[敬请读者注意] 本人保留本文的全部著作权利。如果哪位读者使用本文所描述内容，请务必如实引用并明白注明本文出处。如果本人发现任何人擅自使用本文任何部分内容而不明白注明出处，恕本人在网上广泛公布侵权者姓名。敬请各位读者注意，谢谢！

学术评论：“类脑计算”能够为人工通用智能的实现提供一个有前途的平台吗？

程京德 

本博文前半部分为笔者前一博文[1]之续篇，是笔者针对清华团队“Nature”杂志论文[2]的学术评论文章第四节之中译（为了准确性，对原论文引用部分不予翻译）。本博文后半部分为笔者对清华团队“类脑计算是发展人工通用智能的基石且时机到了”之说法[3,4]的评论。

笔者学术评论文章第四节：“类脑计算”能够为人工通用智能提供一个有前途的平台吗？

“Nature”杂志论文“A system hierarchy for brain-inspired computing”主张：“Neuromorphic computing draws inspiration from the brain to provide computing technology and architecture with the potential to drive the next wave of computer engineering. Such brain-inspired computing also provides a promising platform for the development of artificial general intelligence.”[2]

因此，我们似乎可以期待类脑计算给我们带来更强大的计算能力，使我们能够实现“人工通用智能/强人工智能”。当然，如果传统的计算科学技术能够完美地实现“人工通用智能/强人工智能”，我们就不需要其他新的科学技术了。正是由于传统的计算科学技术无法为实现这一目标提供足够有力的方法和工具，所以人们正在寻求一些新的科学技术来为我们提供更强大的方法和工具。

然而，“Nature”杂志论文“A system hierarchy for brain-inspired computing”呈现了一个似是而非的故事。一方面，作为作者工作的背景和动机，他们正在寻找和开发更强大的类脑计算系统。另一方面，他们提出了一种称为“类脑计算完备性”的“新”概念作为衡量标准（弱于传统的计算能力概念“图灵可计算性”和“图灵完备性”），以放宽对类脑计算系统的要求。那么，这个故事的真相是什么呢？

让我们来讨论一个基本问题：“类脑计算”真的能够为“人工通用智能/强人工智能”的实现提供一个有前途的平台吗？

我们提出并讨论实现“人工通用智能/强人工智能”的一些新的一般性要求。

（1）人类智能的可定义性：首先，对于任何以“人类智能”为目标的科学技术，从外延和内涵两方面准确地定义“人类智能”在本质上是必不可少的。否则，就根本无法说“达成人类智能”或“超越人类智能”等等。特别是从用计算技术模拟“人类智能”的角度出发，识别和定义可以用于组合出复杂的智能的最基本单元也是必不可少的。显然，这是一项涉及许多学科的非常困难的任务。就目前来看，我们在这方面还没有看到任何实质性的进展。

（2）人类计算能力的可定义性：第二，众所周知，人类学者可以在逻辑学、数学和各个科学领域创造和解决许多图灵不可计算问题。因此，如果我们认为逻辑学家、数学家和科学家的这种“计算”能力应该是“人工通用智能/强人工智能”所能完成的智力任务，那么我们必须首先要突破“图灵可计算性”的概念（其本质上定义了有穷、连续、确定的计算步骤之序列），亦即，我们必须首先形式地定义突破了有穷性、连续性、或确定性的“人类可计算”或“人类可计算性”概念。这是一项涉及哲学、逻辑学和数学的任务，难度很大，但与包括“类脑计算”在内的任何计算技术无关。

（3）人类认知能力的可定义性：第三，计算能力只是“人类智能”的一个方面。还有其他认知能力也应该被形式地定义，例如，“人类推理能力”、“人类理解能力”、“人类判定能力”、“人类发现能力”、“人类预测能力”等等。同样，这些也都是涉及哲学、逻辑学、数学以及众多科学的任务，难度很大，但与包括“类脑计算”在内的任何计算技术无关。

（4）人类智能与神经网络之关系：第四，由于“人类智能”是（但不仅仅是！）人类大脑神经网络的产物，识别、定义、模拟人脑产生智能的机理，当然是实现“人工通用智能/强人工智能”的合理途径之一。显然，研究人脑如何产生智能的机理是首要任务。这也是挑战我们众多学科（包括生理学、心理学、逻辑学、数学等等）的艰巨任务。但是，探求该机理真的是当前的“类脑计算”要解决的目标吗？或者换言之，当前的“类脑计算”是建立在某种定义清楚的机理之上的吗？

（5）人类智能的基础逻辑：第五，正如 John Duns Scotus 所说，“Logic is the science of sciences, and the art of arts”；Gottfried Wilhelm Leibniz 也说过，“Nothing can be more important than the art of formal reasoning according to true logic”；Kurt Friedrich Gödel 也说过，“Mathematical Logic, it is a science prior to all others, which contains the ideas and principles underlying all sciences”。一个毋庸置疑的事实是，逻辑学应该是在抽象的思维层面和具体的实践层面上支撑“人类智能”的最普遍和最重要的一般正确性标准。很难考虑有不需要逻辑就能实现“人工通用智能/强人工智能”的方法。但是，在当前“类脑计算”的研发中，我们能够找到与逻辑基础相关的工作吗？

