《自然》重量级：清华团队提出类脑计算系统新框架，通用人工智能或不再科幻

一些研究试图通过特定领域的语言或开发框架连接各种软件和硬件，但这些研究通常不考虑系统的图灵完备性，这在处理硬件完整性、编程语言完整性等系统层次结构时很重要和类脑计算。 近年来，在更基本的问题上几乎没有取得进展。 而且，由于许多类脑芯片并不是为通用计算而设计的，而且其中很少有提供传统指令集的，因此不清楚它们是否是图灵完备的，甚至是必要的。

为了解决上述问题，石路平、张友辉等人在本研究中提出了“神经形态完备性”的概念，这是一种适应性更强、范围更广的类脑计算完备性定义，降低了系统的完备性要求神经形态硬件提高了不同硬件和软件设计之间的兼容性，并通过引入新的维度——近似粒度来扩展设计空间。

同时，他们还提出了一个全新的系统层次结构，包括软件、硬件和编译三个层次，具有图灵完备的软件抽象模型和通用的抽象神经形态结构。 在这种系统层次结构下，各种程序可以用统一的表示来描述，在任何神经拟态的完整硬件上都可以转化为等价的可执行程序，从而保证了编程语言的可移植性和硬件的完备性。 并编制可行性。

图 | 类脑计算系统与传统计算系统的层次结构（来源：Nature）

软件是指编程语言或框架以及建立在它们之上的算法或模型。 在这个层面上，他们提出了一种统一的、通用的软件抽象模式——POG图（programming operator graph）——以适应各种类脑算法和模型设计。 POG由统一的描述方法和集存储和处理于一体的事件驱动并行程序执行模型组成，描述了什么是类脑程序，定义了如何执行。 由于 POG 是图灵完备的，因此它最大程度地支持各种应用程序、编程语言和框架。

在硬件方面，包括所有类脑芯片和架构模型。 他们将抽象神经形态架构（ANA）设计为一种硬件抽象，包括一个EPG图（execution primitive graph），作为上层接口来描述它可以执行的程序。 EPG具有控制流-数据流的混合表示，最大限度地适应了不同的硬件，符合当前硬件发展趋势，即混合架构。

编译层是将程序转换成硬件支持的等价形式的中间层。 为了实现可行性，研究人员提出了一套被主流类脑芯片广泛支持的基本硬件执行原语（hardware execution primitives），并证明了配备这套硬件的神经形态是完整的，一个工具链软件是以作为编译层的例子论证了这种层次结构的可行性、合理性和优越性。

对此，研究人员认为，这种层次结构促进了硬件和软件的协同设计，可以避免硬件和软件之间的紧耦合，保证任何类脑程序都可以通过图灵完备的POG在任何平台上执行。神经形态完整硬件。 编译成等效可执行的EPG也保证了类脑计算系统的编程可移植性、硬件完备性和编译可行性。

此外，他们还实现了工具链软件的设计，以支持在各种典型硬件平台上执行不同类型的程序，展示了这种系统层次结构的优势。 结合提出的系统架构（包括软件和硬件抽象模型），扩展完备性定义使得图灵完备软件和神经拟态完备硬件等价转换，实现了软硬件解耦。 （学术笔记：软硬件解耦是计算机系统架构中非常重要的设计方法论。基于此，软件开发人员无需考虑如何设计底层硬件，硬件开发人员只需遵循一定的指令集规范即可，无需担心关于兼容性和上层软件开发问题。）

这种设计理念使得系统不同方面之间的接口和划分更加清晰。 他们希望在现有层次结构的基础上继续攻关，进一步提高类脑计算系统的效率和兼容性，从而推动包括通用智能在内的人工智能。 各种应用方向的发展。

神经形态计算领域的“重要一步”

英国曼彻斯特大学计算机科学系博士 Oliver Rhodes 对这一最新研究成果给予了高度评价，他说：“这种方法使我们更接近我们可以用类脑硬件实现的目标。” 伟大的成就”。

在他看来，这项研究的亮点之一是石路平、张友辉等人提出了完整性的连续统（continuum of completeness）——根据神经形态系统执行基本操作的准确性，可以接受不同的层次算法性能意味着新的层次结构可以使用所有可用的模拟和数字神经形态系统来实现，包括那些为了执行速度或能源效率而牺牲精度的系统。

Rhodes 还表示，这种层次结构可以比较实现相同算法等效版本的不同硬件平台，以及比较在相同硬件上实现的不同算法，这是神经形态架构有效基准测试的关键任务，包括传统的图灵完备硬件（GPU）在原理验证实验中也非常有价值，因为它表明，在某些应用中以太坊图灵完备可以执行什么程序，这种层次结构可用于展示神经形态设备相对于主流系统的优势。

此外，这种层次结构可以将算法和硬件开发分成单独的研究，如果要获得底层神经形态架构的好处，这种分离将要求算法的大小和复杂性随着时间的推移而增加。 帮助未来的研究人员专注于研究问题的特定方面，而不是试图找到一个完整的端到端解决方案。

虽然在神经拟态计算领域，要结合众多工业界和学术界研究小组的工作还有很多工作要做，但Rhodes认为石路平和张友辉这次提出的层次结构就是朝着这个目标前进的. 方向的重要一步。

群雄逐鹿“类脑计算”

近年来，随着摩尔定律的逐渐失效，冯诺依曼结构带来的局限性越来越明显。 存储墙、功耗墙、智能化增强等问题使当前计算机发展面临重大挑战。 人们普遍认为，数字计算机能力的进步速度正在放缓，以摩尔定律为特征的计算机时代即将结束。

类脑计算，或称神经拟态计算以太坊图灵完备可以执行什么程序，从人脑中汲取灵感，是一种有潜力打破冯·诺依曼瓶颈并推动下一波计算机工程浪潮的计算模型和架构。

类脑计算的概念最早由美国计算机科学家、加州理工学院名誉教授卡弗·米德（Carver Mead）于1989年提出。不过，当时并没有出现摩尔定律下的“计算危机”，相关研究才得以展开。也进行了。 并没有引起太多人的注意。 直到2004年单核处理器的主频停止上升，人们开始转向多核寻求非冯诺依曼架构的替代技术，类脑计算的概念才开始引起人们的关注注意力。

今天，由人工智能赋能的类脑计算技术被认为是通向通用人工智能的途径。 世界各国的科学学者和研究机构也开展了脑相关研究，并取得了一系列成果。 国外主要有IBM的TrueNorth、Intel的Loihi，以及Braindrop、SpiNNaker和BrainScales等，中国在该领域也走在世界前列。

自2013年3月全职加入清华大学并成立清华大学类脑计算研究中心以来，石路平团队从基础理论、类脑计算系统芯片、软件系统等各个方面开展类脑计算研究.

去年8月，石路平团队携手第三代“天机芯片架构”登上《自然》杂志封面（《Towards artificial general intelligence with hybrid Tianjic chip architecture》），这是全球首个异质融合网上的类脑芯片，通过自动驾驶自行车成功验证了通用智能的可行性。 这一研究成果是石路平团队在类脑计算和通用人工智能领域的进一步探索。

今年9月，浙江大学与之江实验室联合研制出我国第一台基于具有自主知识产权的类脑芯片的类脑计算机（达尔文鼠标）。 它是目前世界上神经元规模最大的类脑计算机。

未来，随着人工智能和脑科学研究的进一步发展，具有人类智能和通用人工智能的类脑系统可能不是一个遥远的梦想。

参考：