近日，据英国国际顶级科学期刊，《自然》期刊报道，中国科学院国家纳米科学团队在基于离子型神经形态器件构筑智能味觉系统方面取得进展。当前，仿生“类脑计算”是人工智能领域的核心研究方向之一，模拟人体感官的感知、存储、计算一体化系统是该方向的重要研究课题之一。相比于视觉与触觉感知，仿生味觉感存算一体化系统在环境监测、食品安全、健康监测、疾病诊断以及味觉重构等方面将发挥独特功能。与视觉和触觉不同，味觉感知涉及化学（生物）物质交换，器件工作往往要求液相生理环境，具有更复杂的过程。因此，实现仿生味觉感存算一体是极具挑战的研究成果。

据悉该研究基于层叠的氧化石墨烯薄膜，开发出集传感与计算功能于一体、可在水相中工作的新型纳米离子器件。离子动力学表征与有限元理论模拟研究显示，氧化石墨烯片层中界面吸附-解吸附过程可显著迟滞离子的迁移速度，从而赋予该器件离子传感和忆阻特性。研究利用这一器件的传感功能构建了多种味型的化学样本库，并基于其神经形态计算功能构建了储备池计算网络以模拟人工味觉系统。该系统可实现酸、苦、咸、甜四种基本味型以及咖啡、可乐等复杂风味的准确识别。

我们总是在说，机器人无论如何都不能成为真正的“人类”，其根本原因在于机器人没有人类的大脑，没有人类的情感，它们只是一堆源代码而已。随着人工智能领域研究不断深入，我们发现人工智能面临两个严重的发展瓶颈：一方面是系统耗能过高，另一方面是对于人脑能轻松胜任的认知任务的处理能力不够。随着模型规模的不断扩大，计算资源消耗、能源效率等问题也日益凸显。在这个背景下，一种新的计算范式——类脑计算，正在悄然兴起，有望为AI的未来发展开辟新的道路。类脑计算，是一种模仿神经生理学和生理心理学机制，以计算建模为手段并通过软硬件协同实现的机器智能计算。简单的理解就是类脑计算完成了从“让机器人怎么做”到“教他们自学”的飞跃。

类脑计算（Brain-inspired Computing）又被称为神经形态计算（Neuromorphic Computing），是借鉴生物神经系统信息处理模式和结构的计算理论、体系结构、芯片设计以及应用模型与算法的总称。类脑计算，不同于传统冯诺依曼存算分离的特性，基于仿生的脉冲神经元实现信息的高效处理，具有低功耗、低延迟的技术优势，是打破“内存墙”的潜在技术之一，其在对功耗、延迟敏感的边缘计算领域具有广泛的应用价值和潜力。在类脑“脉冲”（spike）计算框架的指导下，神经形态计算——用于机器智能的类脑计算，同时降低计算平台的能源需求。这个跨学科领域始于生物神经例程的硅电路实现，但已经发展到包括具有基于脉冲的编码和事件驱动表示的算法的硬件实现。

自上世纪末，美国和欧洲率先开展以阐明大脑和神经系统机制原理为目标的脑科学研究。随后，日本、澳大利亚、加拿大、韩国及我国陆续发布脑科学研究计划，重点布局领域包括神经形态计算、脑计算等类脑计算关键领域。美国推进创新神经技术脑研究计划，旨在探索人类大脑工作机制，开发神经科学的创新型技术，并最终开发出针对大脑疾病的疗法。欧盟人脑工程计划，致力于神经信息学、大脑模拟、高性能计算等领域的研究，通过超级计算机技术来模拟脑功能，以实现人工智能。中国脑计划制定为15年计划，涵盖认知神经机制基础研究、脑疾病诊断与干预的转化研究以及脑激发智能技术。在人工智能快速发展的今天，基于人工神经网络的大语言模型如ChatGPT、GPT-4等正在重塑我们与技术交互的方式。人工神经网络是当前深度学习的主流模型，2024年的诺贝尔物理学奖就颁发给了ANN理论的奠基人。2024年的诺贝尔物理学奖就颁发给了ANN理论的奠基人。

类脑计算产业聚集地方面，主要包括北美(美国、加拿大和墨西哥)、欧洲(德国、英国、法国、意大利和欧洲其他地区)、亚太地区(中国、日本、印度、南美、韩国和亚太其他地区)等。中国、日本和韩国的市场将在亚太地区贡献重要的市场份额。预计未来类脑产业在亚太地区将实现最快增长。类脑计算相关技术还处于初步阶段，虽然类脑计算的基础理论和核心技术已取得不少突破，但当前该技术还处于初级阶段，无论在规模上还是在智能化程度上，都无法和真正的人脑相比。

类脑计算“定制化”程度高，缺乏通用能力，类脑芯片是一种根据特定算法定制的芯片架构，其算力水平一般高于GPU、FPGA，但其定制程度也比GPU和FPGA更高。其在特定任务上表现出色，但同时也限制了其在其他通用计算任务中的应用。在特定任务上表现出色，但同时也限制了其在其他通用计算任务中的应用。自动驾驶领域为主要应用方向，自动驾驶时代算力不足问题逐步显现，类脑芯片的高仿生建模、高效学习、高性能、低功耗、同时满足场景多元化等优势，相较于通用芯片更适用于自动驾驶行业所面临的算力需求，能效比有望较当前芯片提高2-3个数量级。

类脑计算发展趋势，如类脑芯片材料升级，目前能够实现量产的类脑芯片，基本还是采用电路模拟人工神经突触的方式来进行类脑计算，存在芯片制造工艺要求较高，生产效率也十分低下等问题，未来研究迫切需要在上述领域实现进一步的突破。发展可自适应的类脑学习方法与认知结构，在类人认知行为的机器学习方面，越来越多的研究着眼于提高神经网络、认知计算模型和智能系统的自适应能力，以实现终生学习。类脑计算系统从“专用”向“通用”逐步演进，未来类脑计算芯片设计将从现有处理器的设计方法论及其发展历史中汲取灵感，实现完备的硬件功能。同时，类脑计算基础软件将整合已有类脑计算编程语言与框架，提出统一开发框架，实现类脑计算系统从“专用”向“通用”的逐步演进。

图片来源于网络

转载自中科通宏公众号

免责声明：本文版权归作者所有。如有侵权请联系删除。稿件为作者个人观点，不代表本账号观点。