（6）人类智能的进化过程：最后，由于各种生物都是自然界进化的产物，如果我们接受进化论，那么“人类智能”也是进化的产物，它的进化过程应该是永远持续不断的。因此，要实现“人工通用智能/强人工智能”，必须有一种永远持续不断地延续进化过程的机制。但是，在目前的“类脑计算”研发中，我们能够找到与永续计算（“Persistent Computing”，由笔者于2005年提出）相关的工作吗？

请注意，这里我们省略了人类智能中动物也具有的那些智能方面。

所以，根据上面这些一般性要求，目前还没有足够的证据支持当前的“类脑计算”能够为实现“人工通用智能/强人工智能”提供一个有前途的平台之说法。

如前所述，实现“人工通用智能/强人工智能”是一个挑战我们许多学科的伟大目标/梦想，它应该满足许多本质上很困难的要求。事实上，从“人工通用智能/强人工智能”的任何一个或有限的方面进行调查（特别是，“Nature”杂志论文和“Nature”新闻文章的作者们仅仅关心的计算机体系结构和性能的问题）显然是不够的，不可能达到原本目的。

然而，在定义了“类脑计算完备性”的概念之后，“Nature”杂志的文章“A system hierarchy for brain-inspired computing”提出了“a corresponding system hierarchy, which consists of a Turing-complete software-abstraction model and aversatile abstract neuromorphic architecture.”[2] 作者还宣称：“using this hierarchy, various programs can be described as uniform representations and transformed into the equivalent executable on any neuromorphic complete hardware -- that is, it ensures programming-language portability, hardware completeness and compilation feasibility.”[2] 

因此，关键问题是：一个“类脑计算完备”的类脑计算系统的计算能力是否比“图灵完全”的传统计算系统的计算能力强？因为“类脑计算完备性”比“图灵完全性”弱，似乎上述关键问题的答案是“不是”。那么，为什么我们需要“类脑计算完备性”概念和“类脑计算完备”的 “类脑计算”系统？它们真的为实现“人工通用智能/强人工智能”提供了一个很有前途的平台吗？

综上所述，因为在“Nature”杂志论文“A system hierarchy for brain-inspired computing”中“类脑计算完备性”定义的一系列严重问题，作者的主张（以及“Nature”杂志相应新闻文章的主张）在逻辑上根本不能成立，仅仅是言过其实而已。另外，正如我们在这篇评论文章中所讨论的，并没有足够的证据支持类脑计算能够为人工通用智能的实现提供一个有前途的平台的说法。作者们期待着：“expect that our study will enable efficient and compatible progress in all aspects of brain-inspired computing systems, facilitating the development of various applications, including artificial general intelligence.”[2]。然而，根据我们在这篇评论文章中的评论和讨论，我们不能认为作者的期望是合理的。

以上内容为笔者学术评论文章中关于类脑计算部分之中文节译。

清华团队在“Nature”杂志发表类脑计算芯片论文之后，宣称“类脑计算是发展人工通用智能的基石且时机到了”[3,4]。那么，事实为何？

首先，任何现代计算机或计算装置（包括电子数字计算机、量子计算装置、以及今后可能出现的其它计算机或计算装置）都应该基于两个基础：作为理论基础的逻辑及计算理论模型和作为技术基础的计算自动化实现模型；前者为后者提供理论可能性及局限性，后者为前者提供实证性及应用性，对于任何计算机或计算装置的实际功效，两者缺一不可。

“类脑计算是借鉴人脑存储处理信息的方式，面向人工通用智能发展的新型计算技术，类脑计算系统是基于神经形态工程，打破“冯·诺依曼”架构束缚、适于实时处理非结构化信息、具有学习能力的超低功耗新型计算系统。它是人工通用智能的基石，拥有极为广阔的应用前景。”[4]

“类脑计算是借鉴人脑存储处理信息的方式，面向人工通用智能发展的新型计算技术”这句话显然不能够作为“类脑计算”的科学或技术定义，因为它并没有明确地陈述“类脑计算”的本质特征以及与其它“XX计算”的本质区别。如果按照作者们的陈述把“类脑计算”视为“计算技术”，那么它应该与逻辑及计算理论无关，当然也就和理论基础（或“基石”）无关。

“类脑计算系统是基于神经形态工程，打破“冯·诺依曼”架构束缚、适于实时处理非结构化信息、具有学习能力的超低功耗新型计算系统。它是人工通用智能的基石，拥有极为广阔的应用前景。”这句话陈述了“类脑计算系统”的一些技术特征，但是，它是否的确是“人工通用智能的基石”，是需要切实的证据才能判别的，我们需要考查作者们给出了什么样的证据。但是，因为是“计算系统”，所以它应该与理论基础无关，最多是技术基础（或“基石”）。

