(shí)，張翔通發(fā)現(xiàn)樹突具有電興奮性，而樹突中的突觸可能在神經(jīng)元興奮的精細(xì)調(diào)節(jié)中起重要作用。1992，國際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)授予張希。他認(rèn)為，樹突狀電流在神經(jīng)整合中起著重要作用，這為未來使用微分方程的電子計(jì)算機(jī)的發(fā)展奠定了基礎(chǔ)。NS和連續(xù)時(shí)間變量代替數(shù)字脈沖邏輯。
    
     1998年，畢國強(qiáng)和布母明提出了突觸沖動(dòng)STDP的時(shí)間依賴性可塑性機(jī)制{6-7}：重復(fù)的突觸前沖動(dòng)有助于隨后突觸后動(dòng)作電位的產(chǎn)生，并導(dǎo)致突觸后動(dòng)作電位的長期增強(qiáng)。相反的時(shí)間關(guān)系導(dǎo)致長期的抑制。2000年，宋森等人給出了STDP的數(shù)學(xué)模型{8-9}。2016年，普慕明院士……美國神經(jīng)學(xué)會(huì)格魯伯神經(jīng)科學(xué)獎(jiǎng)因神經(jīng)元如何建立新的連接或改變而獲獎(jiǎng)。基于現(xiàn)實(shí)世界經(jīng)驗(yàn)的現(xiàn)有連接的強(qiáng)度。
    
     盡管突觸非常微小，但是對(duì)于越來越多的精密探測器來說，沒有任何障礙是無法克服的。人類大腦中的突觸和神經(jīng)元數(shù)量已達(dá)到數(shù)百萬億。雖然它是龐大而復(fù)雜的，但它仍然是一個(gè)復(fù)雜的物理結(jié)構(gòu)。
    
     2008年，美國工程學(xué)院將腦逆向工程列為本世紀(jì)14個(gè)主要工程問題之一。請(qǐng)注意，這是解剖結(jié)構(gòu)的反向工程，而不是功能模擬。
    
     自2013年以來，歐洲人類大腦項(xiàng)目和美國的、日本和韓國的大腦計(jì)劃一直致力于繪制大腦結(jié)構(gòu)。
    
     2014年，華中科技大學(xué)（HUST）憑借腦單細(xì)胞分化光學(xué)顯微斷層成像榮獲自然科學(xué)二等獎(jiǎng)，并被歐洲人腦計(jì)劃用作小鼠腦模擬的基礎(chǔ)數(shù)據(jù)。
    
     2016年3月，美國情報(bào)研究計(jì)劃局（IARPA）推出了微米（大腦皮層網(wǎng)絡(luò)機(jī)器智能）計(jì)劃來逆向設(shè)計(jì)立方毫米皮層，并利用這些發(fā)現(xiàn)來改進(jìn)機(jī)器學(xué)習(xí)和人工智能算法。
    
     2016年4月，全球腦力工作坊2016提出了三個(gè)挑戰(zhàn)。個(gè)挑戰(zhàn)是繪制大腦結(jié)構(gòu){10}：在10年內(nèi)，我們希望能夠完成但不限于以下動(dòng)物大腦分析：果蠅、斑馬魚、小鼠、狨猴，并開發(fā)它們。大型大腦繪圖分析工具。好像要證明這個(gè)預(yù)測，9月2016年8月，日本東京大學(xué)宣布建立果蠅大腦的三維神經(jīng)網(wǎng)絡(luò)模型，包括超過10萬個(gè)神經(jīng)元{11}。
    
     2017年5月，北京大學(xué)在中國重點(diǎn)自然科學(xué)基金超高時(shí)空分辨率科研儀器的支持下，成功研制出新一代高速、高分辨率、小型化雙光子熒光顯微鏡。離子小型化雙光子體內(nèi)顯微成像系統(tǒng)獲得了小鼠自由行為時(shí)腦內(nèi)的神經(jīng)元和神經(jīng)。突觸圖像清晰穩(wěn)定。我國十五計(jì)劃已開始建設(shè)集光、聲、電、磁、放射性核素、電等為一體的多模態(tài)跨尺度生物醫(yī)學(xué)成像。電子和其他成像范式提供跨越十個(gè)時(shí)空尺度的分析能力，從埃米，微秒到小時(shí)，并具有高精度的大腦模型動(dòng)物的各種動(dòng)態(tài)分辨能力。
    
