认知科学与类脑计算 第一章 背景介绍 考点压缩

第一章背景介绍 — 知识点笔记综合来源课件1PDF、课堂笔记CSDN、期末复习课录音超级压缩什么是神经科学、类脑计算其三大核心特点是什么认知科学是研究人的智能、其它动物的智能及人造系统的智能的科学 。类脑计算是借鉴生物大脑的信息处理方式类脑特点存算一体 运算异步、事件驱动大脑特点dp 存算 异步 稀疏编码 并行 容错SNN VS ANN 离散2 时空2 运算异步、事件驱动 能耗低 生物合理瓶颈高大差 存算分 摩尔无1.1 认知科学定义认知科学是研究人的智能、其它动物的智能及人造系统的智能的科学。研究内容感知(perception)、学习(learning)、记忆(memory)、知识(knowledge)、语义(meaning)、推理(reasoning)、语言(language)、注意(attention)、意识(consciousness)、思维(thinking)等。多学科交叉性质心理学、计算机科学、神经科学、数学逻辑、语言学、哲学等。 《认知科学进展》戴汝为中国科学院院士19971.2 类脑计算定义类脑计算Neuromorphic Computing是借鉴生物大脑的信息处理方式以神经元与神经突触为基本单元从结构与功能等方面模拟生物神经系统进而构建新型计算形态。 《类脑计算——构建人造超级大脑》吴朝晖中国科学院院士2022三大特点Nature Electronics, 2021特点说明异步Asynchronous每个神经元独立放电不需要全局时钟同步事件驱动Event-Driven仅在接收到脉冲时才进行计算无输入时休眠存内计算In-Memory Processing存储与计算一体化打破冯诺依曼瓶颈课程目标Principles of Neural Science了解神经元如何编码信息、进行通信和计算获得研究和设计类脑计算架构、模型和算法的能力“The ultimate goal of neural science is to understand how the flow of electric signals through neural circuits gives rise to mind — to how we perceive, act, think, learn and remember.”1.3 历史发展脉络关键人物与贡献时间线时间人物贡献1827George Ohm欧姆欧姆定律提供分析神经系统电学的理论工具19世纪Johannes Müller米勒提出活力论促进Bell-Magendie定律神经冲动单向传导1868Julius Bernstein伯恩斯坦首次记录神经电信号命名动作电位Action Potential, AP1907Louis Lapicque拉皮克建立基于欧姆定律的神经电路方程提出积分-发放模型IF模型1901-1950Bertrand Russell罗素罗素悖论、《数学原理》、逻辑法则→启发M-P神经元研究1943McCulloch PittsM-P神经元模型“A logical calculus of the ideas immanent in nervous activity”神经元布尔逻辑计算单元1956达特茅斯会议人工智能诞生近30位学者参会McCulloch宣布我们在科学史上第一次知道了我们是怎么知道的1963Hodgkin HuxleyHH模型基于乌贼轴突实验获诺贝尔医学奖【图片历史人物照片合集 — 课件1第6-14页】关键模型演变欧姆定律 → 神经电路方程 → 积分-发放(IF)模型 → M-P神经元模型 → HH模型M-P神经元多输入单输出加权和超过阈值则发放0/1可用布尔逻辑表示IF模型最早的电路类比神经元模型至今仍是核心工具HH模型基于实验数据详细建模离子通道Na⁺/K⁺生物拟合度高但计算代价大1.4 人工智能的瓶颈算法层面瓶颈说明功耗高现有深度学习功耗高实际部署困难依赖大数据训练过分依赖大规模标注数据可解释性差神经网络被视为黑箱学习和运行结果难以解释计算体系瓶颈冯诺依曼体系存-算分离效能低下摩尔定律逐渐失效1.5 大脑 vs 计算机对比维度计算机大脑容错性差强容忍部分神经元死亡功耗大低仅约20W运行频率高GHz级低约100Hz存储与计算存算分离存算一体学习能力难自我学习、进化并行度少强约10¹¹个神经元Geoffrey