人工智能導(dǎo)論課件 第十三章 類腦智能

第十三章

類腦智能Chapter13CONTENTS目錄類腦計(jì)算與類腦智能類腦智能技術(shù)人工大腦類腦導(dǎo)航技術(shù)類腦導(dǎo)航模型類腦技術(shù)前景類腦計(jì)算與類腦智能01類腦計(jì)算與類腦智能01概念類腦智能是指基于類腦計(jì)算實(shí)現(xiàn)的類腦計(jì)算機(jī)為平臺(tái)，獲得和發(fā)展類人機(jī)器智能。所謂“類腦計(jì)算”，是指仿真、模擬和借鑒大腦神經(jīng)系統(tǒng)結(jié)構(gòu)和信息處理過(guò)程所設(shè)計(jì)或?qū)崿F(xiàn)的模型、軟件、裝置等新型計(jì)算方法。類腦計(jì)算與類腦智能01目標(biāo)通過(guò)研究人腦神經(jīng)網(wǎng)絡(luò)的機(jī)理，利用電子、光學(xué)、生物等技術(shù)實(shí)現(xiàn)神經(jīng)計(jì)算機(jī)，使機(jī)器實(shí)現(xiàn)人類具有的多種認(rèn)知能力及其協(xié)同機(jī)制，突破傳統(tǒng)計(jì)算機(jī)（馮·諾依曼結(jié)構(gòu)）在模擬人類智能方面的瓶頸。類腦智能系統(tǒng)在信息處理機(jī)制上類腦，認(rèn)知行為和智能水平上類人，最終達(dá)到或超越人類智能水平，進(jìn)而創(chuàng)造更加智能的機(jī)器--類腦智能機(jī)器。類腦計(jì)算與類腦智能01發(fā)展類腦智能技術(shù)的背景--已有方法的局限性在傳統(tǒng)人工智能技術(shù)中，符號(hào)主義和聯(lián)接主義的技術(shù)路線相應(yīng)地采用了邏輯推理模擬和結(jié)構(gòu)模擬的方法，來(lái)實(shí)現(xiàn)人類智能的機(jī)械化與電子化。行為主義則是完全忽略智能的機(jī)制，試圖單純通過(guò)行為模仿來(lái)實(shí)現(xiàn)智能。符號(hào)主義人工智能方法在對(duì)知識(shí)的建模、學(xué)習(xí)和推理方面仍存在缺乏感知、理解、拓展性差等局限性。聯(lián)結(jié)主義中，傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)又只能利用特定模型處理特定問(wèn)題，同樣存在缺乏理解、拓展性差等問(wèn)題。由人工神經(jīng)網(wǎng)絡(luò)發(fā)展而來(lái)的深度神經(jīng)網(wǎng)絡(luò)形成的深度學(xué)習(xí)技術(shù)，結(jié)合大算力、大數(shù)據(jù)等技術(shù)，在感知智能方面超越人類，但與人類認(rèn)知智能還相去甚遠(yuǎn)。類腦計(jì)算與類腦智能01發(fā)展類腦智能技術(shù)的背景--能耗效率深度學(xué)習(xí)技術(shù)在解決各種實(shí)際問(wèn)題方面展示了強(qiáng)大性能，但是其缺陷也是顯而易見(jiàn)的，尤其是在算力方面的需求，遠(yuǎn)超一般的機(jī)器學(xué)習(xí)方法，導(dǎo)致能耗過(guò)高，對(duì)氣候、水資源等帶來(lái)一定的負(fù)面作用。在深度學(xué)習(xí)時(shí)代，產(chǎn)生一流的人工智能模型所需的計(jì)算資源，平均每3.4個(gè)月翻一番；這意味著，能量需求在2012年至2018年之間增加了300,000倍。而“GPT-3”只是這種指數(shù)級(jí)增長(zhǎng)軌跡上的一個(gè)最新節(jié)點(diǎn)。類腦計(jì)算與類腦智能01發(fā)展類腦智能技術(shù)的背景--能耗效率和當(dāng)今的深度學(xué)習(xí)方法相比，人類大腦的效率高得不可思議。雖然只有幾磅重，大概只需要20瓦左右的能量消耗，這個(gè)能耗只能夠給昏暗的燈泡供電。然而，它們代表了已知宇宙中最強(qiáng)大的智力形式。與深度學(xué)習(xí)方法相比，人類大腦的效率高得不可思議。雖然只有幾磅重，大概只需要20瓦左右的能量消耗，這個(gè)能耗只能夠給昏暗的燈泡供電。然而，它代表了已知宇宙中最強(qiáng)大的智力形式。符號(hào)主義、聯(lián)結(jié)主義方法及深度學(xué)習(xí)等方法都沒(méi)有真正腦與神經(jīng)網(wǎng)絡(luò)的機(jī)制和結(jié)構(gòu)出發(fā)來(lái)模擬人腦的結(jié)構(gòu)實(shí)現(xiàn)智能。類腦計(jì)算與類腦智能01發(fā)展類腦智能技術(shù)的背景--結(jié)構(gòu)主義結(jié)構(gòu)主義是20世紀(jì)早期在人文社會(huì)科學(xué)領(lǐng)域興起的一種理論流派。"結(jié)構(gòu)決定功能"是結(jié)構(gòu)主義的一個(gè)重要理論原則。系統(tǒng)的基本結(jié)構(gòu)決定了其整體可以實(shí)現(xiàn)的功能。相似的結(jié)構(gòu)可以實(shí)現(xiàn)相似的功能。要理解一個(gè)系統(tǒng)的功能,必須研究其內(nèi)在的結(jié)構(gòu)關(guān)系,而不應(yīng)僅關(guān)注表面的現(xiàn)象。結(jié)構(gòu)決定著功能的發(fā)揮。傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)雖然也可以看做是一種結(jié)構(gòu)主義方法，但是沒(méi)有忠實(shí)于人腦的生物學(xué)結(jié)構(gòu)，而是數(shù)學(xué)簡(jiǎn)化。深度神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）也是如此。類腦計(jì)算要從結(jié)構(gòu)上忠實(shí)模擬人腦結(jié)構(gòu)，實(shí)現(xiàn)類腦智能。類腦計(jì)算與類腦智能01發(fā)展類腦智能技術(shù)的背景--傳統(tǒng)計(jì)算機(jī)局限性首先，現(xiàn)代計(jì)算機(jī)都是基于馮諾依曼結(jié)構(gòu)計(jì)算機(jī)，按照摩爾定律，即計(jì)算速度和晶體管數(shù)量每年翻一倍。但是現(xiàn)代計(jì)算機(jī)在芯片設(shè)計(jì)方面存在物理極限：芯片體積越來(lái)越小，所容納的晶體管數(shù)量極其龐大（例如，10億晶體管級(jí)芯片,需要芯片面積約為100-200平方毫米）。其次，現(xiàn)代計(jì)算機(jī)與人腦只在信息處理形式上有類似的地方，但在結(jié)構(gòu)上和處理機(jī)制上與人腦完全不同。第三，人工智能、認(rèn)知科學(xué)以及計(jì)算主義曾經(jīng)認(rèn)為的“人腦就像計(jì)算機(jī)一樣工作”，但這一觀點(diǎn)只是一種隱喻。類腦計(jì)算歷史011989年，加州理工學(xué)院的卡弗·米德(CarverMead)提出了“類腦工程”概念，并撰寫了《模擬VLSI與神經(jīng)系統(tǒng)》一書，采用亞閾值模擬電路來(lái)仿真脈沖神經(jīng)網(wǎng)絡(luò)，其應(yīng)用是仿真視網(wǎng)膜。1990~2003年，摩爾定律持續(xù)發(fā)展，基于馮·諾伊曼架構(gòu)的處理器主頻與性能持續(xù)增長(zhǎng)，而類腦計(jì)算則沉寂十余年。2004年前后，單核處理器主頻停止增長(zhǎng)，設(shè)計(jì)者開(kāi)始轉(zhuǎn)向多核，學(xué)術(shù)界開(kāi)始尋求馮·諾伊曼架構(gòu)的替代技術(shù)。類腦計(jì)算經(jīng)過(guò)十多年的小眾研究，開(kāi)始成為熱點(diǎn)。2004年，斯坦福大學(xué)教授夸貝納·波爾漢研制出基于模擬電路的類腦芯片Neurogrid。2005年，英國(guó)曼徹斯特大學(xué)開(kāi)始研制基于ARM的多核超級(jí)計(jì)算機(jī)SpiNNaker。2005年，歐盟啟動(dòng)FACETS(FastAnalogComputingwithEmergentTransientStates)項(xiàng)目，研制基于模擬混合信號(hào)(AnalogMixed-Signal,AMS)的類腦芯片。2005年，美國(guó)國(guó)防部高級(jí)研究計(jì)劃署(DARPA)啟動(dòng)SyNAPSE(SystemsofNeuromorphicAdaptivePlasticScalableElectronics)項(xiàng)目，支持IBM與多家單位聯(lián)合研發(fā)類腦芯片。瑞士洛桑聯(lián)邦理工學(xué)院(EPFL)研究者亨利·馬克拉姆(HenryMarkram)與IBM合作啟動(dòng)了藍(lán)腦項(xiàng)目，采用IBMBlueGene/L超級(jí)計(jì)算機(jī)模擬大規(guī)模神經(jīng)網(wǎng)絡(luò)。類腦計(jì)算歷史012008年，惠普公司實(shí)現(xiàn)憶阻器原型，可作為類腦計(jì)算基本元件，并展示了首個(gè)憶阻器與硅材料的混合電路。2011年，歐盟啟動(dòng)BrainScaleS(Brain-inspiredmultiscalecomputationinneuromorphichybridsystems)項(xiàng)目，作為FACETS的后續(xù)項(xiàng)目，研發(fā)大規(guī)模并行類腦計(jì)算機(jī)。2012年，藍(lán)腦項(xiàng)目所模擬的最大神經(jīng)網(wǎng)絡(luò)包括100萬(wàn)個(gè)神經(jīng)元與10億個(gè)突觸，其規(guī)模相當(dāng)于蜜蜂的大腦，仿真速度是實(shí)時(shí)速度的1/300。2013年，歐盟啟動(dòng)人腦計(jì)劃，由亨利·馬克拉姆牽頭，總金額10億歐元，包括神經(jīng)信息學(xué)、醫(yī)學(xué)信息學(xué)、腦仿真、高性能計(jì)算、類腦計(jì)算與神經(jīng)機(jī)器人6個(gè)平臺(tái)。同年，美國(guó)啟動(dòng)BRAIN并不直接涉及類腦計(jì)算，但是它將推動(dòng)對(duì)生物腦機(jī)理的深入理解，為計(jì)算領(lǐng)域的研究者提供大量的實(shí)驗(yàn)數(shù)據(jù)與相關(guān)理論。2014年，達(dá)曼德拉·莫德哈(DharmendraModha)領(lǐng)導(dǎo)的IBMSyNAPSE項(xiàng)目推出了TrueNorth芯片。2015年3月，德國(guó)海德堡大學(xué)在一個(gè)8英寸硅片上集成了20萬(wàn)神經(jīng)元和5000多萬(wàn)突觸，采用這種“神經(jīng)形態(tài)處理器”的類腦計(jì)算機(jī)成功運(yùn)行。