重磅预告：黄铁军 陈云霁等专家告诉你类脑计算的前沿与热点|CCF-ADL持续开课中

本篇文章4174字，读完约10分钟

7月28日至30日，由中国计算机联合会主办的第81届ADL(高级学科讲座)学科前沿研讨会将在北京举行。本期的主题是“像大脑一样的计算——从脑-机接口到脑-机融合”。从模拟生物神经元和突触的神经形态学器件、神经网络芯片、类脑计算模型和应用等方面介绍了国内外的研究进展，并探讨了相关技术的未来发展趋势。雷锋。(公开号码:雷锋。com)，作为独家合作媒体，将报道整个过程。买不到票的学生也可以通过雷锋联合推出的在线课程视频学习。大型开放在线课程学院(mooc.ai)和ccf。

类脑计算是指模拟、模拟和学习大脑生理结构和信息处理过程的设备、模型和方法。它的目标是制造类似大脑的计算机和类似大脑的智能。相关研究已经有20多年的历史了。与经典的人工智能象征主义、联结主义、行为主义和机器学习统计主义不同，类脑计算采用仿真主义:结构层模仿大脑(不是冯·诺依曼架构)，设备层接近大脑(神经形态设备取代晶体管)，智能层超越大脑(主要依靠自主学习和训练，而不是手工编程)。

本次研讨会的目的是帮助学生快速了解像计算这样的大脑的原理和技术，了解学科的热门话题和应用方法，拓宽他们的科研视野，加强学术交流，提高他们的实践能力。

用ccf和雷锋(公开号:雷锋)揭开大脑的面纱。你还在等什么？来报名吧！注册地址:

mooc.ai/course/114

研讨会概述

学术负责人:黄铁军，北京大学教授

主办单位:中国计算机联合会

独家合作媒体:雷锋。

时间:2017年7月28-30日

地点:中国科学院计算技术研究所一楼报告厅(海淀区中国科学院南路6号)

演讲者介绍

黄铁军

北京大学计算机科学与技术部主任、信息科学与技术学院教授、国家数字视频编解码技术工程实验室副主任。他的主要研究领域是视觉信息处理和神经形态学计算。杰出教授，教育部长江学者，国家杰出青年科学基金获得者。基督教儿童基金杰出成员，特别委员会工作委员会执行成员。1998年获华中科技大学模式识别与智能系统博士学位，两次获国家科技进步二等奖，五次获省部级一等奖，获中国科协杰出青年成果转化奖。

演讲题目:类似大脑的计算——从想法到实践摘要:类似大脑的计算是类似大脑的还是大脑启发的计算？它背后的技术路线完全不同。记者认为，“模仿大脑”是实现突破的可行途径，也是走向“强人工智能”的必要阶段，可能比“人工智能”(人工设计智能)和“认知科学”(理解思维机制)更早实现。沿着这样的技术路线，北京脑科学专项“脑认知与类脑计算”提出了四个基础平台、两个核心芯片和三种脑智能的总体布局。报告将介绍国内外在类脑计算方面的重要进展，并以记者研究小组正在进行的灵长类初级视觉系统的分析模拟为例，介绍大脑模仿在视觉信息编码、分析和识别方面的潜在价值。

曾毅

研究员，中国科学院自动化研究所脑智能研究中心副主任，中国-瑞士数据驱动神经科学联合实验室副主任，中国科学院脑科学与智能技术卓越创新中心青年骨干，中国科学院博士后教授。他的主要研究兴趣是:类脑认知计算建模、类脑学习理论、类脑智能机器人系统等。曾任国际期刊《认知系统研究》(Elsevier)和《计算认知科学》(springer)的副主编。

演讲题目:类脑智能:从脑启发到普遍智能的探索摘要:类脑智能的结构和机制以及类人行为已成为近年来在人类层面探索人工智能的重要途径之一。本报告将从人工智能、神经科学和认知科学的交叉视角介绍类脑智能的研究进展，重点介绍研究团队在大规模生物脑神经网络建模与仿真、类脑自主学习、多感官融合、认知功能协调及其在无人机和机器人领域的智能应用等方面的研究进展。在此基础上，我们将展望实现普遍智能的核心科学问题，探索实现机器自我意识的途径和初步尝试。

攀钢

浙江大学计算机科学学院教授、博士生导师、计算机系统研究所副所长、ccf-ieee cs青年科学家奖入选教育部新世纪优秀人才支持计划。他的主要研究兴趣是计算机视觉、普适计算、类脑和脑机融合智能等。他发表了100多篇论文(包括ieee tpami、tnnls、acm计算调查和其他国际权威会议，如cvpr、iccv、ijcai、ubicomp)，并授权了25项发明专利。他曾4次获得国际会议最佳论文奖，包括育碧公司16届国际一级会议最佳论文奖和育碧公司15届国际一级会议荣誉奖。相关成果入选2016年中国高校十大科技进步，获得国家科技进步奖二等奖(第二名)和教育部科技进步一等奖(第二名)。目前，他是ieee系统杂志、acm imwut和中国电子杂志的编辑委员会成员。

演讲题目:从脑-机接口到脑-机融合摘要:计算神经科学、微电子学和神经生理学领域的最新进展表明，计算机和活体之间的融合是可能的，而且越来越明显。随着以脑-机接口为代表的神经技术的突破，脑与计算机的结合越来越紧密，脑与计算机的融合已经成为未来计算技术发展的一个重要趋势。研究生物脑(生物智能)和机器脑(人工智能)之间深度融合和协作的新型混合智能系统是人工智能和脑认知科学交叉领域的一个重要课题。本讲座将介绍脑-机接口的基本原理和最新发展，并介绍一种新的人工智能形式——脑-机融合的混合智能。

