无论是千百年前的偃师传说，还是近代以来各种科幻小说，让机器人像人类一样思考和行事，一直都是人类的梦想。然而要实现这一梦想，就必须给机器人一颗类似人类的“大脑”。为此，人类在不断探索着脑科学的奥秘，用机器模拟生物神经网络的结构和信息加工的潜力，后者就是类脑计算，也叫神经形态计算。

　　当前，类脑计算在世界范围内尚处于初步探索阶段，也正因为如此，目前该领域还没有形成公认的技术标准与方案。不过近日，清华大学计算机科学与技术系研究员张悠慧团队和类脑计算研究中心主任施路平团队与合作者在《自然》杂志发表的一篇题为《一种类脑计算系统层次结构》的论文，正在尝试改变这一现状。

　　“这篇论文填补了类脑计算系统领域完备性理论与相应的类脑计算系统层次结构方面的空白。”受访时，中国工程院院士、清华大学计算机科学与技术系教授郑纬民评价道。

　　缺失的理论基础 

　　在通用计算领域有两个著名概念——“图灵完备性”和“冯 诺依曼体系结构”。前者用来衡量计算系统是否能够用来解决通用计算问题，后者则是通用计算机运作的体系结构，该结构具有存储部件与计算部件分离、程序与数据统一存储等特性。

　　“通俗地说，一台机器是只能解决一个问题还是能解决通用计算问题？如果属于后者，那么就可以说是具有图灵完备性的。”在接受《中国科学报》采访时，张悠慧介绍说，可以简单地将冯 诺依曼体系结构理解为一种能够实现图灵完备性的处理器抽象模型。

　　“图灵完备性与冯 诺依曼体系结构可以使通用计算领域在软件层、编译层和硬件层具有统一的范式，从而使不同层次各自发展而又可以无缝兼容。”张悠慧表示，这两个基本概念几乎构建起了目前所有处理器、计算机、手机等设备的基本架构。

　　然而，类脑计算系统领域并没有属于自己的“图灵完备性”和“冯 诺依曼体系结构”。

　　“‘类脑计算’与‘通用计算’有很多不同。”施路平介绍，通用计算遵循图灵计算规则，极其注重每一步计算过程的精确性，而类脑计算往往是通过参数拟合去近似。“它不在乎过程，只在乎最后结果的意义和特性。”他表示，正是这样的区别，提出了对新的完备性理论和体系结构的需求。

　　然而，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对计算完备性和体系结构进行思考。“通用计算领域的图灵完备性和冯 诺依曼体系结构都非常基础，其概念也十分普及，以至于很多人都很难意识到，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。”张悠慧说，寻找类脑计算完备性，从而为类脑计算系统设计建立理论基础，也就成为了科研人员的努力方向。

　　新颖的观点 

　　研究过程中，团队成员思考的出发点，正是基于通用计算与类脑计算在计算方式上的不同。

　　相较于图灵计算对每个计算步骤精确性的苛求，类脑计算由于主要是通过神经网络完成，其一大特性是不追求过程的精确，而是更注重结果拟合，“基于此，团队提出了类脑计算的完备性，同时构建了一个相应的类脑计算机层次结构。”张悠慧说，在这个结构中，最上层为具有图灵完备性的软件层，它可以在目前认知范围内，支持一切可计算函数。底层为具有类脑完备性的硬件，在这两层之间，则是由他们提出的一套构造性算法实现编译适配。

　　“该算法可以将任何一个程序转换成类脑计算完备性上的等价模型。换言之，任意图灵可计算函数都可以转换为类脑计算完备硬件上的模型，这意味着类脑计算系统也可以支持通用计算，从而极大地扩展了类脑计算系统的应用领域，也使类脑计算软硬件各自独立发展成为可能。”张悠慧说。

　　特别值得一提的是，明确类脑计算机层次结构，除了实现不同层次之间的去耦合之外，也有望为各相关学科的研究人员“减负”。

　　类脑计算是典型的交叉学科，涉及脑科学、微电子、计算机等。这意味着在研究中，专业壁垒会增加学科之间互相理解、协同配合的难度。研究团队所提出的层次结构，可以使相关研究领域间的任务分工与接口更为清晰，有利于不同学科的研究人员专注于其专业领域、促进协同发展。

　　对此，《自然》杂志的一位审稿人认为，“这是一个新颖的观点，并可能被证明是神经形态计算领域及对人工智能追求的重大发展”。而郑纬民则直接评价：“这一基础研究的突破，要远比做出三五台类脑计算的机器重要得多。”

　　可期的未来 

　　在类脑计算领域，清华大学已经布局多年。2014年，该校成立了类脑研究中心。作为中心主任，对于目前类脑计算的发展态势，施路平有着自己的理解。

　　“如果现在回头去看图灵、冯 诺依曼等学术先驱的设想，会发现他们其实原本就是打算发展以类脑计算为基础的通用人工智能的，只是由于当时条件不具备，才逐渐走向了一个问题一个解决方案的‘窄人工智能’。”施路平说，现如今，人类已经迎来了发展类脑计算的良好契机。

　　究其原因，可以分为以下四个方面。

　　“首先是随着科技的进步，人类对大脑的理解愈加深入，甚至可以说是到了理解脑的‘关口’；其次，超级计算机的发展让科研人员可以做到更高水平的模拟仿真；第三，大数据、云计算等技术的发展，使人类可以建立一个和脑交相呼应的系统，实现彼此间的借鉴；最后，纳米技术的发展可以制造出与大脑能耗级别相当的先进器件。”施路平说。

　　早在2016年，《自然》杂志就曾刊文指出，类脑计算不但是迈向通用人工智能的极具潜力的路径，类脑计算架构与芯片也是后摩尔时代体系结构重大发展方向之一。

　　谈及未来，张悠慧表示团队将从理论层面和系统层面同时发力。其中，在理论层面，团队将更关注类脑应用的“神经形态特性”，持续完善完备性理论；在系统层面，团队则将致力于研发受脑启发的支持通用计算的新型计算机系统结构与芯片。

　　“团队还特别关注一个问题，就是如何扩展类脑完备系统的硬件原语，使之更好地适配通用计算。这是一个非常有意思的问题，在这个方面我们已经开展了相关的研究，希望能有好的消息。”张悠慧说。

　　相关论文信息：https://doi.org/10.1038/s41586-020-2782-y 

　　(记者 陈彬）