CNCC | 类脑——探索人工智能新路径

黄铁军

北京大学计算机学院教授，多媒体信息处理全国重点实验室主任，北京智源人工智能研究院理事长、创始院长（2018-2023）

主要研究方向为视觉信息处理和类脑智能，发明了脉冲连续摄影原理和超高速视觉芯片、相机和系统，曾获2017国家技术发明奖二等奖和2012国家科技进步二等奖，2022中国标准创新贡献奖突出贡献奖，2022吴文俊人工智能科学技术奖杰出贡献奖，2024日内瓦国际发明展评审团嘉许金奖。中国人工智能学会、中国计算机学会、中国图象图形学学会和中国电子学会会士。

报告题目：类脑计算：进展与思考

摘要：结构决定功能，强大的生物智能，是精巧的生物大脑及神经系统和生物体的综合表现。采用最新深度神经网络的无人机，智能水平也远不及小小的苍蝇，就是因为今天的人工神经网络的结构复杂度还远不如生物大脑。目前深度学习采用“大数据+大算力=大模型”方式取得了很大成功，不少人认为这就是通往AGI（人工通用智能）的道路。报告人认为，大模型的确可以逼近甚至超越人类的认知智能，但是仍然局限在人类语言等“人类数据”范畴内，仅仅利用大数据在计算机上进行训练，而不是像生物那样直接感知探索复杂物理环境，就无法获得实际体验才能获得的体验性常识，也就不能实现苍蝇飞行或人类直觉那样的生物智能。人工智能下一步要发给更强大的感知智能，可行方法是构建和生物具有相同神经结构和信息处理机制的神经形态系统，借鉴大脑神经网络结构和信息表达处理机制，构造逼近生物神经网络的器件、芯片和系统，通过结构仿脑实现功能类脑，通过光电器件替代有机神经系统实行性能超脑，实现功能类人、性能超人的AGI。

陈怡然

杜克大学电子与计算机工程系教授

美国国家科学基金委(NSF)下一代移动网络与边缘计算，人工智能研究院(Athena)主任，美国国家科学基金委(NSF)新型与可持续计算(ASIC)，校企合作研究中心(IUCRC)主任，杜克大学计算进化智能研究中心联合主任。

报告题目：Software-Hardware Co-design of Edge AI Systems

摘要：The deployment of Artificial Intelligence (AI) on edge systems has become crucial, given the limited resources of these systems, necessitating cross-layer optimization. Moreover, the unique requirements of edge systems, including security and privacy, have spurred the advancement of AI research. In this presentation, we provide an overview of our efforts to enhance the deployment of AI on edge systems. We begin by introducing efficient AI models using hardware-friendly designs, thereby optimizing the quality-efficiency trade-offs. Next, we discuss cross-optimization designs, which enable the creation of swift and scalable AI systems on specialized hardware. Through these efforts, we present our vision of the future challenges and opportunities associated with full-stack Edge AI.

刘天明

佐治亚大学杰出研究教授

主要研究方向为生物医学图像分析。从事生物医学图像分析研究近20年，发表论文360多篇，获得美国NIH职业生涯奖和NSF职业生涯奖。

报告题目：Brain-inspired Design of Transformers

摘要：The human brain is an intricate generative system that segregates, integrates, and executes diverse functions seamlessly. Unlocking and representing the brain’s structural and functional architectures hold fundamental significance for brain-inspired artificial intelligence (AI). This talk will present our pursuits in discovering the brain’s organizational architectures, designing neural networks (e.g., transformers) grounded in these discovered brain science principles, and functionally coupling human brains and AI models. Given the rapid strides in AI technology, it is envisioned that alignment and supervision of forthcoming superhuman AI systems by digital human brain models learned from massive human neuroscience data will be of paramount importance to our society, and accordingly, a technical roadmap will be laid out to computationally represent the human brain’s functional and cognitive architecture and its temporally generative behaviors by a digital human brain, which will serve as the cornerstone for aligning and supervising future superhuman AI systems.

