类脑人工智能面临两大困境，但别绝望啊，研发也算有点进展

文章概览：

类脑人工智能研发面临两大困境：第一对大脑知之甚少，第二没法把大脑的工作方式抽象成计算机可以理解的数学模型，这就是类脑人工智能开发困难的两大原因。目前人类的努力取得一些进展，例如，已经有光遗传学和双光子显微镜等技术手段,观察神经元协作有了工具；在大脑信息处理的数学模型化方面取得了一定进展，使得输入信息变成计算机或AI能读懂的语言。

2017年春夏之交，在地表最强的柯洁大棋士与阿尔法狗的三番棋鏖战中，人工智能（AI）阿尔法狗表现出的压倒性优势让柯洁在五局比赛中没有占据过哪怕一点先机。最后，整个围棋圈乃至全人类都认可的一件事情是，AI已经彻底征服了围棋，完全博弈类游戏的最后高峰也被攻占了。

可能读者们已经注意到了上句话中的定语，那么什么是完全博弈类游戏呢？完全博弈类游戏的学术定义很唬人，小编直接用大白话给大伙儿翻译一下，完全博弈类游戏就是双方共享相同的游戏视野，共享相同的出招表，具体到围棋来讲，棋盘上的局面信息是一样的，行棋规则是一样的。那么，非完全博弈类游戏呢？举一个例子大家就能明白，《星际争霸》这类即时战略游戏，双方视野就完全不同，由于战争迷雾（War Fog）的存在，交战时间之外双方并不清楚对方在做什么。

在非完全博弈类游戏领域，AI的表现可比非完全博弈类游戏差的远了。还是拿《星际争霸》为例，目前AI仅仅在非常局限的设定下战胜过人类高手，比如1V1的短兵相接局。如果将游戏规则设定为正常的对战规则，人类的计谋和策略就可以发挥作用，目前的AI将很可能只有游戏中的疯狂电脑水平。这一事实折射出目前AI发展的瓶颈之一，AI还不能像大脑一样思考，这也是我们发展类脑人工智能的初衷之一。那么，我们应该如何认识类脑人工智能，它的开发难点到底在哪里，我们已经取得的成绩是什么呢？

非完全信息博弈类游戏的典型例子，玩家并不知道对方此刻在做什么，资料来源1

什么是类脑人工智能，它与传统人工智能的区别在哪里？

类脑人工智能，顾名思义就是像人类大脑一样的人工智能，它拥有与大脑类似的信息处理机制，可以搜集加工来自不同感官的信息，自行做出适当的判断，最后再指挥类似运动神经元的输出系统做出与人体反应类似的行动。拿科幻巨作《星球大战》举个例子，类脑人工智能就算到不了3PO的水平至少也得跟R2-D2差不多吧？

《星球大战》中的两大类脑人工智能谐星

也就是说，人类设想中的类脑智能既要包括像大脑一样处理感官信息的能力，还得能够操纵类似灵活的关节以及协调良好的肌群这样高度复杂的机电系统。今天的人类科技水平在这两个环节上虽已初出茅庐，但都还没有取得颠覆性的成就，完全满足上述要求的类脑人工智能可能还有很长的路要走。

科幻电影铁甲钢拳中，身形矫健的类脑人工智能机甲

开发类脑人工智能的难点在哪里？

当我们提到脑，扪心自问，我们了解脑什么？

脑中的一千亿个神经元是如何协调同步以处理信息的？

他们处理信息的具体方式是什么？

实现记忆的机理是什么？

我们为什么会恐惧？

为什么会忧郁？

我们为什么可能患上老年痴呆症？

……

这一连串的问题，恐怕没有一个是当今科学技术所能圆满回答的，我们对脑的知识实在是少的超过我们最狂野的想象。

所以，开发类脑人工智能最困难的地方是，我们根本没搞清脑本身，又怎么去仿照脑来开发人工智能呢？

好吧，看来我们首先得好好研究研究大脑，可是当代脑科学研究面临的最大问题在过去的几十年中都一直横亘在我们面前。虽然我们已经对神经元间信号传导的生理机制有了一定了解，同时也对大脑皮层各个部分主要掌管或参与的生理活动有了一定研究，但是这两者之间信息的传递和解析是如何实现的，我们几乎一无所知。

神经元连接想象图

另外，类脑人工智能开发的另外一大困境是仿照大脑皮层运作模式的有效数学模型还完全看不到踪影，这一方面是由于大脑皮层的神经活动的生理机制尚不明了，另一方面也是由于具有通用性的大脑皮层数学模型建立难度确实太大。这里提到的通用性怎么解释呢？我们都知道人类丰富的感官信息全部由大脑皮层进行处理，然而目前最为先进的类脑人工智能也仅仅可以非常有限的处理某种单独的感官信息，通用性的仿大脑皮层数学模型仍然遥遥无期。

