从AlphaGo战胜人类顶级围棋选手，到人工智能系统以90%准确率诊断儿科疾病，近年来，人工智能的突破大多从智能的某个领域接近或超过人类智能，距离达到人类水平的人工通用智能（AGI，Artificial General Intelligence）还有很长的路要走。
        
        8月1日，顶级学术期刊《自然》（Nature）的封面文章介绍了中国科学家发展人工通用智能的尝试。

        作者用一个无人自行车系统验证了这一混合芯片的处理能力。试验中，无人自行车不仅可以识别语音指令、实现自平衡控制，还能对前方行人进行探测和跟踪，并自动过障、避障。

        作者认为，这项研究或能为人工通用智能平台的进一步发展起到促进作用。

        原则上，人工通用智能平台可以执行人类能够完成的所有任务。

异构融合的“天机芯”

        在7月30日的电话新闻发布会中，论文通讯作者、清华大学精密仪器系教授施路平介绍了论文的研究思路。

        他提到，现阶段，发展人工通用智能的方法主要有两种，一种基于电脑思维，另一种基于人脑思维，两种方法各有优缺点，但都代表人脑处理信息的部分模式。他与研究团队由此提出将两种方法异构融合的架构，并在此架构上发展出了天机芯片（Tianjic chip）。

施路平表示，天机芯片是中国完全自主研发的技术成果，其中的异构融合思路由项目研究团队首先提出。天机芯片也是多学科融合的结晶，团队成员来自清华大学、北京灵汐科技、北京师范大学、新加坡理工大学和加州大学圣塔芭芭拉分校。

天机异构融合类脑计算架构

        该芯片通过资源复用，只需百分之三的额外面积开销即可同时运行计算机科学和神经科学导向的绝大多数神经网络模型，支持异构网络的混合建模，形成时空域协调调度系统，发挥它们各自的优势，既能降低能耗，提高速度，又能保持高准确度。它由156个FCores组成，包含约40000个神经元和1000万个突触，采用28纳米工艺制程，面积为3.8×3.8平方毫米。

        同时支持计算机科学模型和神经网络模型是天机芯片的一大特点。负责芯片设计和算法细节的论文作者邓磊介绍，通常，市面上的深度学习加速器只支持计算机科学模型，神经形态芯片只支持神经科学模型，而天机芯片两者都可支持，同时支持神经科学发现的众多神经回路网络和异构网络的混合建模。

天机芯片单片（左）和5x5阵列扩展板（右）

        邓磊提到，实现上述两类模型深度而高效的融合是天机芯片设计中最大的挑战，因为两类模型所使用的语言、计算原理，编码方式和应用场景都不相同。

        据了解，2015年，施路平团队设计出第一代“天机芯”，经不断改进设计，2017年第二代“天机芯”问世。相比于当前世界先进的IBM的TrueNorth芯片，2017年流片成功的第二代“天机芯”密度提升20%，速度提高至少10倍，带宽提高至少100倍，灵活性和扩展性更好。

        施路平介绍，早在2012年，清华大学就瞄准未来人工智能发展的前沿，通过人才引进布局类脑计算。2014年清华大学依托精仪系成立了联合了七个院系的类脑计算研究中心，施路平为类脑计算研究中心主任。基于自主研发的天机芯片，类脑计算中心还研制出第一代类脑计算软件工具链，可支持从机器学习编程平台到“天机芯”的自动映射和编译，开发出第一代类脑计算系统，并利用类脑自动行驶自行车建立一个异构可扩展人工通用智能开发演示平台，利用一块天机芯片展示了自行车的自平衡、动态感知、目标探测、跟踪、自动避障、过障、语音理解、自主决策等功能。

        施路平透露，目前，团队已经启动了下一代芯片的研究，预期明年年初可以完成研发工作。

无人自行车系统

        为了验证天机芯片的处理能力，研究人员开发了一款无人自行车系统。

        论文提到，搭载一枚天机芯片的无人自行车系统可以实现多功能算法和模型的同步处理。试验中，无人自行车不仅可以识别语音指令、实现自平衡控制，还能对前方行人进行探测和跟踪，并自动过障、避障。

        无人自行车系统。这辆自行车上配备了摄像头、陀螺仪、速度计、电机、天机芯片和惯性测量单元。

        研究人员在无人自行车系统中设计了一些不同模态的模型以验证天机芯片的多模态异构融合功能。

        邓磊介绍，无人自行车系统的语音识别、自主决策、视觉追踪功能运用了模拟大脑的模型，而目标探测、运动控制和躲避障碍功能运用了机器学习算法模型。

        邓磊认为，天机芯片未来可以应用到自动驾驶和智能机器人等场景。

自动行驶自行车演示平台

        新闻发布会上，论文作者、清华大学精密仪器系副研究员裴京透露，团队的下一步计划是面向问题商业化，把现有的、已经成熟的成果商业化推广。

通用人工智能

        在论文中，作者反复提及“人工通用智能”(AGI)的概念，并认为这项研究“有望通过为更广泛的硬件平台铺平道路来刺激人工通用智能的发展”。

        “人工通用智能”是一个尚未实现的研究课题，有时也被称作强人工智能，它所描述的机器智能可以理解或学习人类所能完成的任何智力任务。

        关于人工通用智能能否实现、何时实现的问题，业内有不同的观点。

        部分人工智能学者认为，人工通用智能的概念并不严肃，在实践中基本不可能实现。另一些人则十分看好人工通用智能的发展，认为它有可能塑造人类的发展轨迹。还有一些则用实际行动表达对人工通用智能的态度，例如，今年7月，微软宣布向非营利性人工智能研究公司OpenAI投资10亿美元研发人工通用智能。

        论文提到的一种发展人工通用智能（AGI）的混合方法，结合了神经科学导向和计算机科学导向方法的优点。

        在《自然》论文的新闻发布会中，施路平表示，“人工通用智能是一个非常难的研究课题”，但“我们相信它是一定会实现的”，他认为，从未来发展的角度看，人工通用智能是一个必然的趋势。

        在研究思路上，施路平认为，发展人工通用智能的最佳方案之一是把人脑和电脑的优势结合起来。他解释，目前为止，据我们所知的通用智能系统就是人脑，人工智能的后两个发展高潮也都与人脑有关。“以史为鉴，我们认为借鉴人脑会是一个比较好的方法”。

        施路平强调，此次发表在《自然》的论文是一个非常初步的研究，人工通用智能是一项非常具有挑战性的工作，目前还处于起步阶段。他和团队的研究愿景是——“发展类脑计算，支撑人工通用智能，赋能各行各业”。