四川大学计算机学院教授、博士生导师、脑类计算研究中心主任唐华金博士入选国家青年千人计划。他的主要研究兴趣是神经形态计算和认知机器人。目前，他是几个国际期刊的副主编，包括IEEE trans。神经网络和学习系统。认知和发展系统，以及神经生物工程前沿。荣获2016年ieee tnnls优秀论文奖。2017年，斯普林格出版了英文专著《神经病理性认知系统:以学习和记忆为中心的方法》。

摘要:模拟脑智能是计算机科学领域的一个长期目标，在过去的几十年中已经成为人工智能发展的重要推动力。不同于传统的人工智能方法，神经形态计算主要是由神经科学的发展驱动的。它是基于大脑神经回路结构和神经信息处理、神经冲动计算原理的一种新的计算模式，最终通过神经形态硬件实现模仿大脑的认知计算和低功耗计算。虽然神经科学在神经元和突触水平上取得了很大进展，但是如何模拟生物神经元和突触的可塑性来实现认知计算和实现神经形态学芯片仍然面临许多挑战，需要进一步研究。本报告从神经形态认知计算领域有待解决的主要问题入手，介绍了该领域取得的主要进展。

陈1983年生于江西南昌。他是研究员、博士生导师和未来计算实验室主任，他的主要研究兴趣是智能处理器。在此之前，他从事国内处理器的研究和开发已有十多年，并负责或参与了许多龙芯处理器的设计。他在学术会议和期刊上发表了90篇论文，包括isca、isscc、hpca、micro、asplos、icse、ijcai、hot chips、fpga、ieee micro和8 ieee/acm trans。陈芸茜获得了中国青年科技奖、首届国家自然科学基金“杰出青年基金”、首届国家万人计划“青年拔尖人才”、中国计算机联合会青年科学家奖和中国科学院青年人才奖。作为负责人，他带领研究团队，荣获中国“青年文明”和中央国家机关“青年文明”称号。由于他对深度学习处理器的开创性贡献，他被麻省理工学院技术评论评选为2015年全球35位杰出青年创新者之一，并多次获得CCF级会议的最佳/最高分论文。

演讲题目:深度学习处理器摘要:从科学技术的角度来看，每个时代的发展都有其核心物质载体。发动机是工业时代的核心物质载体，通用处理器是信息时代的核心物质载体。因为深度学习是目前最重要的智能计算技术，未来智能时代的物质载体可能是深度学习处理器。自2012年中国科学院计算技术研究所与inria合作开发世界上第一个深度学习处理器架构以来，深度学习处理器已成为整个计算机架构领域最受关注的研究方向，并被国际知名机构如ibm、英特尔、惠普、微软、哈佛大学、斯坦福大学、普渡大学、加州大学洛杉矶分校、加州大学旧金山分校、哥伦比亚大学、佐治亚理工学院和奥斯汀的德克萨斯大学跟踪。在2016年的一次CCF级会议上，近1/6的论文甚至关注这个方向。在这里，我们将介绍一些关于深度学习处理器的发展历史和未来前景的不成熟观点。

石教授，清华大学特聘教授，全国千人，清华大学脑象计算中心主任，全国光盘工程研究中心主任，国际光学工程学会(spie)会员。他的研究领域包括大脑计算、智能仪器、信息存储、集成光电子学、纳米科学和技术等。1996年8月至2013年3月，他是新加坡科学院数据存储研究所的高级科学家，也是新加坡科学院人工认知记忆实验室的主任。2013年3月，他全职加入清华大学，成立了“类脑计算中心”，从基础理论、芯片、软件、系统和应用等方面研究类脑计算。他曾担任许多国际会议的主席。他发表了200多篇学术论文(包括科学、自然光子学、物理评论)，并于2004年获得新加坡国家科学技术奖。

讲座主题:类脑神经形态学计算芯片

类脑计算功能芯片是类脑计算的核心技术之一，受到广泛关注。目前，人们已经提出了几种有特色的方案，但尚未找到公认的技术方案。本报告将介绍国内外脑计算等功能芯片的现状和进展，并讨论该领域面临的主要挑战和未来可能的发展路线。同时介绍了清华大学类脑计算中心开发的天体芯片的设计思想和最新进展。该报告将以清华大学目前的相关研究为例，分析基于新器件的智能芯片设计面临的诸多挑战和可能的解决方案。

伍肆，北京师范大学脑与认知科学学院教授，认知神经科学与学习国家重点实验室副主任，idg/mcgovern脑科学研究所研究员，主要研究方向为计算神经科学，特别是神经信息处理的基本原理和模型。目前，他是计算神经科学前沿的主编和自动化学会生物控制和生物医学工程专业委员会主任。

演讲题目:计算神经科学——连接脑科学和像计算一样的大脑的桥梁摘要:计算神经科学的目的是通过数学建模和模拟来阐明大脑的工作原理，为人工智能的发展提供新的思路和奠定理论基础。计算神经科学在脑科学和类似大脑的计算之间扮演着重要的桥梁角色。报告将简要介绍神经系统计算的一些重要特征，回顾计算神经科学发展的历史背景，并介绍神经信息处理的一些基本原理和实现的网络模型。

看了大奶牛的介绍后，我想你已经被感动了。注册并点击:mooc.ai/course/114

雷锋原创文章。严禁擅自转载。详情请参考转载说明。