当前人工智能依靠的底层理论是基于多层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、思考等步骤，还停留在感知阶段，未能达到认知阶段。
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？”这就是偏于悲观估计的《徐匡迪之问》：近年国内一片火红的人工智能披着一层华丽虚假的面纱，数学家、脑科学家等资深专业人才极少投入，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，以期向“认知”迈进。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！
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（ANN）的类脑计算算法与基于人工神经网络（SNN）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芯片功能更全，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（ANN）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对ANN研究还不多、不深，主要在基础算法上尚未见到关键性突破。
国内一些AI专家认为，纯脉冲神经网络（和其类脑基础算法）将是推动人工智能发展进入认知阶段的关键。他们目前正在致力于研发ANN（已有几年），我认为应该将这项研究成果，不光结合或应用于纯脉冲神经网络，更要结合或应用于ANN+SNN异构融合网络。
关于“Linux宝库”微信公众号：
欢迎关注"Linux宝库"微信公众号，这里每天发布最新的开源人物和开源事件。谨以此号记录Linux和开源业界的点点滴滴，为开源爱好者和从业者点亮人生。
- 责任编辑：Cathy.J -- END -