2016年8月，IBM蘇黎世研究院制造脈沖神經(jīng)元。每個(gè)單元能穩(wěn)定存儲(chǔ)3比特?cái)?shù)據(jù)，還能執(zhí)行多種計(jì)算，如檢測(cè)數(shù)據(jù)關(guān)聯(lián)等，并且像生物神經(jīng)元一樣具有隨機(jī)性。類腦計(jì)算技術(shù)02類腦計(jì)算技術(shù)——類腦計(jì)算技術(shù)架構(gòu)02類腦智能技術(shù)——?dú)v史022011年5月，IBM構(gòu)建全新的定制芯片，被稱作“神經(jīng)突觸核心”（neurosynapticcores）。采用45納米SOI-CMOS技術(shù)制作的并且包含256個(gè)神經(jīng)元，一個(gè)內(nèi)核包含262,144個(gè)可編程的神經(jīng)鍵，另一個(gè)包含65,536個(gè)學(xué)習(xí)神經(jīng)鍵。希望采用這種芯片制造的系統(tǒng)能夠通過(guò)經(jīng)驗(yàn)學(xué)習(xí)、發(fā)現(xiàn)關(guān)聯(lián)、創(chuàng)造假設(shè)和記憶，并且從結(jié)果中學(xué)習(xí)，模仿大腦結(jié)構(gòu)和突觸可塑性。該種芯片架構(gòu)更節(jié)能并且沒(méi)有固定的編程，把內(nèi)存與處理器集成在一起，模仿大腦的事件驅(qū)動(dòng)、分布式和并行處理方式。類腦芯片類腦智能技術(shù)——神經(jīng)形態(tài)計(jì)算022014年8月7日，IBM宣布研制成功TrueNorth神經(jīng)形態(tài)芯片，這項(xiàng)成果入選“2014年十大科學(xué)突破”。2016年發(fā)布TruNorth類腦計(jì)算機(jī)，其處理能力相當(dāng)于1600萬(wàn)個(gè)神經(jīng)元和40億個(gè)神經(jīng)鍵，消耗的能量只需2.5瓦。2019年IBM利用88萬(wàn)CPU，研制出與人腦速度相當(dāng)?shù)哪M人腦系統(tǒng)。類腦智能技術(shù)——神經(jīng)形態(tài)計(jì)算02斯坦福大學(xué)2014年開(kāi)始開(kāi)發(fā)的神經(jīng)形態(tài)超級(jí)計(jì)算機(jī)Neurogrid模擬樹突計(jì)算（突觸前離子通道功能）與數(shù)字軸突通信相結(jié)合。每個(gè)芯片集成了一百萬(wàn)個(gè)與2.56億突觸相連的神經(jīng)元。類腦智能技術(shù)——神經(jīng)形態(tài)計(jì)算022019年7月，Nature雜志封面刊登了清華大學(xué)類腦計(jì)算團(tuán)隊(duì)的新成果：天機(jī)芯片及其操控的自行車。最新一代天機(jī)芯片結(jié)合了類腦計(jì)算和人工智能，結(jié)合了面向神經(jīng)科學(xué)和面向計(jì)算機(jī)科學(xué)的方法優(yōu)勢(shì)，從而開(kāi)發(fā)出具有人類大腦和主流機(jī)器學(xué)習(xí)算法廣泛特征的跨范式計(jì)算平臺(tái)。天機(jī)芯片采用28nm工藝制造，核心面積僅僅3.8×3.8毫米，包含156個(gè)FCores核心，擁有大約40000個(gè)神經(jīng)元和1000萬(wàn)個(gè)神經(jīng)突觸，可以同時(shí)支持機(jī)器學(xué)習(xí)算法和類腦電路。類腦智能技術(shù)——神經(jīng)形態(tài)計(jì)算02目前，類腦計(jì)算技術(shù)主要基于類腦芯片實(shí)現(xiàn)。類腦芯片技術(shù)主要有兩種類型，一種是參考人腦神經(jīng)元組織結(jié)構(gòu)設(shè)計(jì)的芯片，稱為神經(jīng)網(wǎng)絡(luò)芯片。神經(jīng)網(wǎng)絡(luò)芯片大致可以分為4個(gè)大類：人工神經(jīng)網(wǎng)絡(luò)芯片、神經(jīng)形態(tài)網(wǎng)絡(luò)芯片、視覺(jué)處理芯片和類腦芯片工藝器件基礎(chǔ)研究。人工神經(jīng)網(wǎng)絡(luò)芯片在實(shí)際應(yīng)用進(jìn)展方面發(fā)展較快；神經(jīng)形態(tài)網(wǎng)絡(luò)芯片尚處于探索性應(yīng)用階段；視覺(jué)處理芯片則專門用于完成圖像和視頻處理任務(wù)。類腦芯片的另一種類型是設(shè)計(jì)芯片結(jié)構(gòu)來(lái)高效支持機(jī)器學(xué)習(xí)等智能算法，是非神經(jīng)元組織結(jié)構(gòu)的計(jì)算模型。例如，中國(guó)科學(xué)院計(jì)算技術(shù)研究所的寒武紀(jì)系列神經(jīng)網(wǎng)絡(luò)處理器，通過(guò)硬件體系結(jié)構(gòu)的創(chuàng)新來(lái)大幅度提高性能并降低功耗。