     即將啟動(dòng)的腦計(jì)劃將腦圖譜分析作為一項(xiàng)重要任務(wù)，明確了模型動(dòng)物腦結(jié)構(gòu)分析計(jì)劃，提出通過國際合作繪制腦介觀圖譜。這是腦科學(xué)研究的基礎(chǔ)，也是腦類計(jì)算的基礎(chǔ)。資源應(yīng)該得到優(yōu)先和有力的支持。
    
     神經(jīng)科學(xué)是認(rèn)知科學(xué)的基礎(chǔ)，建立良好的神經(jīng)網(wǎng)絡(luò)圖，鼓勵(lì)社會(huì)資源對(duì)認(rèn)知科學(xué)和腦疾病進(jìn)行研究是有意義的，但我們不能馬馬虎虎，重復(fù)歐洲人腦項(xiàng)目的混亂。第二，認(rèn)知科學(xué)。它把堅(jiān)持和不作為，把有限的精力放在解析大腦的精細(xì)神經(jīng)阿特拉斯的基本任務(wù)中。這是次突破。一個(gè)身體和兩個(gè)翅膀可以起飛。否則，胡須和眉毛就會(huì)被抓起來，十五年后必然會(huì)有雞毛。
    
     隨著計(jì)算機(jī)技術(shù)和工業(yè)的飛速發(fā)展，計(jì)算一詞的含義在不斷擴(kuò)大，似乎無所不能。然而，作者艾倫·馬奇森·都靈清楚地界定了能量與計(jì)算機(jī)不可能之間的理論界限。克，早在1936歲。
    
     眾所周知，圖靈的論文旨在證明不可數(shù)的、眾所周知的圖靈機(jī)模型的存在，但圖靈機(jī)模型是一個(gè)副產(chǎn)品。顯然，在這樣有限的范圍內(nèi)構(gòu)造智力顯然是不可取的。計(jì)算機(jī)和人工智能的先驅(qū)，包括圖靈在內(nèi)，并不認(rèn)為經(jīng)典的計(jì)算機(jī)是人工智能的實(shí)現(xiàn)，一個(gè)可行的平臺(tái)遠(yuǎn)不是實(shí)現(xiàn)強(qiáng)人工智能的平臺(tái)。
    
     1943年，在臺(tái)計(jì)算機(jī)發(fā)明的前三年，圖靈提出了電子大腦{13}的概念。1950年，圖靈發(fā)表了一篇名為《計(jì)算機(jī)與智能{14}的文章，它清楚地表明，真正的智能機(jī)器必須能夠?qū)W習(xí)。制造這種機(jī)器的方法是制造一種模仿兒童大腦的機(jī)器，然后進(jìn)行教育和訓(xùn)練。
    
     神經(jīng)網(wǎng)絡(luò)是人工智能發(fā)展的重要途徑，也是深學(xué)習(xí)所代表的新型人工智能熱潮的模型基礎(chǔ)，但迄今為止，人工神經(jīng)網(wǎng)絡(luò)已被過度簡化，并與生物腦N相比較。電子網(wǎng)絡(luò)，它們遠(yuǎn)不能在至少三個(gè)層面上進(jìn)行比較：
    
     其次，人腦是一個(gè)極其復(fù)雜的生物組織，由幾百種不同類型的幾千億個(gè)神經(jīng)元組成，每個(gè)神經(jīng)元都由幾千個(gè)甚至幾萬個(gè)突觸連接到其他神經(jīng)元，甚至使用簡化的神經(jīng)元模型和最強(qiáng)大的超級(jí)計(jì)算機(jī)模擬人腦，需要一百個(gè)站。
    
     第三，生物神經(jīng)網(wǎng)絡(luò)利用動(dòng)作電位來表達(dá)和傳遞信息，并根據(jù)非線性動(dòng)力學(xué)機(jī)制對(duì)信息進(jìn)行處理。目前的深度學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)不具有這些特征。
    
