芯潮（ID：aichip001）文 | 心缘
11月4日，全球最早的国际性科技期刊《自然（Nature）》杂志150周岁了！
许多科研领域最重要、最前沿且具有独创性的研究成果都发表于此，能入选《Nature》封面的更是凤毛麟角。
就在《Nature》生日的前一天，一年一度的腾讯科学WE大会在北京北展剧场举办，以“小宇宙”为主题，邀请全球顶尖科学家，分享颅内宇宙、幽灵粒子、细胞免疫、地心肿瘤、弦理论的突破性进展，从中辉映出广袤宇宙中的一隅奥秘。
异构融合的类脑芯片，拥有自主意识的粒子机器人，这两项来自机器人、人工智能、芯片等交叉领域的科研成果，均解锁了今年《Nature》封面，有趣的是，这两项突破性进展均与生物科学有着千丝万缕的联系。
前者从神经元的传递中借鉴信息处理的基本规律，探索能支撑高水平智能同时保持低功耗的类脑计算。
后者从生物体细胞的本质中吸取灵感，实现了机器人群体迁移的突破，让具有自我意识的机器人愈发成为可能。
这两项研究的核心贡献者，清华大学类脑计算研究中心主任、清华大学教授施路平，哥伦比亚大学教授、机器人研究权威专家Hod Lipson，他们来到现场，分享这些前沿研究已经实现的进展，以及未来应用的可能。
一、类脑计算是发展人工通用智能的基石
今年8月1日，清华大学一辆自动行驶的自行车登上了《Nature》杂志封面，这辆自行车由世界首款异构融合类脑芯片“天机芯”驱动，展现了人工通用智能的可行之径。
这项研究创造了中国在芯片和人工智能两大领域《Nature》论文零的突破，其背后是清华大学类脑计算研究中心主任、清华大学教授施路平与团队七年的潜心研究。
施路平教授以通俗的语言分享了什么是类脑计算、为什么要发展类脑计算以及可行的路径。
1、为什么要发展类脑计算？
类脑计算是借鉴脑科学的基本原理，面向人工通用智能，基于神经形态工程发展的新的计算技术。
现在我们生活在一个数码宇宙，构成一个万物互联的数码宇宙。这个宇宙迅速膨胀，信息每两年翻一番，而且从不退步。
这个宇宙是基于我们现在的计算机架构，而计算机架构又基于冯诺依曼架构。
在施路平教授看来，冯诺依曼架构是人类发展史上最简洁、漂亮、对人们影响最大的一个架构，其特点是计算和存储分离，计算、存储通过总线来回调度。然而，来回调度的过程会耗费很多能量、减缓速度、造成堵塞，导致带宽瓶颈。
因此在近期，2017年图灵奖的两位得主Hennessy和Patterson写了一个长文，结论是未来十年是计算架构发展的黄金十年。
过去我们用计算机做计算，现在我们是用它处理信息，而我们的数码宇宙每两年翻一番，就是能耗也受不了。当然还有其他原因，在当下的人工智能时代，但尽管AlphaGo可以战胜世界围棋冠军，很多瓶颈仍然存在。
简单来说，现在的人工智能需满足5个条件：充足的数据、决定性的问题、完备的知识、静态、单一的系统。
我们想象的人工通用智能，是在没有这些条件的情况下，系统仍然能解决问题。脑是目前唯一的一个通用智能体，要发展人工通用智能，必须向脑学习。
人脑和电脑两个系统虽然原理不同，但实际上是互补的。有的任务人脑更擅长，有的电脑更擅长。
发展人工通用智能不是一个新的想法，回溯图灵、冯诺依曼这些伟大科学家早期的文章，会发现这是我们一直以来的梦想。
2、现在是发展人工通用智能最好的时机
为什么说现在是发展人工通用智能最好的时机呢？
施路平教授主要提及四点：
（1）随着精密仪器的发展，我们对脑知道的越来越多，似乎到了一个理解脑的关口；
（2）超级计算机的发展可以使我们做很好的模拟仿真，省钱、省力、省时间；
（3）大数据、云计算给我们提供了一个像脑一样复杂的系统，和脑交相呼应，我们可以共同研究、互相促进；
（4）纳米器件已经可以使我们去发展像人脑能耗水平的神经元和突触这样的电子器件。
发展类脑计算去支撑人工通用智能，在这其中，脑起了非常大的作用。
13年前，有感于摩尔定律在二三十年后要到头，所以施路平教授开启了类脑计算的研究，当时自认为做研究还不错的他，忽然觉得不会做研究了，因为没有文献，很多东西需要自己摸索，所以感到苦恼。
有一次他去爬山，故意让自己钻进森林走丢了，后来他根据太阳判断方向，盯着一个方向一直走，走到高速公路上截了一辆车。
再一天，他找了一个阴天去爬山，他想到的办法是往高处爬，盯着一个点一直走到高速公路。