神經(jīng)形態(tài)計(jì)算的基本構(gòu)建模塊是研究人員稱之為脈沖神經(jīng)元，它的作用類似于邏輯門在傳統(tǒng)計(jì)算中的作用。類腦智能技術(shù)——神經(jīng)形態(tài)計(jì)算02英國(guó)曼徹斯特大學(xué)2012年開(kāi)始設(shè)計(jì)數(shù)字脈沖神經(jīng)網(wǎng)絡(luò)架構(gòu)（SpikingNeuralNetworkArchitec-Ture，SpiNNaker）芯片，是一種大規(guī)模并行神經(jīng)網(wǎng)絡(luò)。50萬(wàn)核神經(jīng)形態(tài)計(jì)算平臺(tái)目前已經(jīng)升級(jí)為擁有100萬(wàn)個(gè)處理器核心和1200塊互連電路板的超級(jí)計(jì)算機(jī)，這是世界上最大的神經(jīng)形態(tài)計(jì)算機(jī)，也就是模擬神經(jīng)元放電的計(jì)算機(jī)。類腦智能技術(shù)——神經(jīng)形態(tài)計(jì)算02項(xiàng)目/單位實(shí)現(xiàn)技術(shù)神經(jīng)元模型學(xué)習(xí)算法神經(jīng)元個(gè)數(shù)突觸個(gè)數(shù)SpiNNaker,英國(guó)曼徹斯特大學(xué)18核ARM芯片，片上網(wǎng)絡(luò)互聯(lián)LIF,IzhikevichSTDP每個(gè)ARM核上1K個(gè)神經(jīng)元核的個(gè)數(shù)可達(dá)百萬(wàn)級(jí)別每個(gè)ARM核上1M個(gè)突觸TrueNorth美國(guó)IBM公司數(shù)字電路LIF無(wú)每個(gè)神經(jīng)突觸核上256個(gè)神經(jīng)元；每個(gè)芯片上4096個(gè)核每個(gè)神經(jīng)突觸核上256K個(gè)突觸HICANN德國(guó)海德保大學(xué)模擬混合電路，晶片級(jí)集成AdExIFSTDP每個(gè)芯片上512個(gè)神經(jīng)元；每個(gè)晶片上448個(gè)芯片每個(gè)芯片上115K個(gè)突觸Neurogrid,美國(guó)斯坦福大學(xué)亞閾值模擬混合電路QIF無(wú)每個(gè)神經(jīng)核上65K個(gè)神經(jīng)元；每個(gè)芯片上16個(gè)神經(jīng)核每個(gè)芯片上375M個(gè)突觸ROLLS處理器，瑞士蘇黎世理工學(xué)院亞閾值模擬混合電路AdExIFSTDP每個(gè)芯片上256個(gè)神經(jīng)元每個(gè)芯片上128K個(gè)突觸BlueHive,英國(guó)劍橋大學(xué)數(shù)字電路多FPGA集群Izhikevich無(wú)每個(gè)FPGA上64K個(gè)神經(jīng)元每個(gè)FPGA上64M個(gè)突觸EMBRACE,愛(ài)爾蘭阿爾斯特大學(xué)與國(guó)立大學(xué)模擬混合電路，分級(jí)片上網(wǎng)絡(luò)互聯(lián)LIF遺傳算法每個(gè)處理單元上32個(gè)神經(jīng)元(16個(gè)輸入+16個(gè)輸出)每個(gè)輸入神經(jīng)元144個(gè)突觸；每個(gè)輸出神經(jīng)元17個(gè)突觸IFAT,美國(guó)加州大學(xué)圣地亞哥分校模擬混合電路LIF無(wú)每個(gè)芯片上65K個(gè)神經(jīng)元每個(gè)芯片上65M個(gè)突觸ZerothNPU,美國(guó)高通公司模擬混合電路LIF未知未知未知SiElegans歐洲多家研究機(jī)構(gòu)數(shù)字電路，多FPGA集群(最多330個(gè))多種類型包括HH,LIF無(wú)每個(gè)FPGA上1個(gè)神經(jīng)元全連接類腦智能技術(shù)——?dú)v史02人腦計(jì)算機(jī)2012年，來(lái)自13家歐洲學(xué)術(shù)機(jī)構(gòu)的科學(xué)家獲得歐盟資助，啟動(dòng)“人類大腦計(jì)劃”。他們將利用有史以來(lái)功能最強(qiáng)大的計(jì)算機(jī)，來(lái)實(shí)現(xiàn)世界上對(duì)完整人類大腦的首次模擬。人工大腦03人工大腦——腦模擬器03從神經(jīng)網(wǎng)絡(luò)出發(fā)的協(xié)同模型代表性工作是2012年加拿大滑鐵盧大學(xué)研制的語(yǔ)義指針結(jié)構(gòu)統(tǒng)一網(wǎng)絡(luò)（SemanticPointerArchitectureUnifiedNetwork(Spaun)）或稱為SPAUN腦模擬器，一種簡(jiǎn)化的人腦計(jì)算機(jī)模型。SPAUN是第一個(gè)能夠完成一系列任務(wù)并展示行為的大腦模擬器。這個(gè)模型由大約250萬(wàn)個(gè)虛擬神經(jīng)元組成，這些神經(jīng)元被組織成功能組，就像人腦中視覺(jué)、短期記憶等相關(guān)區(qū)域中的真實(shí)神經(jīng)元一樣。人工大腦技術(shù)——人造神經(jīng)元032016年8月IBM蘇黎世研究院研究人員利用相變存儲(chǔ)材料，制造出首例隨機(jī)興奮人工神經(jīng)元，這是在人造大腦方面的又一突破。2018年8月3日，IBM蘇黎世研究中心制成了世界上第一個(gè)人造納米尺度隨機(jī)相變神經(jīng)元。IBM已經(jīng)構(gòu)建了由500個(gè)該神經(jīng)元組成的陣列，并讓該陣列以模擬人類大腦的工作方式進(jìn)行信號(hào)處理，該技術(shù)突破具有重要意義。人造神經(jīng)元不同于人工神經(jīng)元，后者只是一個(gè)數(shù)學(xué)模型，而人造神經(jīng)元?jiǎng)t是利用一種相變材料技術(shù)制造出的模擬生物神經(jīng)元的物理神經(jīng)元。