潘纲

CCF杰出会员、浙江大学脑机智能全国重点实验室主任

国家杰出青年基金获得者，中国人工智能学会会士、常务理事、脑机融合专委会主任委员，中国自动化学会机器人智能专委会副主任委员等。研究方向为脑机接口、类脑计算、人工智能等。获2016年CCF-IEEE CS青年科学家奖，指导学生获多项国际会议或期刊的最佳论文奖、最佳论文提名奖、时间考验论文奖等。

报告题目：神经拟态类脑计算机的初步实践

摘要：近年来人们在思考下一代计算与人工智能技术时，重新把眼光投向人类的大脑。从大脑的结构、功能及运行机制中学习长处建立类脑计算机，或有望突破现有的计算与人工智能的框架。本报告将结合课题组近年在神经拟态类脑计算机硬件系统、基础软件、应用算法等方面的科研实践，与大家共同探讨构建神经拟态类脑计算机的进展与挑战等。

陈虹

清华大学集成电路学院教授

2023年入选国家高层次人才计划，IEEE高级会员，担任国际会议IEEE异步电路会议（ASYNC）及IEEE电路与系统旗舰会议（ISCAS）技术委员会委员，2023年IEEE ASYNC大会主席、国际期刊IEEE Transactions on Biomedical Circuits and Systems (TBioCAS) 副主编，Tsinghua Science and Technology客座主编。

报告题目：Asynchronous Neuromorphic Processors

摘要：Power consumption has become one of the bottlenecks restricting the development of large-scale artificial intelligence accelerators. On the other hand, the brain inspired neuromorphic computing chip imitates the biological brain, aiming to achieve large-scale, low-power, high-efficiency, and highly intelligent systems. As we know, asynchronous circuits have no global clock communicating via handshake signals, and are widely used in neuromorphic chips due to their low power, low latency, high energy efficiency, and their event driven characteristics naturally matching with that of sparse spikes in neuromorphic computing. However, designers are facing many challenges in asynchronous circuits design. This talk will discuss the deep synergies between asynchronous design and neuromorphic chips, describe our pursuits in addressing the challenges in asynchronous circuit design, and present some energy efficient asynchronous neuromorphic research processors enabling on-chip learning for edge AI applications.

崔翯

美国伊利诺伊大学厄巴纳香槟分校博士、加州理工学院博士后

担任美国佐治亚医学院助理教授、副教授、中国科学院神经科学研究所研究员。于2022年加入北京脑科学与类脑研究中心高级研究员。目前主要综合电生理、行为学和计算等多种手段，从事揭示预测性和序列运动的神经机制，并在此基础上研发符合运动神经控制原理的新一代脑机接口系统，以应用于神经假肢与康复。在PNAS, Neuron, Journal of Neurophysiology, Journal of Neuroscience, Frontiers in Integrative Neuroscience等国际重要期刊发表论文。

报告题目：运动神经解码与脑机接口算法

摘要：大脑如何产生合适的运动程序去驱动精巧的骨骼肌肉系统，不仅是神经科学的一个核心问题，也是我们理解运动智能的关键。大量计算和行为学研究表明，在复杂动态环境下去产生快速灵活的运动依赖对未来结果的前向预测。综合电生理、行为学和计算等多种手段，我们长期致力于揭示灵长类运动的神经机制，并在此基础上研发符合运动智能原理的脑机接口系统。本报告将聚焦于预测性运动神经控制，生成式解码算法，及其在脑机接口研究中的应用。

CNCC2024将于10月24-26日在浙江省东阳市横店镇举办，大会主题为“发展新质生产力，计算引领未来”。大会为期三天，包括18个特邀报告、3个大会论坛、138个专题论坛及34场专题活动和100余个展览。图灵奖获得者、两院院士、国内外顶尖学者、知名企业家在内的超过800位讲者在会上展望前沿趋势，分享创新成果。预计参会者超过万人。