Hinton“相信克服人工智能局限的关键在于搭建一个连接计算机科学和生物学的桥梁”【图片大脑vs计算机对比表 — 课件1第22页】1.6 脉冲神经网络SNNSNN vs ANN 核心区别对比维度ANN人工神经网络SNN脉冲神经网络信息形式高精度连续浮点值激活值离散二进制脉冲0/1 Spike时间维度无仅空间域/层间传播有时空两维度传递信息运算方式同步全局时钟异步、事件驱动能耗高低稀疏计算生物合理性低高【图片ANN与SNN神经元工作原理对比图 — 课件1第29页】SNN 的优势融合深度学习网络的高性能 生物神经元的精细合理性稀疏脉冲 → 低能耗时空信息处理能力SNN 的应用领域计算机视觉光流估计、目标检测、目标识别、三维重建机器人控制自动驾驶、机械臂控制脑机接口手势识别、肌肉活动解码、情绪识别【图片SNN应用场景图 — 课件1第30-32页】1.7 神经形态硬件神经形态相机事件相机原理输出像素级亮度变化而非标准强度帧亮度变化超过阈值→产生事件亮度增加 →ON事件亮度减少 →OFF事件优势异步、稀疏仅变化处产生事件、高动态范围、无运动模糊、微秒级延迟远超传统相机应用目标检测、动作捕捉、场景重建、图像去模糊、轨迹预测、极端场景低光等【图片神经形态相机原理图、应用场景图 — 课件1第35-38页】神经形态芯片芯片发布时间研制单位神经元规模突触规模在线学习TrueNorth2014IBM100万2.5亿不支持Darwin 22019浙江大学15万1000万不支持Tianjic2019清华大学4万1000万不支持Loihi 22021Intel100万1.2亿支持KA200(-S)2022灵汐科技25万2500万不支持Darwin 3Ongoing浙大之江235万1亿支持【图片芯片对比详细表格 — 课件1第39页】类脑计算机由类脑芯片组合 操作系统辅助 → 更大规模神经元可达100亿突触可达1000亿达尔文二代神经元超20亿、突触超千亿接近猕猴大脑规模【图片类脑计算机对比表 — 课件1第40-41页】1.8 全球脑计划计划启动时间国家/地区核心目标蓝脑计划2005瑞士分子层级大脑逆向工程数字重建啮齿类动物大脑人脑计划HBP2013欧盟16国123机构建立研究基础设施揭示人脑运作本质BRAIN计划2013美国生成大脑动态图谱Brain 2.02020-2026投入24亿美元Brain/MINDS2014日本绘制狨猴神经环路3D图谱中国脑计划2021中国**“一体两翼”**战略拨款近32亿元中国脑计划 —— “一体两翼”一体解析大脑认知功能原理 / \ 左翼重大脑疾病诊治 右翼类脑计算/脑机智能类脑计算 → 后摩尔时代两大国际竞争高地之一美国ASCAC报告确认2014年香山会议 → 2016年十三五规划纲要 → 2018年北京/上海中心 → 2021年正式启动【图片一体两翼战略图 — 课件1第48页】国际类脑智能研讨会2007年德国首届类脑智能术语正式出现1.9 课堂测试题课件Q1大脑只有20瓦功耗却具备高智能。你认为关键机制可能是什么Q2脉冲神经网络在哪些方面可能有超越传统神经网络的潜力(二选一作答)笔记中的图片索引序号图片内容描述来源位置图1认知科学与类脑计算课程封面课件1 第1页图2欧姆、Müller、Bernstein、Hodgkin-Huxley历史人物照片课件1 第6-9页图3Louis Lapicque及IF模型示意图课件1 第10-11页图4罗素、McCulloch、Pitts人物照片课件1 第12-13页图5M-P神经元布尔逻辑计算示意图课件1 第14页图6达特茅斯会议历史照片课件1 第15页图7AI瓶颈示意图功耗/数据/可解释性课件1 第20-21页图8大脑vs计算机对比图课件1 第22页图9类脑计算三大特点图示异步/事件驱动/存内计算课件1 第25页图10SNN与ANN神经元工作原理对比图课件1 第28-29页图11SNN应用场景视觉/机器人/脑机接口课件1 第30-32页图12神经形态相机原理与对比课件1 第34-36页图13神经形态芯片架构对比课件1 第39页图14类脑计算机系统图课件1 第40页图15达尔文类脑计算机实物图课件1 第41页图16全球脑计划时间线/对比图课件1 第42-48页图17中国脑计划一体两翼战略架构图课件1 第48页占位图笔记整理时间2026年6月25日