类脑计算芯片与类脑智能机器人发展现状与思考

类脑智能是以计算建模为手段,受脑神经和人类认知行为机制启发,并通过软硬件协同实现的机器智能。类脑器件以及类脑机器人分别作为类脑智能研究的重要内容,其在类脑研究领域受到国内外学者的广泛关注。文章首先分析了类脑器件与计算系统中的类脑芯片和类脑机器人的发展现状和应用前景,重点探讨了类脑芯片在模拟人脑神经元模型和认知计算方面,以及类脑机器人在感知控制和智能生长方面的研究内容。然后,文章介绍了在中科院先导专项支持下,我国在这一方面的初步研究进展以及未来发展方向。最后,针对现有研究中遇到的问题,文章对类脑计算芯片与类脑智能机器人的进一步研究提出了建议,并指出未来研究在仿人运动模型、类人神经运动控制、人机协同的智能机器人控制等方面有望取得重大突破。     

类脑智能与深度学习的几个问题与思考

得益于数据规模与机器算力的增长,深度学习技术正取得空前繁荣。然而,深度学习擅长在预设的封闭环境,为特定任务找到有用的数据表示,在结构、处理和功能上距离人类智能仍有较大差距。类脑智能旨在模拟人脑神经元的运行机制、感知模式与认知机理,借助机器强大的信息整合、搜索、计算等能力,以软硬件联合的智能新形态构造接近人类水平的智能机器,是未来人工智能的发展方向。基于第216期"双清论坛",本文将分析人工智能与深度学习发展现状与局限,并从认知建模、模块装配、意识先验、自主演化、协同学习几方面分析未来类脑智能的可能发展方向。     

智能时代的脑科学与类脑智能研究

以智能科技为核心技术、智能算力为生产力的智能时代再次把脑科学推向世界科学与技术前沿。脑科学是研究人、动物和机器的认知与智能的本质和规律的科学。对神经系统结构和功能联结规律进行全面解析将最终绘制成脑功能联结图谱,近10多年来神经科学研究致力于系统性地解析神经系统的神经元类型和神经结构连接,在单细胞转录组分析、神经网络结构示踪等技术推动下取得了阶段性进展。解析人类大脑这一最为复杂的信息和智能系统,会启迪类脑智能理论和类脑智能技术,即脑科学/神经科学启发的智能理论和技术。在智能时代,脑科学研究的多学科交叉研究范式促使脑机接口、类脑智能计算等类脑智能研究领域加入脑科学。脑机接口的神经解码和编码技术为绘制人脑功能神经网络图谱提供了重要的功能研究技术和方法,并且可探索在脑疾病临床诊治上的应用。类脑计算正成为脑科学研究的一种新范式,借鉴脑处理信息和学习的基本原理发展高能效、高速和智能的新型类脑计算系统,利用发展的类脑计算系统可以加速发展脑模拟和数字大脑,促进理解大脑运行机制和治疗脑疾病,发展数字脑科学和脑医学。新近出现的脉冲神经网络智能处理器为构建大规模类脑智能计算系统奠定了基础,未来类脑超级算力极可能超过人类大脑算力,影响智能科技变革和人类社会发展。     

基于认知过程的新型人工智能系统设计

研究基于认知过程与智能机器原型的角度,结合现代新型人工智能系统的研究方法,对认知科学与信息科学交叉中的重要内容进行了深入的研究,并强调采用混沌吸引子,建立联想记忆思想与新型人工智能系统,其对于我国现代科学技术发展及信息处理有着重要的借鉴价值,对于二十一世纪知识经济发展有着重要的科学意义,应用前景广阔。     

面向未来的中国科学院脑科学与类脑智能研究——强化基础研究,推进深度融合

脑科学与类脑智能技术相互借鉴、相互融合代表了未来脑科学与类脑智能研究的新趋势。中科院在脑科学研究上具有深厚积累和特色优势,率先启动了"脑功能联结图谱"战略性先导科技专项(B类),选择感知觉、学习记忆等几种重要大脑功能,绘制其神经环路图谱,解析其信息处理加工规律;率先在脑科学和智能技术两大领域进行实质性融合,在先导专项中扩充了类脑智能研究内容,成立了中科院脑科学与智能技术卓越创新中心,全面推进脑科学与类脑智能研究深度融合,为我国智能产业的发展提供科技引领与支撑。在分析国际脑科学与类脑智能发展态势的基础上,文章阐述了中科院在脑科学与类脑智能研究方面的部署,提出了进一步加强脑科学与智能技术融合的举措与建议。     

人工智能的回顾与展望

基于第194期"双清论坛",本文分析了我国人工智能发展和人工智能助力制造业优化升级面临的挑战问题,从脑启发计算、人工智能基础前沿和流程制造业智能化三个方面总结了近5年主要研究进展,探讨了未来5年前沿研究领域和科学基金重点资助方向。     