“类脑计算架构借鉴脑神经网络，存储计算一体化，将高维信息放在多层、多粒度、高可塑性的复杂网络空间中进行处理。它具有低功耗、高鲁棒性、高效并行、自适应等特点，既适用于处理复杂环境下非结构化信息，又有利于发展自主学习机制，甚至有望模仿大脑的创造性。”[4] 

我们可以姑且假设一个成功研发的类脑计算系统具备了上述所有技术特征，那么它真的能够“模仿大脑的创造性”吗？科学家的科学创造以及工程师的技术发明，是否仅仅是大脑的作用，一直是一个在诸多学科领域都有争论的问题。一个普通大学生的大脑与一个诺奖（菲奖、图奖）学者的大脑之相似程度，应该远远高于一个最强的类脑计算系统与人类大脑的相似程度。试问，仅仅依靠大脑的相似，普通大学生能够做出诺奖学者的独创性工作吗？答案应该是不能。那么，凭什么类脑计算系统“有望模仿大脑的创造性”？

“用大规模异步并行计算架构实现动态、复杂时空信息处理，是类脑计算系统与传统计算机系统的一个显著的特征。类脑计算系统中能够集成的神经元数量、突触数量以及存算一体的神经元处理单元数量，是发挥类脑人工通用智能的一个关键因素。构建海量类脑计算芯片的阵列集成系统，是目前国际通行的大规模类脑计算系统的技术路线。…… 天机类脑计算系统基于多模态神经形态架构的“天机芯”系列类脑处理器芯片，重点解决兼容传统计算架构的异构融合类脑计算系统集成技术，是一款能够满足类脑智能应用需求的普适类脑计算系统。…… 天机类脑计算系统的设计思路是在现有计算机架构基础上，加入类脑计算芯片引入空间复杂性和时空复杂性。…… 计算机导向支持机器学习主要算法的人工神经网络ANN主要利用了空间复杂度，神经科学导向的脉冲神经网络SNN更好地利用了时空复杂度，天机芯可同时支持计算机科学和神经科学的神经网络模型。”[4]

笔者认为，上面这些是文章[4]中关于类脑计算系统最具实质技术内容的话。但是，笔者却无法从这些内容中读出或者推测出类脑计算系统与人工通用智能的实现之间的必然逻辑关系。作者们使用了一个未加定义的概念：“类脑人工通用智能”。显然，“类脑人工通用智能”不是也不可能是“人工通用智能”，如果我们不认为循环论证是合理的逻辑论证的话。

对于“某种计算系统是发展人工通用智能的基石”这个论断的稍微像样一点的逻辑论证至少应该是这样的：列举出人工通用智能的所有本质特征及其实现的基本要求及评价标准，展示证据表明该计算系统能够满足这些基本要求及评价标准，说明其它计算系统不能够或不足以满足这些基本要求及评价标准（亦即，说明该计算系统对于发展人工通用智能是不可或缺的）。但是，我们能够从文章[4]上述陈述中观察到这样的逻辑论证吗？

 “由于如下四个原因，发展人工通用智能的条件逐渐成熟：1）由于先进测量仪器的发展，我们对于脑的结构和原理理解的越来越多，似乎我们离完全理解大脑机制越来越近；2）超级计算机的发展可以使我们开展很好的计算模拟，帮助我们省时、省力；3）基于互联网、大数据和云计算，我们构造了一个结构复杂不断进化的数码宇宙，数码宇宙和大脑有很多相似性，两者可以互为镜像，相互促进发展研究；4）新型纳米和半导体技术的发展，可以让我们发展出超高能效和密度的器件和芯片。所以，现在是发展人工通用智能的千载难逢的机遇。”[4]

笔者认为，文章[4]作者们列举的四个原因（合理性正确性姑且不论）都仅仅涉及到发展人工通用智能的技术基础而完全没有涉及到其逻辑及计算理论基础。因此，现在究竟是否“是发展人工通用智能的千载难逢的机遇”，请读者判断吧。

综上所述， 以完全没有逻辑及计算理论基础的初等方式借鉴脑神经网络、模拟大脑，试图实现人工通用智能，就如同仅仅依靠模拟鸟类来制造飞机，结果应该与原本目标相去甚远。笔者认为，在人类还没有完全认知人类智能，还没有对“人工通用智能”及其实现给出确切的科学与技术定义，还没有建立起能够支撑人工通用智能自动化实现的逻辑及计算理论基础的现在，声称“某种计算系统是人工通用智能的基石”仅仅是没有科学根据的言过其实而已。

[1] 程京德, “学术评论：“类脑计算完备性(Neuromorphic completeness)”概念定义中的问题,” 科学网博客文章, 2020年12月13日. 

[2] Y. Zhang, et al., “A system hierarchy for brain-inspired computing,” Nature, Vol. 586, Issue 7829, 2020. 

[3] 施路平, “类脑计算是发展人工通用智能的基石且时机到了”, 2019腾讯科学WE大会, 维识教育科技，搜狐网，凤凰网，2019年11月4日.

[4] 施路平,裴京,赵蓉，“面向人工通用智能的类脑计算”, 人工智能, No.14(01), pp. 6-15, 2020.