類腦智能是當前人工智能研究的熱點，類腦智能的使用，即讓人工智能產品能夠分析用戶數據并采取最佳決策，這項研究就需要對神經網絡系統的數據進行大量分析獲得。

　　類腦智能的概念

　　“類腦智能”就是利用神經形態計算來模擬人類大腦處理信息的過程，這是當前人工智能領域最新的熱點方向。

　　類腦智能的目標

　　類腦智能的目標是讓機器具有人類認知能力。從IBM的“深藍”系統擊敗國際象棋世界冠軍卡斯帕羅夫，到谷歌的AlphaGo戰勝人類頂級圍棋選手，上述所有的突破都僅是智能系統從某個視角、在某個特定領域接近、達到或超過人類智能，而相關的理論、算法與系統很難推廣到其他領域，用于解決其他類型的問題。在人工智能學界，有一條著名的莫拉維克悖論，講的是要讓電腦同成人下棋是非常容易的，但要讓電腦像一歲孩子一樣感知和行動，卻相當困難。AlphaGo能擊敗世界頂尖圍棋高手，卻無法像孩子一樣探索世界。

　　類腦智能的相關技術

　　1，理論和建模知識

　　認知體系結構研究是類腦認知計算模型研究的基礎。近年來研究人員逐漸向神經網絡中融入記憶、推理和注意等機制。此外，還開展不同腦區協同認知模型研究，構建面向通用智能的類腦認知計算模型。如，加拿大滑鐵盧大學研制的SPAUN腦模擬器，將250萬個神經元模塊化地分割為10余個腦區，實現了模擬筆跡、邏輯填空、工作記憶、視覺信息處理等能力。

　　2，深度神經網絡

　　近年來發展起來的深度神經網絡(DNN)模型模擬了人腦在腦區尺度進行層次化信息處理的機制。其中，卷積神經網絡(CNN)受生物視覺系統的啟示，將生物神經元之間的局部連接關系以及信息處理的層級結構應用到計算模型中，模擬大腦多個層級的信息處理;脈沖神經網絡(SNN)是近年來研發出的另一種新型神經網絡，其神經元以電脈沖的形式對信息進行編碼，能夠很好地編碼時間信息，更接近真實神經元對信息的編碼方式，被認為是能接近仿生機制的神經網絡模型。

　　3，神經學習的接口

　　通過神經解碼(將大腦的神經信號轉化為對外部設備的控制信號)，使計算機從大腦神經活動中獲知人的行為意向，分為侵入式腦機接口和非侵入式腦機接口，侵入式主要用于重建特殊感覺(如視覺)以及癱瘓病人的運動功能，通常直接植入到大腦的灰質;非侵入式是用緊貼頭皮的多個電極采集大腦腦電圖信號。美國Emotiv公司開發出一套人機交互設備“Emotiv Epoc”意念控制器，運用非侵入性腦電波儀技術，感測并學習每個使用者大腦神經元信號模式，實時讀取使用者大腦對特定動作產生的意思，通過軟件分析解讀其意念、感覺與情緒。

　　4，相關的硬件支持

　　參考人腦神經元結構和人腦感知認知方式設計的芯片，可分為神經形態芯片、參考人腦感知認知的計算模型兩大類。隨著類腦芯片的深入發展，基于類腦芯片的類腦計算機雛形已經出現。2016年IBM公司開發出基于其Truenorth芯片的類腦計算機NS16e，采用16顆TrueNorth芯片組成芯片陣列，通過電路系統模擬人腦神經元及突觸的工作方式，通過模式和分類關聯過往和現在的數據，并基于概率和關聯識別模式做出決策。

　　5，機器人的技術應用

　　類腦智能機器人是融合了視覺、聽覺、思考和執行等能力的綜合智能系統，能夠以類似人腦的工作方式運行。通過將人腦的內部機理融入機器人系統，提高機器人的認知、學習和控制能力，進而產生更深度的交叉與合作。研究人員正努力使機器人以類腦方式實現對外界的感知及自身控制一體化，使其能夠模仿外周神經系統感知、中樞神經系統輸出與多層級反饋回路，實現機器人從感知外界信息到自身運動的快速性和準確性。瑞士洛桑理工學院2015年開發了一個神經系統仿真工具，該工具建立了數字化的老鼠大腦計算模型和虛擬老鼠身體模型，將這兩個模型結合起來模擬大腦和身體互動的神經機制，目前已在模型中模擬出小白鼠大腦中3.1萬個神經元活動。

　　隨著各企業和國家對類腦智能研究的投入，我們將能見證到這項技術和實際產品不斷結合的成果出現，這些都將大力助力人工智能產業的發展。