这两件事情使得施路平教授思考，脑在这其中起的是指南针的作用，提供的是方向感，因为这是唯一所知的通用智能体。
“做研究我喜欢做难的，因为我觉得越难的越容易，太容易的话有很多竞争者，你很难领先，如果很难，做着做着旁边就没人了，你反而可以领先。”施路平教授说，“但是有一个前提条件，就是方向必须是正确的，如果你走到错路上，大家都跑了，你是很尴尬的。”
人的智能建立于碳基上，人们已经在硅基上建造了现在的数码宇宙。而碳基、硅基的结构非常相近，所以人们有一个信念，碳基上能够实现的，硅基上一定能够实现。
3、发展类脑计算的挑战
发展类脑计算和人工通用智能真正的挑战既不是科学，也不是技术，而是因为我们的学科分布，使得我们没有合适的人做这样的研究。而且脑科学探索自然世界，计算机科学更关注应用，它们有不同的文化、语言，目标也不一样，所以多学科融合尤为关键。
清华大学类脑计算研究中心由7个院系组成，因为这个领域不仅仅是计算机和脑科学，还有数学、物理、电子、微电子等学科，7个院系的老师每周花半天的时间在一起反复的讨论，最后7年只做了一件事情——融合、融合再融合。
经梳理，当前发展人工通用智能主要有两条路线：第一，计算机主导的；第二，脑科学主导的。计算机主导的路线很难处理不确定性的问题，而脑科学神经形态计算受限于人们对脑机制的理解程度。
在施路平教授看来，将这两条互补的技术路线结合起来，是目前最好的一种方法。
发展类脑科学需理解人脑机制：
（1）基于计算机，用脑科学的基本原理来改变计算架构；
（2）用“类脑”这样简单又明了的词涵盖了这两个部分。
发展类脑科学意味着从理论、芯片、软件、系统，云脑到应用都要投入研究。但大家总问一个问题，不理解人脑，凭什么能造出类脑计算系统？在经过长期的思考后，施路平教授给出了答案：
计算机是把多维空间的信息转换成为0、1这样一维的信息流，用计算来解决问题。CPU的主频越来越快用的是时间复杂度，缩维的时候，相关性会丢失，这就是人很容易确定一个物体是在真实空间里还是在镜子里，而计算机很难做到的根本原因。
人们不知道脑的基本原理，但知道从一个神经元到一千、一万个神经元，换句话说，这里把信息扩输了，把相关性增强了，用的是空间复杂度。另外，脑还用脉冲来编码，引进了时间的因素，利用了时空复杂度。
总之，施路平教授的团队希望保持现在的计算机所有的优点，保持时间复杂度，增加空间复杂度。
4、驱动无人自行车的天机芯片
现在的神经网络加速器是面向深度人工神经网络，而像脑一样工作的神经形态计算面向的是脉冲神经网络。前者利用的是空间复杂度，后者利用的是时空复杂度，何不把它结合起来呢？
因此，施教授的团队提出了天机芯片架构，用3%的代价，实现了既支持人工神经网络，又支持像脑一样工作的脉冲神经网络，而且还支持两个的异构建模。
他们还利用类脑芯片，构建了一个人工通用智能的多模态交叉研究平台，可以和系统互动，利用环境变化逼迫这个系统变化，并观察应用这种变化、系统应遵循的基本原理，从而有助于迭代发展。
利用一块天机芯片，施教授的团队就在无人自行车上实现了感知、追踪、过障、避障、自动控制、语音理解、自主决策等功能。
软件对于开发同样很重要。施路平教授他们在实验室开发了一个自研软件工具链，并已经搭起了第一代的类脑计算机，现在他们在做一个类脑云脑。
类脑云脑和现有云计算的差别是，云计算是把很多技术整合起来，而类脑云脑是面向人工通用智能的，因为人工通用智能的研究从基本上来讲，不同于把很多人工智能简单的叠加在一起，他们的想法是把脑的弹性和计算机的刚性结合起来，把数据驱动和知识驱动结合起来，把通用知识和推理结合起来。
当然，这是一个非常具有挑战性的长期研究，清华团队的策略是循序渐进，逐个击破之前所提到的五个条件，逐步实现人工通用智能。发展类脑计算将支撑人工通用智能，而通用智能将能赋能各行各业的很多应用。
从蒸汽机、发电机、计算机、大数据，到现在的万物互联，人们一直在改变外部的世界，改变我们的物质生活。
看看现在的世界，贸易纷争，国家、民族、人之间有很多矛盾，当我们的物质生活已经发展很快时，我们的精神生活实际上没有同步发展，现在智能时代发展类脑计算，我们有机会向内发展，审视我们的内心。
施路平教授衷心希望人类在发展技术、探索外界世界的同时，能够也研究我们的内在世界，内外兼修、共同发展，建设一个美好、和谐的世界。