這是一種納米級(jí)電子原件，由兩個(gè)電極以及夾在它們之間的一層薄鐵電物質(zhì)組成。后者的電阻，可用類似于神經(jīng)元電信號(hào)的電壓脈沖來(lái)調(diào)整。若電阻低、突觸聯(lián)系會(huì)很強(qiáng)；若電阻高、突觸聯(lián)系會(huì)較弱。讓人工神經(jīng)突觸進(jìn)行學(xué)習(xí)，完全是基于這項(xiàng)調(diào)整電阻的能力。人工大腦——憶阻器03由于傳統(tǒng)硬件對(duì)布爾邏輯的強(qiáng)關(guān)聯(lián)性以及存儲(chǔ)和處理過(guò)程間的巨大分離，數(shù)十年來(lái)研究者們一直存在懷疑，認(rèn)為真正的人工智能不能在傳統(tǒng)的硬件上實(shí)現(xiàn)。在憶阻器出現(xiàn)之前，構(gòu)建具有像大腦那樣的形狀因子、低功耗和內(nèi)部實(shí)時(shí)通信的結(jié)構(gòu)是不可能的。這三個(gè)因素是構(gòu)建一個(gè)類似腦，并可以通過(guò)訓(xùn)練使其像腦一樣工作的裝置的關(guān)鍵。憶阻器半導(dǎo)體混合電路，圖中紅色部分即Memristor記憶電阻。類腦導(dǎo)航技術(shù)04類腦導(dǎo)航技術(shù)--生物導(dǎo)航細(xì)胞04隨著全球定位系統(tǒng)GPS的出現(xiàn)，我們開(kāi)車尋路、駕駛飛機(jī)，甚至行走在城市的大街小巷，許多習(xí)慣都發(fā)生了改變。人和動(dòng)物是如何判斷、識(shí)別方位，如何實(shí)現(xiàn)自我導(dǎo)航的？2014年諾貝爾醫(yī)學(xué)獎(jiǎng)得主莫澤夫婦發(fā)現(xiàn)了大腦中的定位系統(tǒng)細(xì)胞--這種人體中的GPS細(xì)胞讓人們能在空間中定位,并成為更高級(jí)認(rèn)知功能的基礎(chǔ)。JohnO’Keefe,May-BrittMoser,andEdvardI.Moser類腦導(dǎo)航技術(shù)--生物導(dǎo)航細(xì)胞04隨著全球定位系統(tǒng)GPS的出現(xiàn)，我們開(kāi)車尋路、駕駛飛機(jī)，甚至行走在城市的大街小巷，許多習(xí)慣都發(fā)生了改變。人和動(dòng)物是如何判斷、識(shí)別方位，如何實(shí)現(xiàn)自我導(dǎo)航的？2014年諾貝爾醫(yī)學(xué)獎(jiǎng)得主莫澤夫婦發(fā)現(xiàn)了“速度細(xì)胞”“頭部方向細(xì)胞”（位于海馬體前下托和內(nèi)嗅皮層），每當(dāng)大鼠面向某一個(gè)固定方向時(shí)，就會(huì)被激活，類似指南針的功能。放電頻率會(huì)隨著速度的增加而加快。根據(jù)速度細(xì)胞的放電頻率，研究人員可以推算出大鼠當(dāng)時(shí)的運(yùn)動(dòng)速度?！斑吔缂?xì)胞”（位于海馬體下托和內(nèi)嗅皮層），靠近空間邊界或障礙物時(shí)，就會(huì)被激活，邊界細(xì)胞可以計(jì)算出大鼠與邊界的距離。“位置細(xì)胞”“位置細(xì)胞”“網(wǎng)格細(xì)胞”（位于海馬體內(nèi)嗅皮層）是剛性的，不會(huì)因環(huán)境改變而不同，像是地圖中的經(jīng)緯線一樣的空間度量，是內(nèi)部參考系。（位于海馬體CA1區(qū)）：當(dāng)老鼠經(jīng)過(guò)封閉空間中的某個(gè)特定位置時(shí)，這些細(xì)胞就會(huì)興奮，經(jīng)過(guò)另一個(gè)位置時(shí)，另一些細(xì)胞就會(huì)興奮，將所有這些位置細(xì)胞整合起來(lái)，剛好形成一幅能反映真實(shí)空間里不同位置的地圖。類腦導(dǎo)航技術(shù)—位置細(xì)胞04類腦導(dǎo)航技術(shù)—網(wǎng)格細(xì)胞04網(wǎng)格細(xì)胞位于海馬體藍(lán)色區(qū)域，當(dāng)動(dòng)物達(dá)到區(qū)域中特定位置時(shí)，一個(gè)單個(gè)網(wǎng)格細(xì)胞激活，這些位置以六變形模式排列。網(wǎng)格細(xì)胞位于內(nèi)嗅皮層左側(cè):黑色線條是老鼠的運(yùn)動(dòng)軌跡，紅色是與位置重疊的脈沖。右側(cè):顏色編碼的映射圖，顯示相同細(xì)胞放電率的分布，色標(biāo)尺從藍(lán)色（不放電）到紅色（最大放電率）。類腦導(dǎo)航技術(shù)—從網(wǎng)格細(xì)胞到位置細(xì)胞04/nobel_prizes/medicine/laureates/2014/Solstad,etal..Hippocampus,(2006)類腦導(dǎo)航技術(shù)—網(wǎng)格細(xì)胞路徑積分04類腦導(dǎo)航技術(shù)—生物腦導(dǎo)航細(xì)胞之間的關(guān)系04內(nèi)嗅外側(cè)的細(xì)胞環(huán)境激勵(lì)和事件的相關(guān)信息速度細(xì)胞網(wǎng)格細(xì)胞獨(dú)立于刺激脈沖的計(jì)算動(dòng)物位置的導(dǎo)航信息頭部方向細(xì)胞邊界細(xì)胞位置細(xì)胞類腦導(dǎo)航技術(shù)—生物腦導(dǎo)航模型04Chen,Qiuying#;Mo,Hongwei#*;ABrain-InspiredGoal-OrientedRobotNavigationSystem,AppliedSciences,2019,9(22):0-4869類腦導(dǎo)航技術(shù)—生物腦導(dǎo)航模型04振蕩干擾模型：網(wǎng)格模式是由依賴速度的不同頻率的θ波進(jìn)行疊加，呈現(xiàn)出一種相位進(jìn)程形成的。