     人的智能和意識(shí)是生物神經(jīng)系統(tǒng)，一個(gè)大規(guī)模的非線性動(dòng)態(tài)系統(tǒng)的功能，為了創(chuàng)造更強(qiáng)的智能，甚至人類的智能，有必要在結(jié)構(gòu)和基元上更接近生物神經(jīng)網(wǎng)絡(luò)，即c創(chuàng)造圖靈所稱的童年大腦。超越經(jīng)典計(jì)算機(jī)的機(jī)器被稱為類腦機(jī)器或神經(jīng)形態(tài)機(jī)器，自上世紀(jì)80年代以來，研究一直在進(jìn)行。
    
     類腦機(jī)器或神經(jīng)形態(tài)機(jī)器是以生物神經(jīng)網(wǎng)絡(luò)為模型，以多尺度非線性時(shí)空信息處理為核心的神經(jīng)形態(tài)裝置構(gòu)成的智能機(jī)器。
    
     具體地說，從結(jié)構(gòu)層次模擬開始，利用微納光電器件模擬生物神經(jīng)元和突觸的信息處理功能，通過模擬大腦皮層神經(jīng)網(wǎng)絡(luò)和生物感知構(gòu)建仿生神經(jīng)網(wǎng)絡(luò)。器官。在仿真精度達(dá)到一定程度后，進(jìn)行外部刺激訓(xùn)練，使其產(chǎn)生并存活，大腦具有相似的信息處理功能和系統(tǒng)行為。
    
     大腦類機(jī)器背后的基本思想是繞過更難理解的智力科學(xué)問題。首先，利用結(jié)構(gòu)仿真等工程技術(shù)制造神經(jīng)形態(tài)學(xué)機(jī)器，然后通過訓(xùn)練間接實(shí)現(xiàn)智能仿真。EVEL接近大腦，智能水平超越大腦。
    
     模擬大腦的努力可以追溯到上世紀(jì)80年代，具有代表性的作品包括杰拉爾德·莫里斯·埃德爾曼(Gerald Maurice Edelman)的《基于大腦的設(shè)備》(BBD)(1929-2014)，美國生物學(xué)家，諾貝爾醫(yī)學(xué)或生理學(xué)獎(jiǎng)得主，以及現(xiàn)代微電子學(xué)和大規(guī)模集成電路。神經(jīng)形態(tài)工程{18-19}由加州理工學(xué)院教授卡佛·安德烈斯·米德(1934-)率先提出，近30年來，通過硬件逼近生物神經(jīng)網(wǎng)絡(luò)的神經(jīng)形態(tài)計(jì)算得到了穩(wěn)步的發(fā)展。世界范圍內(nèi)發(fā)表了超過2000篇論文。
    
     近年來，具有類腦特征的神經(jīng)形態(tài)學(xué)計(jì)算系統(tǒng)相繼出現(xiàn)，目前世界上有四個(gè)具有代表性的大型神經(jīng)形態(tài)學(xué)計(jì)算系統(tǒng)：斯坦福大學(xué)的Neurogrid{21}、海德堡大學(xué)的Brain Scale S i。n德國{22}，英國曼徹斯特大學(xué)的SpiNNaker系統(tǒng){23}，以及美國的IBM基于TrueNorth芯片的系統(tǒng){24}。這些系統(tǒng)與經(jīng)典計(jì)算機(jī)一樣，與1946年的臺(tái)計(jì)算機(jī)ENIAC相當(dāng)，但發(fā)展迅速。例如，歐洲人腦項(xiàng)目支持的大腦量表S有望在項(xiàng)目結(jié)束前一年，即2022年，在神經(jīng)信息處理方面超過人腦。
    
