类脑计算芯片与类被智能机器人发展现状与思考厂 作以：非侵人式脑机接口是用紧贴头皮的多个电极采集大 者新型人工智能必须要具有通过交互从外界获得知识。并 脑脑电图(EEG)信号从而控制机械臂或飞行器。而在 通过智能增长的方式进一步了解外部世界的能力。建立基 神经假体方面，美国DARPA正投资研发一种芯片，通过 于交互的从零学习及智能生长认知模型，使得计算机能够 植人该芯片可以帮助脑部受伤的人恢复记忆，并干扰甚至 像婴儿一样，在与人的交互过程中进行错误纠正与知识积 消除一些不愉快的记忆（如战争记忆）。目前此技术已在 累，实现模仿人类认识外部世界的智能增长四。 老鼠上取得了不错效果。此外，科研人员在视觉神经假 国际上一些机构已纷纷开展人机协同下机器人智 体、运动神经假体方面也均取得很好进展，并已成功进 能生长的研究，如麻省理工学院人工智能实验室增量 行应用，以帮助人们恢复部分视觉功能或部分替代四肢 人机协同研究组(Increasing Man-Machine Collaboration 功能，。虽然脑机接口和神经假体等方面的研究还有很 MT)采用增强学习让人与机器人（包括飞机与小汽车 大的提升空间，但已有的研究成果为类脑智能机器人的研 等)在未知环境自由协作，让计算机自动配合人并与人 究提供了很多的借鉴。 交互，在共同决策完成既定任务的同时，机器人也通过 交互过程不断学到新的知识。此外，谷歌和百度的无人 3类脑机器人的智能生长 驾驶汽车平台也在进行者类似的尝试。 在类脑智能机器人研究中。如何从根本上提升机要 DeepMind公司(2014年被Google公司收购)提出 人的智能，是机器人研究领城的一个重要问题。经历了 了Neural Turing Machine方法，利用深度增强学习，实现 长期的发展过程，人们普遍认为机器通常在动力、速度 了靠不断试错学习就可获得提高的游戏人工智能。这些 精巧性方面具有一定的优势，而人类具有智能、感知、 智能靠着对游戏视频的观察来自动寻找出模式，然后操 情感等机器部分具有或者不具有的能力和特点。人们白 作控制器，并获得得分的反馈结果（高分奖励），通过 然希望可以将二者各自的优点融合在一起，实现“人机 这样的交互方式不断学习新的知识和技能。此外，De©p 协作”。早在20世纪50年代，已有研究人员开展了相关 Mind还在研制基于长短期记忆的递归神经网络(Long 的工作，从具体任务出发（如工业制造），研究离线状态 Short-Term Memory-Recurrent Neural Network,LSTM. 下的人机交互，让机器人在人的指引下完成任务学习。 RNN)控制的无人机，通时交互式的学习可不断提高无 20世纪90年代，人们开始研究实时交互问题，将服务机 人机飞行的效果。 器人与人结合在一起。然而这种协作主要从功能角度使人 在未来，人们希望可以将人的智能更深程度地引人 和机器人共享智能，并不算真正意义上的融合。在这一过 机器人系统，从机理上对人进行模仿，使机器人能够像 程中，人做一部分工作，机器人做一部分工作，二者分 人一样思考，从而“配合”人的工作，共同完成任务。 工完成同一任务。自2010年来，人们更加关注“认知-合 类脑智能机器人不但是未来人工智能研究重要的外是载 作”，机器人作为人的“同事”，和人在一起工作。智能 体，而且其在未来服务业、智能家居、医疗、国家与社 人机协同需要计算机在陌生的环境通过对周围环境的观察 会安全等领域都具有极为广泛的应用价值。 以及周围环境的反馈刺激，自主整合新旧知识，并进行 综合智能决策，即要求计算机具有类脑的交互学习机制。 4中科院B类先导专项下的类脑芯片与机器 随着人工智能技术和新材料技术兴起，智能机器人行业将 人研究工作 是未来“脑科学研究”和“脑认知与类脑计算”研究成果 作为脑科学研究的重要组成部分，类脑智能的研 的重要产出方向。在实际的应用场合，新一代的机器人或 究已受到我国科研人员的高度重视，尤其是近两年来。 ®+图特罩挖院利l07 院刊 807 类脑计算芯片与类脑智能机器人发展现状与思考 作[13]；非侵入式脑机接口是用紧贴头皮的多个电极采集大 脑脑电图（EEG）信号从而控制机械臂或飞行器[14]。而在 神经假体方面，美国 DARPA 正投资研发一种芯片，通过 植入该芯片可以帮助脑部受伤的人恢复记忆，并干扰甚至 消除一些不愉快的记忆（如战争记忆）。目前此技术已在 老鼠上取得了不错效果。此外，科研人员在视觉神经假 体、运动神经假体方面也均取得很好进展，并已成功进 行应用，以帮助人们恢复部分视觉功能或部分替代四肢 功能[15,16]。虽然脑机接口和神经假体等方面的研究还有很 大的提升空间，但已有的研究成果为类脑智能机器人的研 究提供了很多的借鉴。 3 类脑机器人的智能生长 在类脑智能机器人研究中，如何从根本上提升机器 人的智能，是机器人研究领域的一个重要问题。经历了 长期的发展过程，人们普遍认为机器通常在动力、速度、 精巧性方面具有一定的优势，而人类具有智能、感知、 情感等机器部分具有或者不具有的能力和特点。人们自 然希望可以将二者各自的优点融合在一起，实现“人机 协作”。早在 20 世纪 50 年代，已有研究人员开展了相关 的工作，从具体任务出发（如工业制造），研究离线状态 下的人机交互，让机器人在人的指引下完成任务学习。 20 世纪 90 年代，人们开始研究实时交互问题，将服务机 器人与人结合在一起。然而这种协作主要从功能角度使人 和机器人共享智能，并不算真正意义上的融合。在这一过 程中，人做一部分工作，机器人做一部分工作，二者分 工完成同一任务。自 2010 年来，人们更加关注“认知-合 作”，机器人作为人的“同事”，和人在一起工作。智能 人机协同需要计算机在陌生的环境通过对周围环境的观察 以及周围环境的反馈刺激，自主整合新旧知识，并进行 综合智能决策，即要求计算机具有类脑的交互学习机制。 随着人工智能技术和新材料技术兴起，智能机器人行业将 是未来“脑科学研究”和“脑认知与类脑计算”研究成果 的重要产出方向。在实际的应用场合，新一代的机器人或 者新型人工智能必须要具有通过交互从外界获得知识，并 通过智能增长的方式进一步了解外部世界的能力。建立基 于交互的从零学习及智能生长认知模型，使得计算机能够 像婴儿一样，在与人的交互过程中进行错误纠正与知识积 累，实现模仿人类认识外部世界的智能增长[17]。 国际上一些机构已纷纷开展人机协同下机器人智 能生长的研究，如麻省理工学院人工智能实验室增量 人机协同研究组（Increasing Man-Machine Collaboration MIT）采用增强学习让人与机器人（包括飞机与小汽车 等）在未知环境自由协作，让计算机自动配合人并与人 交互，在共同决策完成既定任务的同时，机器人也通过 交互过程不断学到新的知识。此外，谷歌和百度的无人 驾驶汽车平台也在进行着类似的尝试。 DeepMind 公司（2014 年被 Google 公司收购）提出 了 Neural Turing Machine 方法，利用深度增强学习，实现 了靠不断试错学习就可获得提高的游戏人工智能[16]。这些 智能靠着对游戏视频的观察来自动寻找出模式，然后操 作控制器，并获得得分的反馈结果（高分奖励），通过 这样的交互方式不断学习新的知识和技能。此外，Deep￾Mind 还在研制基于长短期记忆的递归神经网络（Long Short-Term Memory-Recurrent Neural Network, LSTM￾RNN）控制的无人机，通过交互式的学习可不断提高无 人机飞行的效果。 在未来，人们希望可以将人的智能更深程度地引入 机器人系统，从机理上对人进行模仿，使机器人能够像 人一样思考，从而“配合”人的工作，共同完成任务。 类脑智能机器人不但是未来人工智能研究重要的外显载 体，而且其在未来服务业、智能家居、医疗、国家与社 会安全等领域都具有极为广泛的应用价值。 4 中科院 B 类先导专项下的类脑芯片与机器 人研究工作 作为脑科学研究的重要组成部分，类脑智能的研 究已受到我国科研人员的高度重视，尤其是近两年来