近日，中國科學(xué)院自動(dòng)化研究所徐波研究員和中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心蒲慕明院士在《國家科學(xué)評論》（NSR）上發(fā)表社論，就以促進(jìn)更加綠色的類腦通用人工智能為目標(biāo)，評述如何發(fā)展腦啟發(fā)的類腦神經(jīng)網(wǎng)絡(luò)架構(gòu)、類腦學(xué)習(xí)算法及基于脈沖編碼的類腦計(jì)算軟硬件等。

《國家科學(xué)評論》刊發(fā)社論

大語言模型（LLM）的出現(xiàn)以及它們在生成任務(wù)中的驚人表現(xiàn)預(yù)示著通用人工智能（AGI）新時(shí)代的開始。在很大程度上，它們已經(jīng)通過了經(jīng)典的圖靈測試。

通過與機(jī)器人結(jié)合，大模型將進(jìn)一步發(fā)展出更強(qiáng)大的具身智能?；诖笳Z言模型的各種科學(xué)、教育和商業(yè)應(yīng)用正激發(fā)人們對未來人工智能的無限遐想。然而，大語言模型存在著大量的連接參數(shù)，它們在訓(xùn)練和推理階段的計(jì)算調(diào)整和并行推理往往消耗了巨大的算力成本，這個(gè)問題將限制大語言模型作為社會基礎(chǔ)設(shè)施的廣泛應(yīng)用。

發(fā)展受腦啟發(fā)的類腦通用智能研究是解決現(xiàn)有問題的一種有效途徑。人類大腦是進(jìn)化過程賦予的一種高效生物神經(jīng)網(wǎng)絡(luò)，包含多樣的細(xì)胞類型和連接模式，且在人類出生后的腦發(fā)育過程中通過與環(huán)境交互進(jìn)一步完善并形成高效的連接模式。即使我們不能像圖靈曾經(jīng)提出的那樣制造一個(gè)“兒童機(jī)器”（Child Machine），通用人工智能也仍然可以從兩個(gè)方面向成熟的大腦學(xué)習(xí)，即神經(jīng)網(wǎng)絡(luò)架構(gòu)和類腦學(xué)習(xí)算法。

過去的人工神經(jīng)網(wǎng)絡(luò)在一定程度上受到了生物腦網(wǎng)絡(luò)的啟發(fā)，例如分層和模塊化的網(wǎng)絡(luò)結(jié)構(gòu)，以及可調(diào)權(quán)重的突觸連接。然而，大腦網(wǎng)絡(luò)實(shí)現(xiàn)高效運(yùn)轉(zhuǎn)不僅僅是更多神經(jīng)元和突觸的堆疊，更重要的是不同神經(jīng)元類型以及功能模塊之間的選擇性連接。大腦網(wǎng)絡(luò)從局部模式到全局拓?fù)湟呀?jīng)啟發(fā)了當(dāng)今人工智能中的卷積、循環(huán)及多類Transformer等強(qiáng)大神經(jīng)算子。當(dāng)前，全腦空間轉(zhuǎn)錄組（用于識別不同的神經(jīng)元亞型）和介觀連接組（用于定義特定細(xì)胞類型的連接）的研究，為進(jìn)一步設(shè)計(jì)更有效的大語言模型網(wǎng)絡(luò)架構(gòu)提供了更多的生物依據(jù)。

突觸連接往往通過短時(shí)和長時(shí)的突觸可塑性機(jī)制進(jìn)行神經(jīng)活動(dòng)的局部調(diào)節(jié)。全局神經(jīng)調(diào)質(zhì)可以在許多突觸上發(fā)揮作用，以改變局部突觸可塑性的能力和特性。類腦學(xué)習(xí)算法利用大腦發(fā)現(xiàn)的多尺度、多形式的突觸可塑性，如時(shí)序依賴突觸可塑性、自組織可塑性傳播、神經(jīng)調(diào)制元可塑性等，來決定網(wǎng)絡(luò)突觸權(quán)重的動(dòng)態(tài)變化。類腦學(xué)習(xí)算法也可以通過梯度下降方法與可塑性學(xué)習(xí)規(guī)則相結(jié)合，使得在沿用反向傳播核心原理同時(shí)，解決很多高效計(jì)算問題。開發(fā)用于大模型權(quán)重學(xué)習(xí)的新算法需要神經(jīng)科學(xué)和人工智能之間的深度融合。

同步開發(fā)新的網(wǎng)絡(luò)架構(gòu)和學(xué)習(xí)算法將發(fā)展出新形式的類腦計(jì)算（BIC），即在神經(jīng)形態(tài)芯片上實(shí)現(xiàn)生物啟發(fā)的脈沖神經(jīng)網(wǎng)絡(luò)算法（SNN）。在網(wǎng)絡(luò)和算法層面，SNN使用具有豐富動(dòng)力學(xué)和脈沖模式的生物神經(jīng)元作為基本計(jì)算單元，可以更容易地采用多尺度突觸可塑性進(jìn)行優(yōu)化。在硬件層面，神經(jīng)形態(tài)芯片需要新一代的非馮·諾依曼計(jì)算架構(gòu)，通過借鑒大腦的事件驅(qū)動(dòng)稀疏計(jì)算、高度并行運(yùn)算以及存內(nèi)計(jì)算來降低硬件功耗成本。類腦計(jì)算的一個(gè)充滿吸引力的特質(zhì)是，在執(zhí)行推理時(shí)，只有一小部分脈沖神經(jīng)元被激活以參與稀疏加法運(yùn)算。這種稀疏計(jì)算非常適合降低大型人工智能模型的訓(xùn)練和推理成本。

社論認(rèn)為， 除了開發(fā)綠色和可持續(xù)的低功耗人工智能這個(gè)緊迫問題，人們也越來越擔(dān)心未來通用人工智能的發(fā)展可能會以有害的方式對人類社會產(chǎn)生重大影響?？紤]到存在著政治、社會和文化差異，實(shí)現(xiàn)有效的人工智能全球治理不是一個(gè)容易實(shí)現(xiàn)的目標(biāo)，但卻是人類生存必需邁出的一步。