脑启发的人工智能以人类大脑的结构与功能机制为灵感,旨在构建具备低功耗与强泛化能力的新型智能系统。当前以深度学习为核心的人工智能方法在计算资源开销、能耗、可解释性与适应性方面仍存在显著不足,难以在复杂多变或资源受限的环境中实现持续学习与灵活推理。相比之下,大脑展现出在并行处理、低功耗、快速泛化及自适应学习等方面的天然优势,这为突破传统人工智能范式提供了重要启示。本文系统综述了脑启发的人工智能领域的国内外研究进展。从脑结构启发的角度,分析了神经元模型、神经环路与神经调制机制的多层级建模方法;从脑功能启发的角度,探讨了感知、认知、学习、决策与控制等智能环节的算法创新路径;从硬件系统的角度,总结了具有近内存与存算一体架构的新型类脑计算系统的发展现状。报告进一步比较了国际与国内在理论研究、算法优化与硬件实现等方面的差异与互补优势。最后,展望了未来脑启发的人工智能在算法–硬件协同、跨学科融合及产业化应用方面的发展趋势,提出了推动我国在该领域实现跨越式突破的关键方向。
Shuangming et al. (Thu,) studied this question.