持續(xù)吸引子網(wǎng)絡(luò)：每個(gè)神經(jīng)接受周圍局部神經(jīng)環(huán)的抑制輸入，整個(gè)網(wǎng)絡(luò)接收廣域的興奮性反饋。抑制夠強(qiáng)，會(huì)產(chǎn)生離散神經(jīng)活性的規(guī)則模式，產(chǎn)生持續(xù)吸引子管道。類腦導(dǎo)航技術(shù)—生物腦導(dǎo)航模型04航跡推算定位方法，長(zhǎng)時(shí)間導(dǎo)航時(shí)會(huì)有累積誤差。通過(guò)有相似的方向和尺寸不同相位的網(wǎng)格細(xì)胞的輸入，形成位置區(qū)域。網(wǎng)格細(xì)胞通過(guò)適當(dāng)?shù)募訖?quán)輸入的線性求和組成位置區(qū)域。類腦導(dǎo)航技術(shù)—生物腦導(dǎo)航模型04通過(guò)小尺寸的路徑積分能夠獲得更大空間的位置表達(dá)類腦導(dǎo)航技術(shù)—生物腦導(dǎo)航模型04通過(guò)對(duì)自運(yùn)動(dòng)信號(hào)的編碼，有局部抑制和全局抑制的連接，得到最佳的頭部運(yùn)動(dòng)方向。用頭部方向細(xì)胞產(chǎn)生速度調(diào)整信號(hào)——放電率與速度和目前頭部方向成比例。類腦導(dǎo)航技術(shù)—生物腦導(dǎo)航模型04通過(guò)多個(gè)尺寸的網(wǎng)格細(xì)胞的共激活，減少位置的模糊性

類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04澳大利亞昆士蘭理工大學(xué)的MJ．Milford，對(duì)老鼠大腦導(dǎo)航細(xì)胞進(jìn)行數(shù)學(xué)建模，建立了一個(gè)可以在線定位與構(gòu)圖的RatSLAM仿生導(dǎo)航算法。機(jī)器人方向和位置的分離表示方式不適合在大型的、不明確的環(huán)境中進(jìn)行映射和導(dǎo)航。RatSLAM，結(jié)合了頭部方向和位置細(xì)胞形成一種新型細(xì)胞的概念被稱為“位姿細(xì)胞”。解決了位姿分離問(wèn)題。類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04該系統(tǒng)由三個(gè)主要模塊組成：位姿細(xì)胞、局部視覺(jué)細(xì)胞和經(jīng)驗(yàn)地圖。類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04經(jīng)驗(yàn)地圖用圖松弛算法動(dòng)態(tài)改變節(jié)點(diǎn)，根據(jù)信心函數(shù)，路徑回溯得到誤差，此誤差用圖松弛算法分布到經(jīng)驗(yàn)圖中。監(jiān)督轉(zhuǎn)換成功與否，若不成功，刪除新連接及節(jié)點(diǎn)。有地圖后，按照節(jié)點(diǎn)連接的時(shí)間信息導(dǎo)航。RATSLAM結(jié)合高和低水平的審議和反應(yīng)式控制過(guò)程，執(zhí)行避障、探索、全局導(dǎo)航和充電，總結(jié)地圖學(xué)習(xí)和SLAM系統(tǒng)的定位能力。在交付機(jī)器人場(chǎng)景中評(píng)估有效性。類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04墨西哥InstitutoTecnologicoAutonomo的Alejandra.Barrera捕捉老鼠腦內(nèi)學(xué)習(xí)記憶結(jié)構(gòu)，由各功能模塊組成空間認(rèn)知模型。由群體活性得到最終運(yùn)動(dòng)方向。類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04LaurentDolle提出多種策略的門控選擇模型，每一步都根據(jù)路標(biāo)和位置細(xì)胞的活性，得出下一步方向，根據(jù)贏者通吃選擇最終運(yùn)動(dòng)方向。類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04美國(guó)波士頓大學(xué)的UM.Erdem和MichaelHasselmo提出線性預(yù)見(jiàn)性軌跡模型?；陬^部方向細(xì)胞、持續(xù)脈沖細(xì)胞、網(wǎng)格細(xì)胞和位置細(xì)胞的前向規(guī)劃路徑的面向目標(biāo)導(dǎo)航模型。動(dòng)物在隨機(jī)探索新環(huán)境時(shí)，遞增的創(chuàng)建位置細(xì)胞映射。探索之后，通過(guò)前置探針決定下一步運(yùn)動(dòng)方向。類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04/2013/08/human-grid-cells/類腦導(dǎo)航技術(shù)—位置細(xì)胞群體活動(dòng)04類腦導(dǎo)航技術(shù)—環(huán)路檢測(cè)與重置04類腦導(dǎo)航技術(shù)—環(huán)路檢測(cè)與重置04類腦導(dǎo)航技術(shù)—環(huán)路檢測(cè)與重置04類腦導(dǎo)航技術(shù)—機(jī)器人類腦導(dǎo)航方法04生物映射系統(tǒng)和傳統(tǒng)導(dǎo)航方法的最大區(qū)別：所用地圖的表示方式，位置細(xì)胞不代表占有，它代表了動(dòng)物在空間中的位置。