类脑研究：概念、内容及挑战

类脑(Cybrain)研究为认知脑打开了一扇全新的窗口，有望推动新一轮智能技术革命。本文介绍了Cybrain的概念和范围，讨论了Cybrain的三个主要研究领域以及五个主要挑战，并总结了最新进展以及浙江大学团队的一些代表性工作。

引言

近年来，随着大脑成像、脑机交互、生物传感、大数据处理等新技术不断涌现，脑科学与计算技术、人工智能、纳米材料、认知心理等学科的交叉融合，正酝酿着重大理论与技术突破，类脑研究上升为西方发达国家的科技战略重点，大国间竞争博弈日趋激烈。美国、欧盟、日本等相继提出自己的脑计划，类脑研究皆被列为其中重要内容。我国正在制定中的脑计划，类脑与脑机智能也属于核心内容。

类脑研究为认知脑打开了一扇全新的窗口。现阶段人们对脑的认识还十分有限。尽管我们对神经元如何编码、转导和储存神经信息有比较清楚的理解，但是尚不了解神经信息如何产生感知觉、情绪、抉择、语言等各种脑认知功能。建立多种信息手段对大脑进行观测、反馈、分析、仿真、验证等，推进对脑机制的理解，是近年国际学术界的一个重要新趋势。

类脑研究为新一代计算变革带来希望。人脑神经系统的基本单元既有计算功能又有存储功能，用计算手段对大脑神经系统的结构与处理机制进行模拟，有望打破冯·诺伊曼架构的束缚，实现存储处理一体化、超低能耗、真正超大规模并行。类脑研究既保留计算机原有优势，又具有人脑处理信息的诸多优势，有望实现结构逼近大脑、性能远超大脑的类脑计算机。

类脑研究还有望推动新一轮智能技术革命。近年来，深度学习为人工智能带来了新的突破，但人工神经网络及深度学习只是借鉴了神经元间的部分拓扑结构，还属于仿脑的初级阶段。大脑的结构和功能机制中尚有大量信息没有被挖掘，蕴涵着巨大的可能性。ACM图灵奖获得者杰弗里·辛顿(Geoffrey Hinton)教授认为，克服人工智能局限性的关键在于搭建“一个连接计算机科学和生物学的桥梁”[1]。随着神经科学对人脑认识的不断深入与持续积累，脑科学与人工智能研究已经越走越近，两者互相借鉴与融合，有望推动新一轮智能技术革命。本文部分内容的缩减版发表于《类脑研究：为人类构建超级大脑》 [2]。

类脑研究的概念

通过模仿人脑的处理机制建立接近（乃至超越）人类智能的机器，一直是人们的一个朴素理念。而在现代计算机发展初期以及人工智能发展过程中，“模仿大脑”的线索一直或隐或现地贯穿其中，起着重要作用。冯·诺伊曼1945年发布的著名研究报告 [3]表明，大脑神经系统是所提出的冯·诺伊曼计算机体系结构的重要参照，在该报告中有诸多文字对比了其体系结构与大脑神经系统的相通之处。在他过世后，后人根据其讲稿整理而成的《计算机与人脑》专著中 [4]，更是将计算机和生物人脑进行详细比较，大量借助神经元、突触和连接等神经科学的术语来描述计算机结构，尝试阐述计算机和人脑的等价性，并提出计算机与大脑在本质上都是自动机的观点。艾伦·图灵也早在1948年提出了一个用类神经元作为基本单元组成网络的方式构建计算机的方案 [5]。但因为条件所限，冯·诺伊曼与图灵都没有真正实现仿神经的计算系统。

目前的人工神经网络（或深度学习）只是大脑神经系统的高度简化与抽象。20世纪70~80年代开始，一些计算机科学家认为，应该采用更接近于生物大脑系统的机制。诺贝尔奖获得者杰拉尔德·埃德尔曼(Gerald Edelman)进行了逼近真实解剖和生理数据的神经系统大规模仿真，并研制了一系列“达尔文”仿脑机 [9]。大规模集成电路先驱、加州理工学院卡弗·米德(Carver Mead)教授则从神经元及神经网络的硬件实现的角度出发，开创了“神经拟态计算”(neuromorphic computing)方向 [10]，提出用模拟、数字或混合电路模仿更具有生物逼真性的脉冲神经网络，计算功耗低是其重要优点之一。