ChatGPT及生成式人工智能现状及未来发展方向

生成式人工智能是一种能够自主生成内容的人工智能技术,可以应用于文本生成、图像生成等多个领域。近年来,随着预训练技术的发展和计算硬件的提升,生成式人工智能取得了突破性进展,特别是以ChatGPT为代表的生成式对话模型,取得了令人惊艳的效果,开始广泛应用于各行各业。生成式人工智能有广阔的发展前景,本文首先介绍了ChatGPT的研究进展,包括预训练语言模型、上下文学习和基于人类反馈的强化学习三个关键技术,以及ChatGPT对相关人工智能研究的影响。然后对ChatGPT及生成式人工智能在未来的应用发展进行了思考与总结,讨论了目前亟需解决的关键问题,包括更透彻的理解能力、模型轻量化、可控安全的内容生成、知识可持续学习、类脑化认知和可解释性等;希望通过本文的介绍能引起更多的研究人员关注生成式人工智能,进一步推动生成式人工智能的发展与应用。     

提出沉浸式AI引擎新技术共享超现实体验新生活

当前,人工智能产业蓬勃发展,智慧安防、智能家居等应用案例已广泛应用于人们生活中,但人工智能技术仍处于语音、图像、文字识别的感知智能阶段,是依赖模型构建的弱人工智能时期.未来技术趋势将朝着认知智能、类脑智能方向发展,实现因果推理、关联记忆、场景融合,并由人机协同走向人机交互.随着人工智能应用场景不断丰富,不再局限于语音和文字识别,如何让现实世界与虚拟视界进行友好、高效、自然的交互,成为人工智能发展需解决的问题.     

脑科学与类脑研究概述

脑科学和类脑智能技术是两个重要的前沿科技领域;二者相互借鉴、相互融合的发展是近年来国际科学界涌现的新趋势。脑科学研究对大脑认知神经原理的认识,提升了人类对自身的理解和脑重大疾病的诊治水平,也为发展类脑计算系统和器件、突破传统计算机架构的束缚提供了重要的依据。文章概括性地总结了国际脑科学和智能技术领域的总体进展,未来15年的发展趋势和有望解决的重大科学问题,以及我国在这两领域发展的特色和优势。     

脑功能联结图谱与类脑智能研究

人类大脑是自然界通过漫长进化而产生的最精细、最复杂、最优美和最成功的器官,脑科学是研究人、动物和机器的认知与智能的本质与规律的科学。智力的本质、创造性的来源以及理性、记性、忘性、个性、人性和决策机制等都是脑科学的核心问题,对这些问题的理解将是有效预测、干预和推迟脑衰老,并创造出具有自我学习能力的人工智能系统的科学基础。脑科学研究将拓展人类对自然和自身的认识,它对人类的知识创新、健康和幸福以及信息科学与人工智能、文化科学、社会科学、教育学、语言学等都将产生极大的辐射作用,对人类社会的进步和经济发展有深远的影响。对脑功能的破译需要在多个层次上解析脑网络系统的联结方式与规则,最终得到脑网络结构及其功能的“线路设计图”,这是脑科学的战略制高点。为了探讨脑网络图谱这一重大问题,中科院于2012年启动了战略性先导科技专项（B类）“脑功能联结图谱计划”（简称“脑功能图谱”）。2015年,在中科院的统筹部署下,将类脑智能研究领域加入该专项,扩充后的专项更名为“脑功能联结图谱与类脑智能研究”,在国际上首次实现了脑科学与智能技术领域的实质性融合,为脑智科学的发展和中国脑计划的启动打下了坚实基础。     

计算情报初探

[目的/意义]面向发展情报,未来的情报工作可能面临解决多维目标问题,以及实现每个目标的多重发展路径的选取问题,传统的情报方法在解决多情报并行问题上无法满足大规模人力需求,需要借助人工智能、脑科学、认知技术等手段,通过计算机来计算情报、辅助决策。文章从量化计算对科学研究的重要作用入手,分析计算情报的重要意义。[方法/过程]将计算情报界定为以计算机的"运算能力(大数据)"为经,"计算思维(人工智能)"为纬进行情报的量化分析和判断,针对计算情报面临的挑战与机遇进行了分析;提出实现计算情报的两个前提和一个转化基本思路,两个前提是大数据环境和人工智能技术,一个转化是将情报活动中的过程性的主观决策转化为客观概率上的不确定性,并通过"证据链模型"探索计算情报的实现途径。[结果/结论]认为当前环境下,计算情报是可能实现的。计算情报的实现不仅需要情报与信息技术、人工智能技术融合,还需要应用以数学理论为代表的基础科学理论。     

从政策推动到研究产出——浅析医院主导人工智能研究的技术性挑战

近年来,人工智能已成为医疗健康相关研究的重点方向和国际竞争热点。为了解我国医院主导人工智能研究的现况及挑战,该研究采用定量、定性相结合的研究方法,选择14家国家高质量发展试点医院作为样本,对样本医院2018年以来人工智能相关研究论文及专利进行分析,并尝试剖析了医院主导人工智能研究未能深入开展的技术性挑战。结果显示,医院主导的人工智能研究论文数在增加,但约55%的研究仅是浅层次研究,研究质量仍可提高。同时,医院获批的人工智能专利数量也较少。医院主导人工智能研究的技术性难题在于学习曲线陡峭、迭代计算的成本高、将临床多模态数据转化为高质量研究数据挑战较多和可解释性弱。医疗机构应主动响应政策推动,调动内部资源,提前布局多模态数据资源,培养人工智能协调员,促进研究及产出。     

