半月談記者 朱涵

小到筆記本電腦，大到超級計算機，有計算的地方，似乎就有高能耗——不對，除了我們的大腦。

我們的大腦奧妙無窮，尤其妙的一點，就是“高效低耗”，解決問題不需要特別多的能量。也正因此，不少科學家意識到，人工智能研發，應該先學學生物腦的機理。

不那么耗能的智能

城市街道上，一輛自動駕駛汽車正在行駛。如果這時，有一個孩子追著皮球沖上馬路，出現在汽車正前方，接下來會發生什么?

車載系統的多個傳感器立即捕捉到這一情況，專用的神經網絡處理器和GPU開始高速運算，在大約100毫秒內完成從感知到決策的過程，只是，峰值狀態能耗可能達到數百瓦;人類在大腦指揮下，同樣能在電光石火間踩下剎車，但大腦的能耗大約只有20瓦，差不多一個節能燈泡的級別。

“作為人體最核心的‘信息處理系統’，從節能的角度看，大腦可稱為世界上最先進的計算機。”浙江大學醫學院教授馬歡說，人的大腦有1000億神經元，數百萬億的突觸連接，神經元之間勾連互動，形成了極其復雜的神經網絡，經過上百萬年的演化，人腦以并行和分布的邏輯處理信息的方式達到了極其精妙的水準，尤為不可思議的，就是能夠以低能耗同時處理多個任務。

浙江大學醫學院馬歡教授（前排中）與團隊

實際上，除了炙手可熱的人工神經網絡方向外，今日人工智能的另一種思路，就是更深入地向我們的大腦學習，也就是通過高精度地模擬生物神經和身體系統，實現更強智能，即所謂“類腦智能”。

業界已經指出，人工智能發展的約束條件，其實不止于芯片，能源短缺的風險也迫在眉睫。支撐種種“深度學習”的高能耗，猶如懸在智能時代人類頭頂的一把利劍。

也許，走出利劍陰影的希望，恰恰就萌生于我們自己的頭腦之中——既然我們的大腦可以如此高效低耗，為何不把更多精力放在模擬大腦運轉機制上?

一窺大腦高效的奧秘

要理解大腦高效低耗運作的奧秘，還得從它的基礎構成——神經元開始我們的探究。

神經元是神經系統的基本結構和功能單元，是服務于大腦這個“信息處理系統”的“信息傳遞網絡”，神經元構筑的，是至今我們也沒有完全理解的神經網絡。不過，科學家已經明白，神經元要想工作，就離不開傳遞信息的關鍵樞紐——突觸，以及生命體專屬“供電站”——線粒體。

神經元的形狀蠻特別，可以形容為一種極化結構，除了胞體，還有向外生長的樹突和軸突，而神經元處理和存儲信息的水準，可以說就取決于這些遠離胞體的樹突和軸突上的突觸。無數突觸賦予了神經元信息并行處理的能力，我們要理解大腦的耗能問題，其實就是要設法搞清楚，突觸周邊的些微天地之中，能量是怎樣得到精密調控的?

直接研究人腦，目前還不現實，科學家求助于模式動物小鼠。馬歡團隊借助小鼠獲得的初步發現是，在學習記憶或者人工誘導的神經活動下，神經元突觸附近的線粒體基因轉錄顯著增加，換句話說，大腦的能量供給充足了許多。好，第一步清楚了，一旦“思考”引發神經活動，神經元會迅速達成一種物質能量高效協調轉化的機制。

接下來的發現就是關鍵所在了。原來，不同于傳統計算機的整體供能方式，哺乳類動物大腦采用了一種獨特的“按需供能”策略，也就是說，針對每個突觸(就好比數據節點)的需求“按需分配”，投放可為神經活動(也就是信息處理)所用的線粒體“能量包”。這種專業上稱為“可塑性調控”的過程，讓每個神經元的活動可以既富于活力，又不會白白浪費能源。

向大腦學習，前景如何?

現今，許多科學家及工程師都在通過模擬人類大腦或神經網絡來推動人工智能發展。就像上文提到的，“深度學習”近年來取得了巨大的成功，比方說，目標和語音識別方面，人工智能表現之優異，已不亞于人，甚至能擊敗人類大師。

但在面對許多現實世界的任務時，人工智能又還遠不及人類——比如在擁擠的城市街道上識別自行車或特定行人，或伸手端起一杯茶并穩穩地送到嘴邊，令人工智能尤覺困難的，是需要創造力的工作。這正是人工智能亟須向大腦學習的地方。

向大腦學習，已經有一些項目成果令人矚目。清華大學類腦計算研究中心團隊研制出的世界首款類腦互補視覺芯片“天眸芯”，在極低的帶寬和功耗代價下，實現了高速、高精度、高動態范圍的視覺信息采集;北京智源人工智能研究院研制的“天寶”高精度仿真秀麗線蟲，在302個神經元精細建模、96塊肌肉與3341個力學計算單元的支撐下，能夠模擬真實生物，像真實線蟲一樣嗅探并控制身體向興趣目標蠕動，下一步還有望實現避障、覓食等生命體具備的復雜智能行為……

清華大學專家介紹基于原語表示的類腦互補視覺感知芯片 黃宗治 攝

今日科學界的共識是，對大腦的研究堪稱自然科學的“終極疆域”，打造像人腦一樣高效的“機器腦”會是科學家腦中不褪色的夢想。通往這條夢想的路并不平坦，但每一步都踏出希望。