CCF-ADL81：黄铁军、潘纲、 陈云霁等讲授《类脑计算》

类脑计算，是指仿真、模拟和借鉴大脑生理结构和信息处理过程的装置、模型和方法，其目标是制造类脑计算机和类脑智能，相关研究已经有二十多年的历史。与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同，类脑计算采取仿真主义：结构层次模仿脑（非冯·诺依曼体系结构），器件层次逼近脑（神经形态器件替代晶体管），智能层次超越脑（主要靠自主学习训练而不是人工编程）。

本期CCF学科前沿讲习班《类脑计算》将从模拟生物神经元和神经突触的神经形态器件、神经网络芯片以及类脑计算模型和应用等方面对国内外研究进展进行介绍，探讨相关技术的未来发展趋势。本讲习班旨在帮助学员快速入门类脑计算原理和技术，了解学科热点以及应用方法，开阔科研视野，增进学术交流和增强实践能力。

黄铁军

北京大学

黄铁军，北京大学计算机科学技术系主任，信息科学技术学院教授，数字视频编解码技术国家工程实验室副主任，主要研究领域为视觉信息处理和神经形态计算。教育部长江学者特聘教授，国家杰出青年科学基金获得者。CCF杰出会员，专委工作委员会执行委员。1998年从华中理工大学模式识别与智能系统专业获博士学位，曾两次荣获国家科学技术进步二等奖，五次荣获省部级一等奖，并获得中国科协求是杰出青年成果转化奖。

讲座题目：类脑计算—从理念到实践

类脑计算是Brain Like（仿脑）还是Brain Inspired Computing（脑启发的计算）? 背后的技术路线迥然不同，报告人认为“仿脑”是取得突破的可行路线，是走向“强人工智能”的必要阶段，可能比“人工智能”（人工设计出来的智能）和“认知科学”（理解思维的机理）更早实现。北京脑科学专项“脑认知与类脑计算”方向沿着这样一条技术路线，提出了四个基础平台、两种核心芯片、三类类脑智能的总体布局。报告将介绍类脑计算国内外重要进展，并以报告人课题组正在进行的灵长类初级视觉系统解析仿真为例，介绍仿脑在视觉信息编码和分析识别方面的潜在价值。

曾毅

中科院自动化所

曾毅，研究员，中国科学院自动化研究所类脑智能研究中心副主任，中瑞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，中国科学院大学岗位教授。主要研究方向为：类脑认知计算建模、类脑学习理论、类脑智能机器人系统等。担任国际期刊Cognitive Systems Research (Elsevier), Computational Cognitive Science (Springer)的Associate Editor。

讲座题目：类脑智能：从受脑启发到通用智能的探索

结构与机制类脑、行为类人的类脑智能近年来成为探索人类水平人工智能的重要途径之一。本报告将从人工智能、神经科学、认知科学交叉的视角介绍类脑智能的研究进展，并将着重介绍研究团队在大规模多尺度生物脑神经网络建模与模拟、类脑自主学习、多感觉融合、认知功能协同及其在无人机、机器人领域的智能应用方面的研究进展。在此基础上，将展望实现通用智能的核心科学问题，探讨机器自我意识的实现途径和初步尝试。

潘纲

浙江大学

潘纲，浙江大学计算机学院教授、博导，计算机系统所副所长，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。主要研究方向为计算机视觉、普适计算、类脑与脑机融合智能等。已发表论文100多篇（包括IEEE TPAMI、TNNLS、ACM Computing Surveys等国际权威刊物，以及CVPR, ICCV, IJCAI, UbiComp等国际权威会议），授权发明专利25项。获国际会议最佳论文奖4次，包括国际一流会议UbiComp’16最佳论文奖、UbiComp’15最佳论文提名奖（Honorable Mention Award）。相关成果入选2016年度中国高等学校十大科技进展，获国家科学技术进步奖二等奖（第2完成人）、教育部科技进步一等奖（第2完成人）。目前担任《IEEE Systems Journal》、《ACM IMWUT》、《Chinese Journal of Electronics》等期刊编委。 

讲座题目：从脑机接口到脑机融合

计算神经科学、微电子和神经生理学等领域的最新进展，显示出计算机和生命体之间的融合成为可能并日趋明显。以脑机接口为代表的神经技术的突破使得脑与计算机之间的结合越来越紧密，脑机融合及其一体化已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）与机器脑（人工智能）深度融合并协同工作的新型混合智能系统，是当前人工智能与脑认知科学交叉领域面临的重要课题。本讲座将介绍脑机接口的基本原理与最新进展，并介绍新型人工智能形态——脑机融合的混合智能。

唐华锦

四川大学

唐华锦，博士，四川大学计算机学院教授、博士生导师，类脑计算研究中心主任，入选国家青年千人计划。主要研究方向为神经形态计算、认知机器人。现担任多个国际期刊的Associate Editor,包括 IEEE Trans. On Neural Networks and Learning Systems，IEEE Trans. On Cognitive and Developmental Systems, 以及 Frontiers in Neuromorphic Engineering。获得2016年度 IEEE TNNLS 优秀论文奖。由Springer 2017年出版英文专著 Neuromorphic Cognitive Systems: A Learning and Memory Centered Approach。