通過(guò)在真實(shí)的世界環(huán)境中測(cè)試不同海馬的模型，從機(jī)器人環(huán)境中評(píng)估它們的導(dǎo)航性能，證明生物學(xué)上合理的導(dǎo)航模型是可行的，可以獲得導(dǎo)航性能，并展示生物啟發(fā)方法的地圖構(gòu)建和導(dǎo)航的潛力。創(chuàng)建一個(gè)能在室內(nèi)和室外的現(xiàn)實(shí)環(huán)境中發(fā)揮作用的生物仿生機(jī)器人繪圖和導(dǎo)航系統(tǒng)是可行的。開(kāi)發(fā)一個(gè)完整的集成導(dǎo)航系統(tǒng)——不僅解決SLAM問(wèn)題，也解決探索，導(dǎo)航和自適應(yīng)的問(wèn)題。類腦智能技術(shù)--虛擬蠕蟲神經(jīng)網(wǎng)絡(luò)04在秀麗隱桿線蟲生物學(xué)領(lǐng)域，對(duì)從電連接體和突觸連接體到膽堿能和神經(jīng)元，再到神經(jīng)肽的胞外連接體的神經(jīng)系統(tǒng)解刨學(xué)和其他結(jié)構(gòu)數(shù)據(jù)進(jìn)行了大量的研究。類腦導(dǎo)航模型05類腦智能模型——虛擬蠕蟲神經(jīng)網(wǎng)絡(luò)05openworm建模方法主要目標(biāo)是建立世界上第一個(gè)虛擬的生物”-在計(jì)算機(jī)中實(shí)現(xiàn)生物--為達(dá)成理解和事件機(jī)制的細(xì)胞。在數(shù)字空間里完全復(fù)制出一個(gè)秀麗隱桿線蟲的虛擬有機(jī)體。其次是通過(guò)仿真活細(xì)胞實(shí)驗(yàn)(insilico)，為下一代先進(jìn)分析系統(tǒng)生物學(xué)、合成生物學(xué)、藥物發(fā)現(xiàn)、疾病動(dòng)態(tài)提供計(jì)算模型。OpenWorm項(xiàng)目已經(jīng)完成302個(gè)神經(jīng)元以及秀麗隱桿線蟲全身肌肉的初步建模仿真。Sibernetic項(xiàng)目GeppettoSimulationEngine項(xiàng)目GeppettoSimulationEngine項(xiàng)目類腦智能模型——虛擬蠕蟲神經(jīng)網(wǎng)絡(luò)——OpenWorm05類腦智能模型——虛擬蠕蟲神經(jīng)網(wǎng)絡(luò)05虛擬蠕蟲神經(jīng)網(wǎng)絡(luò)的應(yīng)用Sibernetic項(xiàng)目研究成果的用以研究如何使用蠕蟲神經(jīng)網(wǎng)絡(luò)控制機(jī)器人的項(xiàng)目。這個(gè)項(xiàng)目現(xiàn)在已經(jīng)使用蠕蟲神經(jīng)網(wǎng)絡(luò)控制樂(lè)高機(jī)器人實(shí)現(xiàn)了避障和自主運(yùn)動(dòng)功能。研究蠕蟲神經(jīng)網(wǎng)絡(luò)被安裝在機(jī)器人上，以傳感器作為輸入，電機(jī)作為輸出時(shí)的行為。是否以程序模擬秀麗隱桿線蟲的神經(jīng)系統(tǒng)，以硬件模擬秀麗隱桿線蟲的身體就能創(chuàng)造出“電子生命”。研究如何使用電子器件去模擬生物的身體，蠕蟲的各個(gè)感受器官與效應(yīng)器可以用哪些電子設(shè)備代替。無(wú)需任何人為指令，線蟲的虛擬大腦就主動(dòng)操控機(jī)器人的行動(dòng)，而不是通過(guò)傳統(tǒng)的計(jì)算機(jī)編程。LEGORobot項(xiàng)目基于蠕蟲神經(jīng)網(wǎng)絡(luò)的蛇形機(jī)器人項(xiàng)目類腦智能模型——虛擬蠕蟲神經(jīng)網(wǎng)絡(luò)05虛擬蠕蟲神經(jīng)網(wǎng)絡(luò)的應(yīng)用類腦智能模型——H神經(jīng)元模型05Hodgkin-Huxley(H-H)模型由Hodgkin和Huxley在1952年構(gòu)建，他們將槍烏賊的神經(jīng)纖維作為研究對(duì)象，研究軸突的電壓變化規(guī)律。在分析實(shí)驗(yàn)數(shù)據(jù)時(shí)，他們假設(shè)神經(jīng)纖維上電壓變化的主要因素為以下三點(diǎn)：細(xì)胞體上細(xì)胞膜上K+和Na+離子通道電導(dǎo)率的變化所引起的膜電位的變化。無(wú)機(jī)鹽離子對(duì)電位造成影響。細(xì)胞膜內(nèi)外離子濃度梯度和電勢(shì)梯度對(duì)細(xì)胞膜電特性的影響。因此可將H-H模型等效為一個(gè)電路模型。Simulink仿真類腦智能模型——H神經(jīng)元模型05H-H模型各參數(shù)變化曲線H-H模型臨界激活電流下參數(shù)變化曲線H-H模型有噪聲激活電流下參數(shù)變化曲線1H-H模型有噪聲激活電流下參數(shù)變化曲線2類腦智能模型——C302神經(jīng)元連接組05c302神經(jīng)網(wǎng)絡(luò)模型連接神經(jīng)元，并將神經(jīng)元分為三類：感受神經(jīng)元，中間神經(jīng)元與運(yùn)動(dòng)神經(jīng)元。