在人類漫長的歷史進程中，理解智能、理解我們的大腦一直是一個被不斷追逐的夢想；而自近代以來，隨著科技的不斷進步，如何創造一個“大腦”，如何自己創造出智能更是吸引了眾多科學家競相比拼。用機器模擬生物神經網絡的結構和信息加工的潛力，這就是我們所說的類腦計算，也叫神經形態計算。

　　目前的類腦計算研究尚處于起步階段，國際上還沒有形成公認的技術標準與方案。清華大學一項最新研究成果首次提出“類腦計算完備性”以及軟硬件去耦合的類腦計算系統層次結構，填補了類腦研究完備性理論與相應系統層次結構方面的空白。10月15日，清華大學召開新聞發布會，介紹了這一類腦計算體系結構領域的重要突破。而在成果背后，這一場源自于新興研究領域的科技成果發布會也為我們帶來三點啟示。

　　新興研究也許并不“新”，要學會從科學進程中尋找方向

　　近年來，從AlphaGo戰勝人類頂級圍棋選手，到人工智能系統預測、緩解人流擁堵，人工智能不再是一個新鮮詞語。但在清華大學精儀系教授施路平看來，這些突破大多是從智能的某個領域接近或超過人類智能，是一種“窄化的人工智能”：“這些系統無法將這種能力從一項任務轉移到另一項任務。作為人工智能的終極目標，‘通用人工智能’應該是一種可以執行人類能夠完成的所有任務的人工智能，即‘類腦’。”

　　在施路平看來，與外界對新興研究領域的某些認知不同，發展人工通用智能不是一個新的想法，而是隨著科技發展需要緊緊把握住的“關口”：“如果我們看一下過去圖靈、馮諾依曼這些大科學家早期的文章，會發現這是我們一直以來的夢想。現在為什么是發展人工通用智能最好的時機呢？因為隨著精密儀器的發展，我們對腦知道得越來越多，我們似乎到了一個理解腦的關口。超級計算機的發展可以使我們進行很好的模擬仿真，省錢、省力、省時間。大數據、云計算給我們提供了一個像腦一樣復雜的系統，和腦交相呼應，我們可以共同研究、互相促進。另外，納米器件已經可以使我們去發展像人腦能耗水平一樣的神經元和突觸這樣的電子器件。科學家要學會借助時代發展尋找課題。”

　　新興研究不要過度逐“新”，更不能放松對基礎問題的關注

　　這場發布會帶來的另一個啟示是，某些時候，新興研究不要過度逐“新”，更不能放松對基礎問題的關注。

　　記者了解到，現有類腦計算系統研究大多聚焦于具體的芯片、工具鏈、應用和算法的創新實現，而忽略了從宏觀和抽象層面上對計算完備性和體系結構的思考。類腦計算軟硬件間的高度耦合阻礙了它們在獨立發展的同時互相兼容的可能性，如何突破這一局面，擴展類腦計算系統的應用場景？這成了上述團隊下決心要解決的重點問題。

　　“通用計算領域的圖靈完備性和馮·諾依曼體系結構都是非常基礎、大家也非常熟悉的概念，以至于很多人都不會意識到，對于新興的類腦計算系統領域，這是一個需要首先解決的問題。”清華大學計算機系研究員張悠慧說。

　　施路平也認為，當前類腦計算的某些研究走向了一個極端：過度關注技術應用，而忽略了對最基礎問題的研究。“這是需要注意和警惕的。很多時候，如果沒有一個基礎的標準、方案，只追逐最時興的應用層面的東西，并不足以支持一個領域的發展。”施路平說。

　　新興研究要關注新的科學點，還要融合出“新團隊”

　　而在科研攻關的過程中，讓團隊成員感到壓力的，不是科學問題上的挑戰，而是來自于如何融合出一個“新團隊”。這也是當前很多新興研究領域面對的困境。

　　“發展類腦計算和人工通用智能，真正的挑戰既不是科學，也不是技術，而是我們的學科分布使得我們沒有合適的人做這樣的研究。而且，腦科學和計算機科學，一個探索自然世界，一個更關注應用，它們有不同的文化和語言，目標也不一樣，所以多學科融合尤為關鍵。”施路平告訴記者，清華大學類腦計算研究中心由精儀系、計算機、電子、微電子、自動化、材料系和醫學院7個院系組成：“我們7個院系的老師在一起反復討論，每周半天的時間，最后我們7年只做了一件事情，叫‘融合、融合再融合’。”

　　但這位科學家也坦言，當前困擾不少科學研究的關鍵點也就在于“融合”這兩個字：“但在很多時候，跨學科交叉堅持起來很難，因為不同團隊有自己各自的訴求，短期或長期的。這時就需要探索一種機制能夠將人有效地結合、團結在一起。”