可以看到，近70多年来，“类脑”概念的内涵与外延在不断演化中。在早期，类脑一般是指从软硬件上模拟生物神经系统的结构与信息加工方式。随着软硬件技术的进步，以及神经科学与各种工程技术的多方面融合发展，脑与机的界限被逐步打破。尤其是脑机接口，在计算机与生物脑之间建立了一条直接交流的信息通道，这为实现脑与机的双向交互、协同工作及一体化奠定了基础。随之，“类脑”的概念逐步从信息域自然地延伸到生命域。因此，以脑机互联这一独特方式实现计算或智能，也被归入“类脑研究”范畴。

归纳起来，类脑研究是以“人造超级大脑”为目标，借鉴人脑的信息处理方式，模拟大脑神经系统，构建以数值计算为基础的虚拟超级脑；或通过脑机交互，将计算与生命体融合，构建以虚拟脑与生物脑为物质基础的脑机一体化的超级大脑，最终建立新型的计算结构与智能形态。我们不妨将类脑的英文称为Cybrain (Cybernetic Brain)，即仿脑及融脑之意。其主要特征包括：

1.以信息为主要手段：用信息手段认识脑、模拟脑乃至融合脑；

2.以人造超级大脑为核心目标：包括以计算仿脑为主的虚拟超级脑，以及虚拟脑与生物脑一体化的超级大脑这两种形态；

3.以学科交叉会聚为突破方式：不单是计算机与神经科学交叉，还需要与微电子、材料、心理、物理、数学等大学科密切交叉会聚，才有更大机会取得突破。

类脑研究的主要内容

类脑研究要全面实现“懂脑、仿脑、连脑”，脑认知基础、类脑模拟、脑机互联三个方面缺一不可。因此，我们将类脑研究主要内容归纳为三个方面：信息手段认识脑、计算方式模拟脑、脑机融合增强脑（见图1）。其中，信息技术贯穿始终。

信息手段认识脑

大脑能够实现感知、运动、思维、智力等各种功能，由于其复杂性，目前对大脑的认识与理解还非常有限，亟待各种新手段、新方法的引入。该研究内容聚焦“脑认知功能神经环路结构、功能及其可塑性机制”关键科学问题，以信息技术为核心手段，解析脑认知功能的神经环路结构、信息传播方法、以及神经功能机制，全面突破类脑模拟的神经基础，为类脑研究提供坚实的基础理论与关键技术 [11]。具体包括：基本神经环路的结构与功能解析、大脑感知与认知功能的信息处理机制、全脑介观神经联接图谱绘制以及新型的脑神经活动观测技术及设备等。

计算方式模拟脑

基于传统架构的计算系统面临着能耗高、算法构造困难等问题，与传统计算机相比，人脑能够以极低能耗处理多种不同类型的智能任务。该研究内容通过借鉴大脑神经系统的结构及信息处理机制，设计具有更好生物逼真性与低功耗的类脑器件与类脑芯片，突破类脑的非冯·诺伊曼架构、自主学习和进化的类脑算法，从而建立机制类脑、行为类人的新型计算模式与智能形态 [12]。具体包括：新型的类脑器件、类脑芯片研制、类脑计算体系结构、类脑计算机及系统、神经形态模拟与学习理论、多尺度大脑认知功能模拟等。

脑机融合增强脑

近年来，建立在对生物脑工作机制的有效理解和机器智能高度发展基础之上的双脑融合技术有了显著发展。脑机融合聚焦人类智能和机器智能的有机融合增强，构建能发挥生物脑与机器脑优势互补的生物与信息融合智能体系，基于对大脑调控机制的不断深入了解，发展脑智调控的新方法、新技术，实现大脑功能潜力的开发、损伤功能的修复以及大脑感认知的融合增强 [13,14]。具体包括：脑信息获取与脑智调控技术、新型脑机交互及编解码方法、感知觉增强的脑机融合、记忆/学习等认知增强的脑机融合等。

类脑研究的重要挑战

目前国内外类脑研究尚处于初级阶段，从认知原理、硬件实现、智能算法，到双脑融合等，都存在多重挑战。

挑战一：大脑活动的新型观测与调控技术

大脑观测与调控是深入了解脑信息的输入、传递、输出机制的重要技术手段，也是认识脑、模拟脑、增强脑的核心技术支撑。虽然核磁共振技术、聚焦超声神经调控技术、经颅直流电刺激、电极阵列采集与刺激装置、光学/光遗传学成像技术等各种在体的脑神经信息获取与调控手段日趋丰富、发展迅猛，但当前研究依然存在大脑观测模态与调控手段单一、观测信息局部、对脑功能认知缺乏、脑调控与观测无法同步等问题。建立兼具全脑认知与局部反应的信息获取的新型大脑观测手段和同步调控技术，仍面临重要挑战。