讲座题目：神经形态认知计算

模拟大脑智能是计算机科学领域长久以来的目标，成为过去几十年人工智能的发展的重要推动力。与传统人工智能方法不同，神经形态计算主要受神经科学发展推动，是建立在大脑神经电路结构和神经信息处理与神经脉冲计算原理上的新型计算模式，并最终以神经形态硬件方式来实现仿脑的认知计算与低功耗运算。虽然在神经科学领域神经元和突触层级已经取得了很大的进展，而如何模拟生物神经元及突触可塑性实现认知计算及实现神经形态芯片依然面临很多挑战，有待深入研究。本报告从神经形态认知计算领域需要解决的主要问题出发，介绍该领域取得的主要进展。

陈云霁

中科院计算所 

陈云霁，1983年生，江西南昌人，中国科学院计算技术研究所研究员，博士生导师，未来计算实验室主任，主要研究方向是智能处理器。在此之前，他从事国产处理器的研发工作十余年，先后负责或参与了多款龙芯处理器的设计。他在包括ISCA、ISSCC、HPCA、MICRO、ASPLOS、ICSE、IJCAI、Hot Chips、FPGA、IEEE Micro以及8种IEEE/ACM Trans.在内的学术会议及期刊上发表论文90篇。陈云霁获得了中国青年科技奖、首届国家自然科学基金“优秀青年基金”、首届国家万人计划“青年拔尖人才”、中国计算机学会青年科学家奖以及中科院青年人才奖，作为负责人带领科研团队获得了全国“青年文明号”和中央国家机关“青年文明号”的称号。由于其在深度学习处理器上的开创性贡献，他入选了MIT Technology Review评选的2015年度全球35位杰出青年创新者，并多次获得CCF A类会议的最佳/最高分论文。

讲座题目：深度学习处理器

从科技的角度看，每个时代的发展都有其核心物质载体。工业时代的核心物质载体是发动机，信息时代的核心物质载体是通用处理器。由于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会是深度学习处理器。自中科院计算所2012年和Inria合作研制全球首个深度学习处理器架构以来，深度学习处理器已经成为整个计算机体系结构领域最关注的研究方向，受到IBM、Intel、HP、微软、哈佛大学、斯坦福大学、普渡大学、UCLA、UCSB、哥伦比亚大学、佐治亚理工和德州大学奥斯丁分校等国际知名机构的跟踪。CCF A类会议ISCA 2016上甚至有近1/6的论文聚焦于此方向。在此，我们将介绍自己对深度学习处理器的发展历程和未来前景一些不成熟的看法。

施路平

清华大学

施路平，清华大学教授，国家千人特聘教授，清华大学类脑计算中心主任，光盘国家工程研究中心主任，国际光学工程学会（SPIE）会士。研究领域包括类脑计算、智能仪器，信息存储、集成光电子学、纳米科学与技术等。1996.8-2013.3是新加坡科学院数据存储研究院资深科学家，新加坡科学院人工认知存储器实验室主任。2013年3月全职入职清华大学，创建类脑计算中心，中心从基础理论、芯片、软件、系统、应用全方位研究类脑计算。曾担任多个国际会议的主席。已发表近200多篇学术论文（包括Science， Nature Photonics， Phys Rev Lett），于2004年获颁新加坡国家科技奖。

讲座题目: 类脑神经形态计算芯片

类脑计算功能芯片是类脑计算的核心技术之一，受到广泛的关注，目前人们已经提出了若干种各具特色的方案，但目前尚未找到一种公认的技术方案。本报告将介绍国内外在类脑计算功能芯片方面的现状和进展，讨论这个领域的主要挑战，未来可能的发展路线。同时介绍清华大学类脑计算中心发展的天机芯片的设计思路和近期进展。报告将以目前清华大学正在进行的相关研究为例，剖析基于新器件的智能芯片设计所面临的诸多挑战和可能的应对方法。

吴思

北京师范大学

吴思，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，主要研究方向是计算神经科学，尤其是神经信息处理的基本原理和模型。目前担任Frontiers in Computational Neuroscience主编，自动化学会《生物控制与生物医学工程专业委员会》主任。

讲座题目:计算神经科学-连接脑科学与类脑计算的桥梁

计算神经科学的宗旨是用数学建模和仿真方法来阐明大脑的工作原理，为人工智能发展提供新思想和奠定理论基础。计算神经科学在脑科学与类脑计算之间起到了重要的桥梁作用。报告将简要介绍神经系统计算的一些重要特性，回顾计算神经科学发展的历史背景，并介绍一些神经信息处理的基本原理及实现的网络模型。

精品推荐：

黄铁军丨类脑计算——从理念到实践
http://www.mooc.ai/course/128

曾毅丨类脑智能：从受脑启发到通用智能的探索
http://www.mooc.ai/course/129

潘纲丨从脑机接口到脑机融合
http://www.mooc.ai/course/130

唐华锦丨神经形态认知计算
http://www.mooc.ai/course/131

陈云霁丨深度学习处理器
http://www.mooc.ai/course/132

施路平丨类脑神经形态计算芯片
http://www.mooc.ai/course/133

吴思丨计算神经科学 连接脑科学与类脑计算的桥梁
http://www.mooc.ai/course/134