第一对大脑知之甚少，第二没法把大脑的工作方式抽象成计算机可以理解的数学模型，这就是类脑人工智能开发困难的两大原因。

在类脑智能研究方面我们最近取得了哪些进展？

上个章节光讲困难，不免让人绝望，实际上，在类脑人工智能的研究方面，人类多少还是做了一点微小的工作。与困难对应，在对大脑的进一步研究和大脑工作机理的模型化方面，人类都付出了艰苦的努力。

微观（神经元）与宏观（皮层脑区）之间的沟壑，学术界称之为介观脑科学，是21世纪脑科学研究中急需填补的空白。可喜的是，已经有光遗传学和双光子显微镜等技术手段，可以让人类调控特定神经元的活化和抑制乃至同时观察数千个神经元的协作情况等。

利用光遗传学技术绘制的果蝇脑神经元图像（脑虹）

资料来源3

光遗传技术绘制的神经元网络立体图

资料来源3

随着对大脑运作机理的不断揭示，人类也在大脑信息处理的数学模型化方面取得了一定进展。近年来，基于深度学习的人工神经网络不断创造人工智能应用的新神话，阿尔法狗也正是基于这种模型才取得了如此巨大的成功。对于这个模型的具体机制，大家其实没有必要完全搞懂，况且这也不是三言两语就能说清的问题，我们只要将基于深度学习的人工神经网络理解为是一种仿照大脑工作原理的数学模型即可。毕竟，只有将输入的信息数字化，计算机或AI才能对其进行处理，模型便是将信息数字化的核心工具。

即时战略游戏《星际争霸2》中某个对战场景的建模过程

资料来源2

基于人工神经网络的视觉识别和语音识别可以说是发展较快的两个应用领域，甚至在很多领域已经实现了对人的替代。在浏览器中随便检索一番，就能发现很多新奇的应用，人脸识别，表情识别，步态识别，特定目标识别（车牌、水果、肿瘤等）等早已不再新鲜，无人驾驶路况分析，多语种识别互译等也已经逐步走向商用。

AI面部识别系统

在这里，不能不提到国产的AI处理器，寒武纪。这款处理器是世界上第一款实现商用的深度学习专用处理器，基于自主开发的人工智能专用指令集，具有完全自主知识产权，在视觉识别，语音识别等人工智能技术的关键领域具备优于传统通用芯片的性能和能效。寒武纪芯片的成功上市，标志着中国的类脑人工智能研究水平完全是走在世界前列的。

华为麒麟970内置寒武纪芯片（示意图）

然而，即便是目前最先进的人工神经网络模型，在真正的大脑面前也是简陋的可怕，人类仅仅只是借鉴了大脑一点点最皮毛的运作模式，就能收获这么巨大的成功，类脑人工智能研究的美好未来还是值得期待的。

类脑人工智能与AI危机论

在柯洁与阿尔法狗的对战结束后，AI危机论的相关文章一时间传的铺天盖地，标题都是诸如“20年以后你的子女将失去工作”、“人工智能在食物链顶端鄙视你”等等。小编在保险公司就职的表姐特地把文章转过来，为自己四岁女儿的未来感到忧心忡忡。我们在文章中已经对类脑人工智能的研发状况和未来趋势做了一个简要的介绍，相信看过文章的读者都能对AI危机论有一个客观的看法。

比赛中的柯洁多次喝水以及手捂胸口

五大高手联袂出场，战况还不如柯洁一人

在人类对大脑运作机制充分阐明以及高通用性的大脑信息处理模型建立之前，类脑人工智能的发展都将会完全掌控在人类的能力之下。至于具备自我意识的人工智能是否会诞生以及人类是不是存在被奴役的风险，这样的宏大命题还是交给科幻片大导演们去讨论吧。

经典科幻电影《我，机器人》中失控AI反杀人类

资料来源：

1. AlphaGo Zero让人类作对手的资格都没有？

2. AI吊打Dota2人类高手？你被坑了

3.《自然》子刊：照亮大脑！光遗传学技术迎来重大突破，历时12年，终帮人类实现操纵单个神经元的梦想 | 奇点猛科技

4. 特集「脳科学とAI のフロンティア」にあたって

5. 浅谈类脑智能

6.全脳に匹敵する規模のリアルタイム計算を目指すポスト「京」脳型人工知能プロジェクト

7.Friston, K., Kilner, J. and Harrison, L.: A free energy principle for the brain, J. Physiol., Vol. 100, No. 1-3, pp. 70-87（2006）

8.Yamins, D. and DiCarlo, J. J.: Using goal-driven deep learning models to understand sensory cortex, Nature Neuroscience, Vol. 19, pp. 356-365（2016）

9. 脳型の認知アーキテクチャによる人工知能は、どのぐらいヒトに近づいたのか