神經擬態計算日益“火熱”。各大廠商以及科研機構都在抓緊佈局，英特爾最近公佈了在神經擬態計算的最新進展， Loihi芯片僅需單一樣本便可學會識別10種有害氣體的氣味。以Loihi芯片為基礎的神經擬態計算系統Pohoiki Springs包含1億個神經元，堪比小型哺乳動物的大腦容量。
神經擬態計算，或“類腦計算”或“神經形態計算”，指的是機器模擬人腦神經機構和運行方式有關的計算。脈衝神經網絡（SNNs）是神經擬態計算中一種全新的模型，可以模仿人腦中自然神經元網絡的方式將計算模塊重新分佈。
顛覆傳統馮·諾依曼的硬件加軟件架構，實現人腦的智能功能，神經擬態計算被認為是引領下一代人工智能的主流計算模式。
近日，英特爾中國研究院院長宋繼強與杜克大學電子與計算機工程系教授陳怡然教授以及浙江大學計算機學院教授唐華錦教授進行了一次有關神經擬態計算的行業對話。
三位學術界大咖在這次的行業對話中着重對神經擬態計算的獨特優勢、和目前主流的深度學習的對比、如何進一步突破以及未來的應用方向等話題進行了意見交流，再次引起了業界對神經擬態計算的關注和討論。
解決現有AI的挑戰
目前的人工智能正在面臨着諸多挑戰，其中一項就是對於能源的大量需求，造成對生態的污染問題。
國外的一項研究顯示，僅僅是訓練一個AI模型，所消耗的電力產生的碳排放量相當於5台美式轎車整個生命週期的碳排放量。可以説，目前的AI模式對生態環境構成了一定的威脅。
作為下一代的AI芯片，神經擬態計算能夠很好地解決這一問題。宋繼強表示:”神經擬態計算在算法以及芯片的設計上可以實現以低一千倍以下的功耗去完成同樣效果的模型訓練。”來自浙江大學的唐華錦教授也認為神經擬態芯片是一種環境友好型的芯片，“體積小、功耗低，符合生物進化最本質的優勢。“
除了能耗低的優勢之外，神經擬態計算還有諸多其他優勢。唐華錦稱“神經擬態計算最大的優勢是神經元的智能性和自主性，不是單純解決一個數據訓練、模式識別的問題，而是解決多模態感知、非結構化信息的感知和推理。“
另外，來自杜克大學的陳怡然教授也表示神經擬態計算相比目前的技術來説會更加安全，“神經擬態計算可以通過不同信號相互之間連接，可以做得更‘魯棒’（Robust），這對於外在的攻擊或者不友好的操作其實可以更有效的進行保護，現在這方面也有一些新的研究。“
與深度學習的關係
在此次對談中，一個重要的談論主題是神經擬態計算是否會在不遠的未來取代深度學習。Gartner此前的一份調查報告預測，到2025年神經擬態計算有望取代GPU，成為下一代AI的主流計算形態。
對此，三位嘉賓的觀點不盡相同。宋繼強認為神經擬態計算和深度學習的關係是兼收幷蓄，而不是取代，“對於深度學習已經非常擅長的，模擬人類視覺或者自然語言交互的任務，我們讓深度學習的網絡去模擬；對於其他不太適合用深度學習做的，如英特爾Loihi芯片做的嗅覺方面的研究，還有機器人操控、多模態甚至於跨模態之間的知識存儲，我們可以用神經擬態計算去實現。”
唐華錦認為，在一些特殊場景中，比如並不需要精確的計算結果而是需要在一個實時環境中給出一個“魯棒”的響應時，相比於深度學習算法，神經擬態計算有着絕對優勢。
不過在陳怡然看來，目前神經擬態計算本質上跟深度學習所能實現的功能沒有特別大的不同，“現在還沒有可靠的證據表明，神經擬態計算能夠達到這一代人工智能技術所不能達到的新境界。”陳怡然也認可神經擬態計算所具有的“魯棒”性以及實時性等優勢，但這些只能説是在深度學習基礎上的提升而不是技術上的突破。“神經擬態計算不應該是深度學習的一個子集，而應是全新的集合，”他表示。
“殺手級”應用
對於未來的突破方向，陳怡然認為最根本的問題是“必須要軟硬協同，兩者必須要齊頭並進。”宋繼強則認為，儘快找到真正適應神經擬態計算的應用方向，取得里程碑式的進展，有助於能夠促進產業跟隨。為此，英特爾成立了INRC（神經擬態研究社區），成員可以獲取英特爾Loihi測試芯片從而支持他們的神經擬態研究。目前已經有諸多科研機構、大學、世界500強企業加入，促進神經擬態計算應用落地。
在此次對話中，有關未來神經擬態計算的應用方向，嘉賓們也作出了一些設想。唐華錦認為未來神經擬態計算未來比較有前景的切入點主要有兩個：“一個是非結構化數據，實時性要求很高的場景。另外一個是多模態的、實時的場景，比如説機器人、無人機等需要持續學習和自適應學習的場景。”
宋繼強也認為，未來神經擬態計算很有可能會落地到商用或者消費級的產品，“我們目前已經看到在服務機器人以及智能家居等場景下，神經擬態計算可以有很好的表現。”