类脑智能研究的回顾与展望

人工智能学科诞生以来,实现人类水平的智能系统便是本学科探索的长期目标.然而经历了近60年的发展,目前还没有任何一个通用智能系统能够接近人类水平:具有协同多种不同的认知能力;对复杂环境具备极强的自适应能力;对新事物、新环境具备自主学习的能力等.随着脑与神经科学、认知科学的发展,在不同尺度观测各种认知任务下脑神经网络的部分活动并获取相关数据已成为可能.因此,受脑工作机制启发,发展类脑智能成为近年来人工智能与计算科学领域研究的热点.类脑智能是以计算建模为手段,受脑神经机制和认知行为机制启发并通过软硬件协同实现的机器智能.类脑智能系统在信息处理机制上类脑,认知行为和智能水平上类人,目标是使机器实现各种人类具有的多种认知能力及其协同机制,最终达到或超越人类智能水平.文中将从脑科学、认知科学、人工智能研究交叉的视角回顾与类脑智能研究有关的历史、现状与研究焦点,并展望该研究领域的发展方向、可能的应用领域及其潜在的深远影响.

基于神经形态的触觉滑动感知方法

聚焦基于神经形态的触觉感知,构建触觉感知实验平台,研究基于脉冲神经网络的接触物体滑动检测方法.使用GelStereo触觉传感器采集接触表面标记点位移场触觉信息流,采用2种方式(地址位移表示(ADR)和地址事件表示(AER))对位移场流进行脉冲编码.基于脉冲响应模型(SRM)构建滑动检测网络,在英特尔神经形态硬件Loihi上完成了网络部署.实验结果表明,基于地址位移表示的脉冲响应模型准确率达到94.8%,F1分数达到95.7%.Loihi模型(针对神经形态硬件Loihi实现的特化脉冲响应模型)准确率达到93.8%,F1分数达到94.8%.所构建的脉冲神经网络在触觉滑动感知任务中实现了与人工神经网络(ANNs)相比拟的预测精度和更短的推理时间,在功耗上具有显著优势.