编者按：近来，业内关于深度学习算法的潜力是否已达天花板的争论陆续发出。有人认为，基于深度学习算法的应用还有深度开拓空间，也有人认为，当前的关键在于挖掘人工智能推理、决策的能力，需要从感知阶段向认知阶段过渡。专家观点百家争鸣，但这也说明，现在是探索人工智能发展走向新阶段的时候了。

由中国开源软件推进联盟名誉主席陆首群发起的《评人工智能如何走向新阶段》讨论引来了中外专家等业内人员的广泛议论，观点有深有浅，希望其中有思考价值的内容会推进和启发人工智能的新突破。

当前人工智能依靠的底层理论是基于人工神经网络的深度学习，而深度技术算法所支持的人工智能应用空间主要集中在(或局限于)图像识别和语音识别。人工智能识别做的是比对，这时信息进入大脑后缺少加工、理解、思考、创意等步骤，停留在感知，未能达到认知。

机器学习/深度学习算法兴起于上世纪50年代(一直沿用至今)，今天深度学习算法的潜力已近天花板，限制了人工智能扩大应用创新。

今年五一前夕，徐匡迪院士提出“中国有多少数学家投入到基础算法研究中?”反映他对国内人工智能在基础研究上投入不足的担忧，随后一些数学家在座谈会上似乎有过激反应，他们认为：近年国内一片火红的人工智能披着一层华丽虚假的面纱，底层理论未有突破，核心算法缺位，人工智能发展面临“卡脖子”窘境。

2014年ibm研究类脑算法，开发truenorth芯片，支持人工智能应用创新。ibm开发基于大规模脉冲神经网络的类脑算法的truenorth芯片，是由4096个细小的计算内核组成，这些计算内核形成了100万个数字脑细胞和2.56亿个神经囘路，像“大脑神经元”一样工作(不同于运行打包成指令序列的传统人工智能芯片)。

2019年在《nature》杂志封面上发表了清华大学施路平团队研发的“世界首款双控异构融合类脑芯片”，其意义非同凡响!

《nature》杂志封面上发表清华大学施路平团队研发的“世界首款双控异构融合类脑芯片”

2014年清华大学类脑研究中心施路平团队研发类脑技术，将基于脉冲神经网络(snn)的类脑计算算法与基于人工神经网络(ann)的深度学习算法集成到一颗芯片“天机芯(tianjic)”上，实行资源复用，利用交叉优势，使人工智能应用创新更接近于“自主思考”的认知阶段。

天机芯应该属于cgra结构(这是一种更高层次的可重构技术)，对应tianjic的fccore是一个结合了snn和ann主要算法的统一硬件结构，而且在一块芯片上同时支持商业应用和算法研究，可以说这是tianjic最大的创新点。在无人驾驶的自行车上进行功能验证，应该说施教授团队选择如此应用場景让人眼前一亮，极具吸引力和冲击力。

第二代天机芯(2017)具有高速度、高性能、低功耗等特点，比truenorth芯片动能更全，灵话性和扩展性更好，速度提高10倍。

现在看来，ibm研发true north芯片，intel研发loihi芯片，均偏重于底层理论研究，即偏重于对类脑脉冲神经网络及类脑算法的研究。脉冲神经网络(snn)是模拟生物神经元连接和运行方式的模型，通过计算产生神经电脉冲进行信息传递，这和传统网络的权重连接+激活的方式有很大差别。目前国内外学术界和产业界正致力于对snn研究，期望突破深度学习算法，但对snn的新算法的研究还处于发展的萌芽期。

现将已发布的搭载snn芯片参数一览表公布如下：

搭载脉冲神经元(snn)芯片参数一览表

近年来，以深度学习算法为代表的人工智能技术发展迅速，鉴于深度学习并未能如人类真脑活动那样具有自主思维、创意和灵感，加上深度学习自身存在一定缺陷，对于人工智能进一步发展，人们期待新算法的出现。

当今人工智能的发展，国内外在突破深度学习算法基础上出现了基于新算法的萌芽：

1. 基于生物脉冲神经网络类脑算法，其研究成果已破土萌芽(可参阅ibm、英特尔、清华、浙大的实例)。

2.“脑机接口”算法，将人脑神经元与脑外深度学习机器人(或机械手、计算机)连接起来。如：今年8月美国卡内基梅隆大学贺斌团队将一块“脑机接口”芯片植入人脑，与大脑神经元无创连接成功，从此可凭人的意念(思维或想象力)利用人脑神经元来操控机器。今年发表的由俄罗斯“脑机接口”公司(neurobotics)和莫斯科物理技术学院(mipt)研发一种全新“脑机接口”算法，利用“脑机接口”将人脑(eeg)神经元与深度学习网络连接起来(本例采用无需植入大脑的非侵入电极)，期望用于治疗中风患者。美国脸书(facebook)和加州大学旧金山分校(ucsf)于今年7月发布的“脑机接口”技术(刊载于《nature》子刊上)，实时读取人类语言、可用意念打字、用人眼超高精度摄像等。

3.知识驱动的核心算法(深度学习算法是纯粹的数据驱动的算法)。ibm沃森(watson)在医疗人工智能方面研究知识驱动，建立大规模的知识库，研究知识表示和推理，专注于人工智能最核心的内容，研发了以知识驱动或知识驱动和数据驱动相结合的核心算法，促使人工智能由感知阶段上升到认知阶段。

归纳起来，未来突破深度学习的新算法有下列多种可能：

● 脉冲神经网络硬件实现与类脑智能算法

● 知识表示或数据与知识驱动相结合的认知算法

● 将真脑与深度学习相连的脑机接口算法

（转载）

以上是网络信息转载，信息真实性自行斟酌。