     中國腦型機(jī)器的發(fā)展沒有重大的計(jì)劃和行動(dòng)，但相關(guān)的基礎(chǔ)研究工作已有十多年的歷史。作為兩項(xiàng)主要任務(wù)之一，腦認(rèn)知和腦類計(jì)算分別從理論基礎(chǔ)研究、腦類計(jì)算機(jī)開發(fā)和腦智能應(yīng)用三個(gè)層次上提出了九項(xiàng)任務(wù)。這些任務(wù)包括：腦結(jié)構(gòu)分析平臺(tái)、認(rèn)知功能仿真平臺(tái)和神經(jīng)形態(tài)學(xué)裝置，腦型處理器、機(jī)器學(xué)習(xí)芯片、腦型計(jì)算機(jī)、視聽感知、自主學(xué)習(xí)和自然對(duì)話等已經(jīng)動(dòng)員了科研人員。在北京，致力于解決主要通用技術(shù)，并取得了一些具有國際影響力的成果。在北京項(xiàng)目啟動(dòng)一個(gè)月后，美國能源部（超級(jí)計(jì)算機(jī)開發(fā)牽頭部門）于10月召集了專家。討論神經(jīng)形態(tài)計(jì)量計(jì)算：從材料到建筑{25}，這與北京腦科學(xué)和類腦計(jì)算的布局非常相似。
    
     神經(jīng)形態(tài)學(xué)器件是近年來迅速發(fā)展的類似大腦的機(jī)器的晶體管。惠普2008年推出的用于模擬突觸的記憶晶體管器件；IBM在2016年8月使用相變材料模擬神經(jīng)元；9月份，美國馬薩諸塞大學(xué)阿姆赫斯特分校使用相變材料模擬神經(jīng)元。SA公司開發(fā)了一種用擴(kuò)散型記憶電阻器接近突觸的裝置，普林斯頓大學(xué)在10月份宣布了光子神經(jīng)元的發(fā)展，標(biāo)志著神經(jīng)形態(tài)測量儀的發(fā)展。競爭已經(jīng)進(jìn)入白熱化階段。
    
     我國對(duì)神經(jīng)形態(tài)器件的研究已有十多年。北京大學(xué)、清華大學(xué)、南京大學(xué)、上海微系統(tǒng)研究所、華中科技大學(xué)和國防科技大學(xué)的研究成果表明，中國很可能會(huì)對(duì)這一領(lǐng)域產(chǎn)生重大影響。在將evices用于神經(jīng)計(jì)算系統(tǒng)之前，它們還有很長的路要走，它們將從根本上塑造神經(jīng)計(jì)算機(jī)的未來，就像晶體管和集成電路對(duì)經(jīng)典計(jì)算機(jī)的貢獻(xiàn)一樣。
    
     我國在經(jīng)典計(jì)算機(jī)時(shí)代錯(cuò)失了歷史機(jī)遇。經(jīng)過不懈的努力，高性能計(jì)算機(jī)已經(jīng)走在世界前列，但計(jì)算機(jī)行業(yè)的空洞局面難以挽回，神經(jīng)形態(tài)計(jì)算和腦型計(jì)算機(jī)的革命正在展開。中國應(yīng)盡快進(jìn)行戰(zhàn)略部署，集中優(yōu)勢研究力量，突破基本設(shè)備(神經(jīng)形態(tài)測量設(shè)備)、核心芯片(神經(jīng)形態(tài)測量處理器)和基礎(chǔ)軟件及整機(jī)，實(shí)現(xiàn)腦型計(jì)算機(jī)的內(nèi)源性發(fā)展。工業(yè)，作為新一代人工智能，最強(qiáng)大的人工智能奠定了機(jī)器的基礎(chǔ)。
    
     在1950篇題為《計(jì)算機(jī)與智能》{ 14 }的文章中，Alan Turing沒有停止思考智能機(jī)器。相反，他建議我們應(yīng)該目光短淺，知道應(yīng)該遵循的實(shí)際路徑。沿著這條路線，古典計(jì)算機(jī)已經(jīng)從計(jì)算機(jī)機(jī)器發(fā)展到支持算法、模型和應(yīng)用（包括人工智能）的通用平臺(tái)。計(jì)算機(jī)已成為平行于理論和實(shí)驗(yàn)的第三種科學(xué)研究范式。
    
     大腦和意識(shí)作為自然科學(xué)的最后一個(gè)前沿，既離不開經(jīng)典計(jì)算機(jī)的支持，又需要從大腦神經(jīng)系統(tǒng)的精細(xì)結(jié)構(gòu)出發(fā)，開發(fā)出能夠再現(xiàn)大腦功能的計(jì)算機(jī)（大腦樣機(jī)）。
    
