让“机器脑”类人脑，关键何在？

原标题：让“机器脑”类人脑，关键何在？

编者按

人脑在有限尺寸和极低能耗下，能够完成复杂环境中的信息关联记忆、快速识别和自主学习等认知任务。随着芯片换代速度放缓、算力供不应求等挑战出现，面向未来，现有计算机的计算方式已难以为继。如何推动信息处理技术进一步发展，打造像人脑一样的“机器脑”？实现类脑计算是破局的方向。要想实现类脑计算，就需要寻找更多模拟人脑功能的神经形态器件。

借鉴人脑，让计算更高效、更具仿生性、更低能耗

电子计算机的发明将人类文明带入了一场数字化科技革命。在短短几十年中，计算机的算力从每秒几百次运算到每秒百亿亿次运算，增长了1016倍，创造了几千年人类文明史上最高的人造增长速度。计算机算力的提升得益于底层半导体器件（硅基晶体管）的集成密度提升。按照摩尔定律，单芯片上晶体管的数量每18至24个月翻一番。

在过去的半个多世纪，集成电路产业一直在摩尔定律的引导下发展。然而摆在现实面前的是，随着摩尔定律不断逼近极限，单个硅基芯片能够承载的晶体管日渐饱和。硅原子的大小约0.12纳米，照此大小推算，当芯片工艺达到1纳米,就只有对几个硅原子进行操纵的空间了。

事实上，在芯片工艺发展到10纳米水平后，能明显感受到换代速度放缓、成本攀升等问题。而另一方面，随着人工智能大模型浪潮席卷全球，对计算机算力的需求激增到了每2到3个月就要翻一番的程度，远超摩尔定律下的增长速度。

面对芯片换代速度放缓、算力供不应求等挑战，数字计算机的计算方式已经难以为继，如何推动信息处理技术进一步向前发展，成为学界与社会各行各业共同面临的难题。面对这一巨大困局，能够提供更高效、更具仿生性、更低能耗算力的类脑计算，成为破局的关键。

类脑计算是“国际半导体技术蓝图（ITRS/IRDS）”中的一个重要研究方向，旨在借鉴人脑的基本原理，实现人工通用智能（也称为类脑通用智能）。在2021年启动的“中国脑计划”中，类脑计算是一个重要组成部分。

与传统计算机不同的是，人脑在有限尺寸和极低能耗下，能够完成复杂环境中的信息关联记忆、快速识别和自主学习等认知任务。这与人脑神经网络的基本组成和结构密切相关：人脑中有860亿个神经元，相当于银河系天体的数量，并通过150万亿个神经突触互联构成了空间复杂的神经网络；同时人脑的神经树突等组织进一步使神经计算功能复杂化。

人脑的这些神经组织包含了多样化的离子通道，具备非常丰富的动力学行为，特征时间尺度也跨越几个数量级，这是人脑智能的物理基础。相对应的，计算机基本的组成单元是电子晶体管，其工作在准静态的0和1编码状态下，与人脑的丰富动力学相距甚远。

因此，类脑计算的实现，其中一个关键就是发现神经形态器件。它们可以模拟人脑中神经元、神经突触、神经树突的功能，具有更贴近神经组织行为的物理机制，从而可以实现传统电子晶体管所不能实现的诸多类神经功能。

基于神经形态器件的类脑计算快速发展

神经科学的研究发现，神经元之间的神经突触连接强度的可调性，是大脑学习和记忆功能的基础之一。由过往经历引起的神经突触连接强度改变，可以对大脑的功能产生影响。

神经突触连接强度改变，也叫神经突触可塑性，可以增强或抑制神经元的活动，而且其持续的时间可从几毫秒到几小时、几天甚至更长时间，跨度很大。

如果能借鉴神经突触可塑性原理，用某种手段来模仿和实现，构建类似于神经突触的人工突触，再进一步构建出系统，就可以更好地理解和模拟大脑的工作方式，进一步推动信息学和神经科学的交叉发展，实现类脑计算。