二、像人一样有自主意识的机器人
机器人像人一样有自主意识，这现实吗？
哥伦比亚大学教授、机器人研究权威专家Hod Lipson一直致力于实现这一可能，他所研发的能仿生群体“粒子机器人”，能够自我建模和复制，并完成自我迁移。这一研究同样登上了今年《Nature》的封面。
1、机器人近期进步神速
大约百余年来，人们一直试图建造有自我意识的机器人，希望这些机器人的形态和行为都像人。
1939年的机器人能走、说话，还能点烟，但不具备智能。机器人学的发展长期令人失望，有很多美好的设想，却不是现实。
不过现在，在计算机速度快速提升、人工智能发生革命化变化等趋势的推动下，机器人也进步飞速，可以做后空翻、设计蛋白质、画原创性油画、开车等不可思议的事情，甚至还可以感知情绪、伪装情绪，模拟人的肌肉走向去微笑。
我们能不能有那种真的拥有情绪的机器人呢？机器人是否能够有感觉、自我意识和思考？这种能力是会实现于机器人身上，还是只是人类才拥有的魔法？
2、如何定义知觉与自我意识？
知觉的概念一直特别模糊。数百年来，人们都希望机器能够获得这种能力，拿出了知觉、自我意识、人的本质等很多模糊的术语，但并不真正理解这些术语到底是什么意思。
有这么一种说法，只有能将某个东西传授给别人时，你才算真正的了解。
但在Hod Lipson看来，只有将某个东西能造出来，你才算真正的理解了它。
那么，我们能否把意识建造到机器身上去？
Hod Lipson喜欢利用一个定义，自我意识，是能将自己模拟到未来情景当中的能力，即能在多大程度上想象、预测自己在未来有什么样的经历和体验、会如何感觉、如何采取行动。
例如，想象你在一个沙滩上，假如你能够感受到沙子在自己的脚下，你能够感受到海风的味道，这就是你的自我意识。
自我意识并不是一个非黑既白、非有既没有的东西，它有的不同层次，你能预想到自己未来有多远、它的真实性以及整个时间框架。
比如说一个狗，可能预判它的下一顿饭，会偷偷把骨头藏起来下一顿再吃；你也许能想象到自己退休后是什么样，可能会存钱留作退休以后用。
能够想象自己未来的情况，实际上就是自我意识用来工作的概念，并不是说未来将要发生什么，而是让在这种模拟中对自己做出规划。这就是Hod Lipson所采用的原理和模型。
再比如想象自己在爬树，需要模拟手抓在那儿、脚踩在什么地方，以预见和计划自己在模拟场景中怎么做，这使得你能学习和做事，而不需要真的去做和犯错误，因为真做和犯错误会更昂贵。
一个批评者可能会说，我们一直都有这种模拟器，机器人也总用模拟器。确实如此，几乎所有的机器人在一开始都是用模拟。
这个是伯克利的开放AI项目。这个机器在模拟中学到了东西，在云上花了5分钟的时间，实际上是模拟中200年的训练，这个机器人能够在模拟当中学会了如何走路，比它在现实中能够学得更好。
机器可以在模拟中学习，但是人和机器还是不一样的，所有这些模拟都是由工程师创造出来的，我们需要先知道需要模拟什么，这会花很多的时间。有些时候，我们也不知道模拟哪些事情重要，模拟哪些事情不重要。
3、怎样让机器具备自我意识？
问题在于，机器人能否获得自我模拟的能力，这个似乎就是拼图的最后一块了，而我们人是在哪里获得的自我模拟的能力呢？
或许在我们婴儿的某个阶段，我们生来就有一些特殊的结构，玩耍于我们而言不仅仅是刷时间，我们会通过玩耍了解事务，了解我们自己，了解我们身边的物理世界，了解我们的肌肉如何控制、如何动作。
几年前，Hod Lipson团队做了一个机器人，试图实现机器人的自我模拟、自我建模。
这个机器人是“瞎”的，它看不到世界，只能感受到自己，通过自己的大脑学会怎么走路。起初，它不知道自己是一条蛇，还是蜘蛛、树、胳膊，但是过了一段时间，它可以感受到自己有四条腿，形成了一种自我认知。
这个自我形象的形成，足够使它开始学习走路，它不需要在外面的物理世界中学习，这很贵，且风险很大。
当时人工智能处于这样一个阶段，要让机器人有什么功能，就要给它很多的暗示，而今天人工智能已经有了很大的进步。
再看看更近的一些机器人，它是一个机械臂，有几个电机，但是研究人员没有给它任何的信息，不告诉它它到底是什么、在做什么。