     (1)先結(jié)構(gòu)，后功能：應(yīng)從生物神經(jīng)系統(tǒng)的結(jié)構(gòu)模擬開始，而不是從生物智能的功能模擬開始，即科學(xué)基礎(chǔ)主要是神經(jīng)科學(xué)，而不是認(rèn)知科學(xué)；
    
     (2)腦裝置級(jí)近似：必須開發(fā)具有接近或超過生物神經(jīng)元和突觸的功能和尺度的神經(jīng)形態(tài)學(xué)裝置，以制造大規(guī)模神經(jīng)網(wǎng)絡(luò)硬件系統(tǒng)；
    
     (3)結(jié)構(gòu)層次模擬大腦：在實(shí)施相似生物智能后，需要學(xué)習(xí)生物神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)的新結(jié)構(gòu)設(shè)計(jì)，簡化、優(yōu)化和擴(kuò)大規(guī)模；
    
     (4)腦外功能層面：利用互聯(lián)網(wǎng)數(shù)據(jù)、物聯(lián)網(wǎng)傳感器、虛擬環(huán)境等刺激訓(xùn)練硬件神經(jīng)網(wǎng)絡(luò)，培養(yǎng)智能；
    
     （5）首先理解機(jī)器智能，然后理解生物智能：建模和分析機(jī)器智能生成的動(dòng)態(tài)過程，理解機(jī)器智能，然后將這種理解外推到生物系統(tǒng)，補(bǔ)充生物Expe。了解生物智慧，甚至人類意識(shí)。
    
     基于這些原理的計(jì)算機(jī)不需要等待大腦科學(xué)的認(rèn)知原理的突破。通過獲取生物神經(jīng)網(wǎng)絡(luò)的介觀映射圖以及神經(jīng)元和突觸的功能特性，可以創(chuàng)建具有類似工作模式和生物大腦性能的智能機(jī)器，甚至可以產(chǎn)生自我意識(shí)。這將揭開大腦，最終的謎團(tuán)是一個(gè)重要的步驟。
    
     我們的大腦是一個(gè)足夠復(fù)雜的結(jié)構(gòu)，可以映射和表達(dá)存在于外部世界的復(fù)雜結(jié)構(gòu)；我們的大腦是一個(gè)動(dòng)態(tài)的復(fù)雜系統(tǒng)，用來感知和處理復(fù)雜的動(dòng)態(tài)世界；我們的大腦在處理形式I時(shí)動(dòng)態(tài)系統(tǒng)的轉(zhuǎn)換和抽象。當(dāng)然，我們的大腦仍然是一個(gè)復(fù)雜度有限的結(jié)構(gòu)，復(fù)制這種結(jié)構(gòu)只是制造更復(fù)雜結(jié)構(gòu)的起點(diǎn)。一旦計(jì)算機(jī)成為現(xiàn)實(shí)，它就會(huì)同時(shí)發(fā)生。
    
     1。H Markram，K Meier等人。人類大腦計(jì)劃，歐洲委員會(huì)的報(bào)告。HBPPS聯(lián)盟，2012年4月。
    
     2。Greg Miller。意識(shí)科學(xué)的生物學(xué)基礎(chǔ)是什么第309卷，第5731期，第79頁。2005年7月
    
     3.黃鐵軍。用神經(jīng)計(jì)算機(jī)模擬大腦，走向人工智能的新途徑{J}。國際自動(dòng)化和計(jì)算雜志，第14卷，第5期，第520-531頁，2017年。
    
     4。霍奇金A，Huxley A.：膜電流的定量描述及其在神經(jīng)傳導(dǎo)和興奮中的應(yīng)用生理學(xué)雜志，1952, 117（4）：500—54。
    
     6。郭強(qiáng)碧，木明浦。培養(yǎng)海馬神經(jīng)元的突觸修飾：對(duì)尖峰時(shí)間、突觸強(qiáng)度和突觸后細(xì)胞類型的依賴性。神經(jīng)科學(xué)雜志18:10464-1047，1998。
    
     郭強(qiáng)碧，木明浦。圖案化刺激誘導(dǎo)神經(jīng)網(wǎng)絡(luò)的突觸修飾自然，401（6755）：792-796，1999。
    
     8。森松，Kenneth D. Miller，L.F. Abbott。通過尖峰時(shí)間依賴性突觸可塑性競爭HeBib學(xué)習(xí)。自然神經(jīng)科學(xué)3:919-926，2000。
    