挑战二：大脑信息处理的数学原理与计算模型

虽然神经科学家们对单神经元模型、部分神经环路信息传递原理、初级感知功能机制等已有较清楚的理解，但大脑全局信息加工过程，尤其是对高级认知功能的认识还非常粗浅。大脑信息处理的数学原理与计算模型仍不清楚。我们通常把复杂的认知过程分解成多个计算组件的组合，要建立能够执行认知任务且能解释大脑信息加工过程的计算模型，必须弄明白大脑信息处理的数学原理与计算模式。

挑战三：类脑计算过程的硬件模拟

基于硬件的类脑计算过程模拟，在类脑器件、芯片和体系结构方面仍面临重要挑战。一方面，CMOS等传统工艺在片上存储密度和功耗等问题上遇到瓶颈，而新型纳米器件尚存在工艺稳定性差、规模化难等突出问题，类脑器件和材料需寻求新的技术突破；另一方面，类脑系统需数以百亿的神经元协同工作，而现有类脑芯片在有限硬件资源、有限能耗约束下，难以实现大规模神经元互连集成和神经元脉冲信息高效实时传输。如何突破现有计算系统架构，建立类脑的新型体系结构和计算方式，仍需重点探索。

挑战四：类脑的学习机制与算法

学习能力是智能的核心内容，脑启发将是类脑学习研究的重要源泉，然而人们对于生物脑的运作机理认识不够充分，编码和学习方面给予的启发还非常有限，脉冲神经网络研究还处于非常不成熟阶段，脑启发的小样本、非监督学习、强容错性等学习能力均未充分发掘，而对于记忆、推理、在线学习等高级认知能力的实现，研究的道路则更加漫长。

挑战五：感认知增强的脑机融合

脑机融合是基于脑机接口技术，实现生物脑与机器脑的双向交互、相互适应及协同工作，最终达到生物智能和机器智能的相互融合增强，进而形成更强大的智能形态。但大脑的复杂性以及脑机间极大的差异性，带来脑信号获取鲁棒性差、脑机交互效率低、脑智干预手段缺少、脑区干预靶点要求高、融合系统构建难度大等难题。鉴于机器智能与人类智能的互补性，如何实现生物智能和机器智能的互联互通，融合各自所长，创造出性能更强的智能形态是类脑研究的主要挑战之一。

进展概述与浙大工作

在认识脑、模拟脑、增强脑等方面，近年来国内外同行已取得众多进展。浙江大学借助学校的多学科交叉优势，在计算机科学、微电子、生物医学工程、神经科学、临床医学等领域科研团队的持续努力下，近十年来也在类脑研究方面取得了多项重要成果。

信息手段认识脑

电、光、磁、声等脑神经信息获取与调控手段，代表性技术包括磁共振、聚焦超声调控、经颅直流电刺激、 电极微电刺激、光遗传学等。2017年7T磁共振仪获得美国食品药品管理局(Food and Drug Administration, FDA)的临床应用认证，能够在亚毫米尺度解析皮层功能柱、皮层亚层以及皮层下核团等精细结构和功能单元的神经活动。脑深部刺激技术已经稳定用于治疗特发性震颤、帕金森病等疾病，2018年美国加州大学旧金山分校研究表明，开环眶额叶皮层深部脑刺激能够实现有效的情绪调控，显著改善不良情绪。聚焦超声神经调控技术由于非侵入式的优点，在近几年受到了越来越多的关注，最近研究结果表明超声波辐射力能影响大脑活动与治疗疾病。近十年兴起的光遗传学技术，能够让研究者使用光来操控某一类神经元，已被广泛用于神经科学研究。目前国际上精准光操控技术，则可刺激深度在100~220微米范围内的神经元，并已实现选择性的单个神经细胞靶向光刺激，成为重要的大脑观测和调控手段。