感受神經(jīng)元：感受神經(jīng)元有59個(gè)，主要分布于頭部和尾部，以接收化學(xué)信號(hào)、觸覺(jué)信號(hào)、光強(qiáng)信號(hào)為主。中間神經(jīng)元：中間神經(jīng)元有201個(gè)，是神經(jīng)網(wǎng)絡(luò)中數(shù)量最多的神經(jīng)元。中間神經(jīng)元負(fù)責(zé)對(duì)感受神經(jīng)元接收到的信號(hào)進(jìn)行處理，并對(duì)神經(jīng)網(wǎng)絡(luò)的狀態(tài)進(jìn)行儲(chǔ)存。運(yùn)動(dòng)神經(jīng)元：運(yùn)動(dòng)神經(jīng)元有42個(gè)，一般只與肌肉細(xì)胞以及中間神經(jīng)元相連，只給肌肉細(xì)胞發(fā)送信號(hào)。肌肉細(xì)胞：肌肉細(xì)胞共有108個(gè)，分別為左上、左下、右上、右下各26個(gè)肌肉細(xì)胞以及咽部、肛門各兩個(gè)肌肉細(xì)胞。類腦智能模型——虛擬環(huán)境仿真05類腦智能模型——實(shí)際環(huán)境仿真05硬件框架由樹莓派和arduino2560單片機(jī)控制板及超聲波傳感器和四個(gè)驅(qū)動(dòng)電機(jī)構(gòu)成。電機(jī)采用12v電池供電，樹莓派，arduino控制板等邏輯電路部分采用電池接入降壓模塊轉(zhuǎn)化成5v供電。其中arduino2560單片機(jī)控制板負(fù)責(zé)采集超聲波傳感器測(cè)量信息和發(fā)送pwm信號(hào)控制電機(jī)。樹莓派負(fù)責(zé)運(yùn)算蠕蟲神經(jīng)網(wǎng)絡(luò)以及和arduino2560單片機(jī)控制板進(jìn)行通信。樹莓派從arduino2560單片機(jī)控制板讀取超聲波傳感器信息來(lái)確定需要激活細(xì)胞的類別，并根據(jù)蠕蟲神經(jīng)網(wǎng)絡(luò)的運(yùn)算結(jié)果生成小車四個(gè)輪子的轉(zhuǎn)速發(fā)送給arduino2560單片機(jī)控制板控制小車的運(yùn)動(dòng)。類腦智能模型——使用馬爾可夫過(guò)程分析05無(wú)障礙物時(shí)終點(diǎn)概率分布右側(cè)有障礙物時(shí)終點(diǎn)概率分布左側(cè)有障礙物時(shí)終點(diǎn)概率分布有障礙地圖下終點(diǎn)概率分布類腦智能模型——人工勢(shì)場(chǎng)法05將機(jī)器人視為一個(gè)質(zhì)點(diǎn)，其擁有質(zhì)量、速度、位置、旋轉(zhuǎn)角度。機(jī)器人的速度使用動(dòng)量與沖量進(jìn)行更新。簡(jiǎn)單情況下人工勢(shì)場(chǎng)法路徑規(guī)劃效果類腦智能模型——人工勢(shì)場(chǎng)法仿真05類腦智能模型——改進(jìn)人工勢(shì)場(chǎng)法05特殊情況下人工勢(shì)場(chǎng)法局部震蕩效果連續(xù)障礙物法改進(jìn)后路徑規(guī)劃效果特殊情況下人工勢(shì)場(chǎng)法局部震蕩效果隱馬爾可夫過(guò)程與信息素改進(jìn)后路徑規(guī)劃效果類腦智能模型——人工勢(shì)場(chǎng)法改進(jìn)前后對(duì)比05類腦智能模型——改進(jìn)后的人工勢(shì)場(chǎng)法05使用隱馬爾可夫過(guò)程以及信息素來(lái)進(jìn)一步改進(jìn)人工勢(shì)場(chǎng)法，改進(jìn)的人工勢(shì)場(chǎng)法成功離開(kāi)了局部震蕩點(diǎn)到達(dá)了目標(biāo)點(diǎn)。通過(guò)將蠕蟲神經(jīng)網(wǎng)絡(luò)的行為特點(diǎn)與人工勢(shì)場(chǎng)法相結(jié)合，實(shí)現(xiàn)一種實(shí)時(shí)性好，不易陷入局部震蕩的實(shí)時(shí)路徑規(guī)劃方法，該方法的表現(xiàn)與蠕蟲行為有一定相似性。有蠕蟲行為特點(diǎn)的路徑規(guī)劃算法虛擬蠕蟲控制多旋翼飛行器05QuadcopterdynamicsoverviewBeforegivingthequadcopterdynamicsoverview,letdefineaquadcopterasunmannedhelicopterhavingfourrotors.Andtheothernameofthiskindofdeviceisquadrotor.Quadcoptershavegainedpopularityinthefieldof“UnmannedAutonomousVehicle(UAV)”research.Ahelicopter,onthecontrary,isanaerialvehiclethatusesaspinningrotortoholdthehelicopterskyward.Tapwithdrawalneuralcircuitmappingquadcopterenvironment05ScalethefunctionalityoftapwithdrawalcircuitwithlargeobservationTapwithdrawalneuralcircuitmappingquadcopterenvironment05Scalethefunctio