     9.Sen Song,L.F.Abbott.柱和地圖發(fā)育和通過與峰時(shí)相關(guān)的可塑性的皮質(zhì)重排.Neuron 32:339-50,2001
    
     10.J T Vogelstein，K Amunts等人。全球腦科學(xué)大挑戰(zhàn)。
    
     11.R.Mizutani，R.Saiga，A.Takeuchi，K.Uesugi，Y.Suzuki。果蠅大腦半球的三維網(wǎng)絡(luò)。
    
     12.艾倫·M·圖靈。論可計(jì)算數(shù)，及其對(duì)Entscheidungs問題的應(yīng)用。倫敦?cái)?shù)學(xué)學(xué)會(huì)學(xué)報(bào)。2.42.pp.230-65，1937。{交付給社會(huì)1936年11月}。
    
     13。安德魯·霍奇斯。艾倫圖靈：謎。倫敦：年份，1992，P251。
    
     14、Alan M. Turing。計(jì)算機(jī)器和情報(bào)。Mind LIX（236）：433—460, 1950。
    
     15。T. Huang。類似腦的計(jì)算。現(xiàn)在計(jì)算，第9卷，第5期，五月。2016，IEEE計(jì)算機(jī)學(xué)會(huì){聯(lián)機(jī)}
    
     16.G N Reeke,O Sporns,Gerald M.Edelman.合成神經(jīng)建模:達(dá)爾文系列識(shí)別自動(dòng)機(jī).IEEE學(xué)報(bào),第78卷,第9期,第1498-1530頁,1990年9月.doi:10.1109
    
     17、Gerald M. Edelman。在基于大腦的設(shè)備{j}中學(xué)習(xí)。科學(xué)，2007，{j}。
    
     18。卡佛·米德。神經(jīng)形態(tài)電子系統(tǒng)。IEEE會(huì)議錄，第78卷，第10期，PP. 1629—1636，OCT 1990
    
     19、C Mead、M Ismail（ED）。神經(jīng)系統(tǒng)的模擬VLSI實(shí)現(xiàn)。（1989）
    
     20。Catherine D. Schuman、Thomas E. Potok、Robert M. Patton、J. Douglas Birdwell、Mark E. Dean、Garrett S. Rose和杰姆斯S·普蘭克。神經(jīng)形態(tài)計(jì)算和神經(jīng)網(wǎng)絡(luò)在硬件中的應(yīng)用綜述2017年5月。http://ARXIV.org pdf 1705.06963.pdf
    
     21.B V Benjamin，...K Boahen，Neurogrid：用于大規(guī)模神經(jīng)模擬的混合模擬數(shù)字多芯片系統(tǒng)，IEEE學(xué)報(bào)，第102卷，第5期，PP 699-716，2014。
    
     22.K.Meier.混合信號(hào)通用神經(jīng)形態(tài)計(jì)算系統(tǒng).2015 IEEE國際電子器件會(huì)議(IEDM)，pp.4.6.1-4.6.4，2015。
    
     24.P A Merolla等。具有可伸縮通信網(wǎng)絡(luò)和接口的百萬個(gè)尖峰神經(jīng)元集成電路。科學(xué)345 668-73，2014。
    
     本文作者是作者：黃鐵俊，禁止復(fù)制和使用，未經(jīng)書面許可。公眾號(hào)碼、報(bào)紙等的復(fù)制請(qǐng)聯(lián)系授權(quán)：
    
     網(wǎng)站網(wǎng)友點(diǎn)擊量更高的文獻(xiàn)目錄排行榜： 點(diǎn)此鏈接 關(guān)注頁面底部公眾號(hào)，開通以下權(quán)限： 一、獲得問題咨詢權(quán)限。 二、獲得工程師維修技術(shù)指導(dǎo)。 三、獲得軟件工程師在線指導(dǎo) toupview,imageview,OLD-SG等軟件技術(shù)支持。 四、請(qǐng)使用微信掃描首頁底部官主賬號(hào)！