近年来，浙江大学在大脑活动观测与脑智调控技术方面相继取得若干突破。2017年胡海岚课题组在Science发文，阐明了前额叶皮层调控社会竞争中输赢的机制，并发现中背侧丘脑-前额叶皮层这一神经环路介导“胜利者效应”。通过光遗传学方法，有选择地激活小鼠内侧前额叶脑区的神经元，使平时一直处于劣势的小鼠，像服用了“大力神丸”一般，勇气倍增有如神助打败优势小鼠 [15]。2019年王菁教授团队建立了活体绘制脑功能连接组的新方法 [16]，其借助7T功能磁共振系统的巨大成像优势，开发出红外光神经刺激功能磁共振整合技术(INS-fMRI)，并首次在活体脑中获得亚毫米级的脑连接组，能更快速、更系统、更清晰地看清“大脑交通图”，了解信息的传递。

计算方式模拟脑

国际上近年来模拟脑的主要工作是用特定芯片构建大脑仿真系统。IBM在超级计算机上进行大脑皮层仿真的基础上，2014年开发了神经拟态芯片TrueNorth [17]，采用成熟的CMOS集成电路工艺，每片100万个神经元和2.56亿个突触连接。欧盟脑计划则支持了两个神经拟态计算系统：英国曼彻斯特大学的SpiNNaker和德国海德堡大学的BrainScaleS。SpiNNaker是一种受大脑结构和功能启发的大规模并行计算体系结构，采用定制ARM处理器作为基本计算，今年预计将完成集成约100万个ARM核，实时精细仿真10亿个神经元。BrainScaleS则从微观层面研究神经元的信号处理特性及模拟电路实现，介观层面研究突触可塑性及数字电路实现，该项目2016年完成了20块晶圆、400万个神经元和10亿个突触的神经拟态计算系统。英特尔(Intel)研制了支持片上学习的神经拟态芯片Loihi [18]，基于14nm先进工艺，支持13万神经元，突触数量达200M/mm，是目前已知突触密度最高的类脑芯片。2019年清华大学成功研制出国际上首款异构融合的类脑芯片“天机芯”，支持人工神经网络和脉冲神经网络的混合架构，单芯片支持4万神经元和1000万突触 [19]。

浙江大学牵头研制的“达尔文”神经拟态类脑系列芯片，模拟神经元LIF模型，比传统神经网络具有更强的生物真实性。2015年发布的达尔文一代芯片是国内首款神经拟态类脑芯片 [20]。2019年8月发布的达尔文二代芯片（见图2）主要面向智慧物联网应用，单芯片由576个内核组成、支持15万神经元、1000万个神经突触，在神经元数目上相当于果蝇的神经元数目。通过芯片级联可构建千万级神经系统，达到TrueNorth芯片类似规模，但可模拟比TrueNorth更高精度的突触。该芯片也是国内目前已知的单芯片神经元规模最大的脉冲神经网络类脑芯片。

脑机融合增强脑

脑机融合领域近年发展迅速。脑智调控作为一种特殊的脑机融合方式，通过外界干预生物神经系统，有望实现运动功能和感知功能（如视觉）的神经修复以及脑认知功能（如记忆）的增强，对于医疗健康领域具有重要的研究意义。行为增强方面，2016年一名在运动和感觉皮层植入电极的志愿者成功利用意念控制的机械手臂和时任美国总统奥巴马“握手”；2019年，加州理工学院的研究人员在病人后顶叶皮层植入电极，实现了意念控制机械手完成喝啤酒动作。感知增强方面，2016年美国匹兹堡大学的研究团队利用颅内微电流刺激一位瘫痪病人初级感觉皮层中手指与手掌对应的区域，使得病人在瘫痪后重获触觉。认知增强方面，2018年美国宾夕法尼亚大学和南加州大学相继通过双向闭环脑机接口技术，通过对外侧颞叶皮层和海马区神经通路的电刺激，有效提升了人的短期记忆效果，有望进一步实现记忆等脑认知功能的增强。

结束语

在当前多学科交叉汇聚背景下，类脑研究已上升为西方发达国家的科技战略重点和力推的核心科技发展领域，进入前所未有的高速发展期，大国间竞争博弈日趋激烈。随着各国脑科学计划的实施，类脑研究的科技新赛道正在快速形成，或将涌现出一批颠覆性理论和革命性技术成果，孕育催生新一轮的科技革命，重塑国际科技新秩序。抓住机遇、迎接挑战，加快实施我国类脑研究是抢占国际战略制高点应有的重要举措。

吴朝晖

CCF 会士。浙江大学教授。主要研究方向为人工智能、脑机融合、服务计算。wzh@zju.edu.cn

潘　纲

CCF 高级会员，CCCF 前编委。浙江大学计算机学院教授。主要研究方向为普适计算、人工智能、脑机接口、混合智能等。gpan@zju.edu.cn