类脑计算

Geoffrey Hinton：连接计算机科学和生物学的桥梁能够解决当前 AI 瓶颈问题。

脑科学 ←[ 认知科学、计算神经科学 ]→ 类脑计算技术

狭义类脑计算：

• 计算神经科学
  • 神经形态计算，如脉冲神经网络（每个神经元有一个动力学特征）
  • 神经形态芯片

广义类脑计算：

• AI 芯片
• 忆阻器芯片

人脑复杂程度远超当前算力资源

人类大脑活动是复杂的动力学过程：

• ~1000亿神经元
• 神经元间有几十个到上万个突触进行连接，~100万亿突触
• 突触会长得很远，累计膜电位，每根突触长度约 10~1000μm
• 本来是无穷维，但可以离散化，如 1μm ~ 1 个微分方程
• 那么模拟约要 1000 万亿 ~10 亿亿参数量

神经科学和人工智能之间的鸿沟（2006 年 Science 一篇 Review）

神经元可以被简化为多舱式模型（如下图）。

• 描述神经元的不同层次
  • Level I, II, III 侧重于神经科学：侧重精细结构、生理细节
  • Level IV, V 侧重于人工智能：侧重单个神经元而言的抽象结构和高效计算。

第一层：这个树一样的东西就是一个神经元，模拟其精细的树突结构（3.5k 突触 / 神经元），可能有几千个微分方程。

第二层：经过一定简化的树突结构

第三层：完全忽略树突结构，只考虑胞体动力学。只有 4 个微分方程。

第四层：单个神经元的数学建模。

第五层：更高级的抽象。