一开始它就好像一个婴儿躺在床上，机械臂四处乱甩。大概过了一天的时间，它的自我形象似乎就产生了，开始将红色物体捡到塑料杯中。这并不是完美的，但是足够使得它能了解怎么做一些简单的任务。
机器人要在自己的想象中学习，而非在物理现实中学习，因而建立自我形象非常重要。但同时这一任务的难度也很高，每一个人很难说清楚自己怎么看自己，以至于很难提取自我形象。
这个机器人不仅是自己学会做这件事，而且是在它对自己的模拟中学会的，这两个要素是将来走向机器人自我意识的重要要素。
为了测试它，Hod Lipson他们把其中的部分机器人部件取掉，替换为红色的部件，结果这个机器人发现有些不对，自我形象和现实不配套，需要继续学。大概过了半天它就意识到它自己的自我形象变了，和现实相符了，然后又继续自己从前的任务。
再说两个机器人，一个是有自我模型的，一个是没有自我模型的。同样的数据，能对自我建模的机器学的快得多，而没有自我建模的机器人要慢1000多倍。
这个差距，就是自我意识的革命。
我们能够看到自己或许是我们最大的天赋之一，这样能够使得我们能够做其它动物都做不了的事情。
复杂的机器能够模拟自己，这意味着能做很多事情，而不需要花很多钱、冒很多风险、在物理真实的世界中进行这样的实验。这个系统越复杂，自我建模和机器具有自我意识的优势也就越大。
后来，Hod Lipson团队将在一个机器人可行的做法放到其它的机器人上，慢的、快的、硬的、软的、大的、小的，看看这些系统如何演进。
另一点非常有趣的是，他们不仅想看机器对自己进行建模，还想想看看机器如何模拟其它的机器人，正如我们每个人的大脑如何模拟其他人。机器人如果能够模拟其它的人类和机器人，那也就会启动机器人之间的社会行为。
4、像生物一样自我修复的粒子机器人
再谈一谈这些物理的机器人，我们的身体不但可以承担各种能力，而且可以修复、生长，但是我们的机器某个部件坏了，整个机器也就坏了，我们是否能够让机器自己进行结构修复和运作呢？
Hod Lipson做的这个机器人称之为粒子机器人，大概由六七个不同的粒子组成，它可以到处走，其中某一个坏了，整个机器还可以继续工作。
一个真正的粒子机器人，可能会有成千上百个粒子组成，这个机器不断地往前走，即便其中20%的粒子坏掉，也仍可以继续运作。
所以，Hod Lipson的目标是希望能利用这样的结构制造一些机器，使它们能够相互模拟。
想象未来，这个机器不再是单一形态的。制造大量的粒子后，一个机器坏了之后，其它的机器可以用“死机器人”的部件、粒子，形成更好的机器人。
这就是生物学，我们吃植物、植物也吃我们，我们会不断地循环蛋白质和氨基酸，所有的一切都是100%循环利用，所以这里面肯定会有很多的伦理问题。
Hod Lipson对一切都感到兴奋，他认为这带来的好处将会远远的超过它的风险。
想象在我们这个世界上，任何自动的系统，包括了无人机、无人驾驶汽车、智能城市等等，它们成为有自我意识的、能够自我照顾、能够从毁坏中恢复、能够不断地改进的系统。
这些自动系统越来越多，而人类负担不起继续维护这些系统，也负担不起来对它们进行编程。这个任务太大了，必须分担给机器人，使它们能够看到自己、能够思考、调整适应和修复，这是非常令人兴奋的时刻。
当Hod Lipson还是一个孩子的时候，我总在想，是不是有一天能够看到一个有智能的外来物种，这一点可能会发生，或许在有生之年不会发生，但Hod Lipson相信他会在地球上看到智能的物种，它将由人类创造出来。
结语：致敬科技，致敬未知的世界
“你我皆为星尘之子，每一个细胞，都书写着整个宇宙的历史，当你凝视自己，也望见了整个宇宙的轮廓。”
这是美国天文学家、科幻作家卡尔·萨根（Carl Sagen）写过的一首诗，也是本次大会在开场和落幕时都特别引用的文字。
大千世界充满未知，人们从未停下探索这个世界的脚步。然而回溯往昔，人类的一切科研成果，从未全然脱离自然的馈赠。
未来的世界会是什么样子？十年内科学家们能破解哪些关于天文、物理、生物的未解之谜？宇宙的中心究竟在哪里？人类还能创造哪些奇迹？机器会不会和人一样拥有自我意识？越来越强大的黑科技将引我们所生存的社会走向何方？
太多的可能性在等着科学家们去探索，数百年前的人无法想象我们今日的世界，同样，由各界科学家智慧、灵感与数十年如一日的耕耘所凝结成的前沿科研进展，也将创造出远超我们期冀的未来。