全球视角下中国人工智能研究可视化分析

人工智能已经成为下一轮工业革命的核心内容,各国争先对其进行部署和发展。为了更好地了解我国人工智能领域的现状和发展,本文基于知识图谱的研究方法,以Web of Science和CNKI中人工智能相关文献作为样本数据,运用CiteSpace软件,通过双图叠加分析、共词分析和突现词分析等功能,从全球的视角对我国人工智能研究近十年来的发展面貌、特点和演化历程做出了可视化的分析。研究发现：人工智能的研究已经呈现出了多学科和学科融合发展的态势;我国在人工智能领域的发展已经取得成果,但距离顶尖还有差距;我国对人工智能应用的研究更为丰富,这与我国的丰富的数据资源和应用场景有关;未来我们应更注重人才的培养,对基础技术的长期支持和投入,同时期待人工智能技术能够带来更为深刻的变革。     

基于文本相似度计算的我国人工智能政策比较研究

[目的/意义]随着2019年政府工作报告中首次提出“智能+”概念,我国各地区将加快推动人工智能与实体经济等产业深度融合,而政策是政府调控现代市场经济和社会管理的重要手段,因此对人工智能的政策研究受到了社会广泛的关注。[方法/过程]基于文本相似度计算对国务院发布的《新一代人工智能发展规划》和我国20个地区发布的人工智能政策文本进行比较研究。[结果/结论]数据表明:新兴产业、产业升级、人才队伍、智能服务、社会治理等内容在各地区人工智能政策制定层面整体关注最高,呈现出政策制定的相似性。安徽省、辽宁省所制定的政策比较完整和全面,甘肃省、黑龙江省在政策制定中部分内容较为突出,且逐渐形成人工智能产业发展区域特色,呈现出政策制定的差异性。最后从可操作性角度为我国各地区人工智能产业发展提出政策建议。     

面向模拟智能的计算系统

科学研究中的计算机模拟称为科学模拟（scientific simulation）,文章从其狭义和广义层面出发,把科学模拟分为数值计算（numerical computation）、模拟智能（simulation intelligence）和科学大脑（science brain） 3个阶段,并描述了各阶段的特征。目前,科学模拟正在进入模拟智能阶段,即在科学大数据和人工智能的驱动下,科学模拟正从传统的数值计算逐步转向与人工智能相融合的模拟方式。文章针对支撑模拟智能阶段的计算系统展开讨论,阐述了其设计指导思想、基本方法和关键技术等问题。     

Less is more: wiring-economical modular networks support self-sustained firing-economical neural avalanches for efficient processing

The brain network is notably cost-efficient, while the fundamental physical and dynamic mechanisms underlying its economical optimization in network structure and activity have not been determined. In this study, we investigate the intricate cost-efficient interplay between structure and dynamics in biologically plausible spatial modular neuronal network models. We observe that critical avalanche states from excitation-inhibition balance under modular network topology with less wiring cost can also achieve lower costs in firing but with strongly enhanced response sensitivity to stimuli. We derive mean-field equations that govern the macroscopic network dynamics through a novel approximate theory. The mechanism of low firing cost and stronger response in the form of critical avalanches is explained as a proximity to a Hopf bifurcation of the modules when increasing their connection density. Our work reveals the generic mechanism underlying the cost-efficient modular organization and critical dynamics widely observed in neural systems, providing insights into brain-inspired efficient computational designs.     

In the hearts and minds of employees: A model of pre-adoptive appraisal toward artificial intelligence in organizations

Organizations face increasing pressure to implement artificial intelligence (AI) within a variety of business processes and functions. Many perceived benefits surround AI, but a considerable amount of trepidation also exists because of the potential of AI to replace human employees and dehumanize work. Questions regarding the future of work in the age of AI are particularly salient in pre-adoption organizations, before employees have the opportunity to gain direct experience with AI. To cope with this potentially stressful situation, employees engage in cognitive appraisal processes based on their own knowledge and personal use of AI. These pre-adoptive appraisals of AI influence both affective and cognitive attitudes, which in turn trigger behavioral responses that influence an organization’s ability to leverage AI successfully. Our survey of 363 Taiwanese employees shows that perceptions of AI’s operational and cognitive capabilities are positively related to affective and cognitive attitudes toward AI, while concerns regarding AI have a negative relationship with affective attitude only. Interaction effects of employee knowledge and affective attitude are also observed. This work’s main contribution lies in the development of an empirically-tested model of the potential impact of AI on organizations from an employee perspective in the pre-adoption phase. These results have practical implications for how organizations prepare for the arrival of this transformative technology.