0
| 本文作者： 李詩 | 2017-07-25 15:38 |
7月28日-30日，由中國計算機學會（CCF）主辦的第81期 ADL（Advanced Disciplines Lectures）學科前沿講習班將在北京召開。本期主題為《類腦計算—從腦機接口到腦機融合》，將從模擬生物神經元和神經突觸的神經形態器件、神經網絡芯片以及類腦計算模型和應用等方面對國內外研究進展進行介紹，探討相關技術的未來發展趨勢。雷鋒網(公眾號：雷鋒網)作為獨家合作媒體將進行全程報道，因門票有限，無法購買的同學還可以通過雷鋒網AI慕課學院（http://www.mooc.ai）聯合CCF共同推出的課程線上視頻來進行學習。
類腦計算，是指仿真、模擬和借鑒大腦生理結構和信息處理過程的裝置、模型和方法，其目標是制造類腦計算機和類腦智能，相關研究已經有二十多年的歷史。與經典人工智能符號主義、連接主義、行為主義以及機器學習的統計主義這些技術路線不同，類腦計算采取仿真主義：結構層次模仿腦（非馮·諾依曼體系結構），器件層次逼近腦（神經形態器件替代晶體管），智能層次超越腦（主要靠自主學習訓練而不是人工編程）。
本講習班旨在幫助學員快速入門類腦計算原理和技術，了解學科熱點以及應用方法，開闊科研視野，增進學術交流和增強實踐能力。
和CCF和雷鋒網一起揭開類腦計算的面紗吧，還在等什么？快來報名吧！報名地址：
講習班概況
學術主任： 黃鐵軍 北京大學教授
主辦單位：中國計算機學會
獨家合作媒體：雷鋒網
時間：2017年7月28日—30日
地點：中科院計算技術研究所一層報告廳（海淀區科學院南路6號）
黃鐵軍
北京大學計算機科學技術系主任，信息科學技術學院教授，數字視頻編解碼技術國家工程實驗室副主任，主要研究領域為視覺信息處理和神經形態計算。教育部長江學者特聘教授，國家杰出青年科學基金獲得者。CCF杰出會員，專委工作委員會執行委員。1998年從華中理工大學模式識別與智能系統專業獲博士學位，曾兩次榮獲國家科學技術進步二等獎，五次榮獲省部級一等獎，并獲得中國科協求是杰出青年成果轉化獎。
摘要：類腦計算是Brain Like（仿腦）還是Brain Inspired Computing（腦啟發的計算）? 背后的技術路線迥然不同，報告人認為“仿腦”是取得突破的可行路線，是走向“強人工智能”的必要階段，可能比“人工智能”（人工設計出來的智能）和“認知科學”（理解思維的機理）更早實現。北京腦科學專項“腦認知與類腦計算”方向沿著這樣一條技術路線，提出了四個基礎平臺、兩種核心芯片、三類類腦智能的總體布局。報告將介紹類腦計算國內外重要進展，并以報告人課題組正在進行的靈長類初級視覺系統解析仿真為例，介紹仿腦在視覺信息編碼和分析識別方面的潛在價值。
研究員，中國科學院自動化研究所類腦智能研究中心副主任，中瑞數據驅動神經科學聯合實驗室副主任，中國科學院腦科學與智能技術卓越創新中心青年骨干，中國科學院大學崗位教授。主要研究方向為：類腦認知計算建模、類腦學習理論、類腦智能機器人系統等。擔任國際期刊Cognitive Systems Research (Elsevier), Computational Cognitive Science (Springer)的Associate Editor。
摘要：結構與機制類腦、行為類人的類腦智能近年來成為探索人類水平人工智能的重要途徑之一。本報告將從人工智能、神經科學、認知科學交叉的視角介紹類腦智能的研究進展，并將著重介紹研究團隊在大規模多尺度生物腦神經網絡建模與模擬、類腦自主學習、多感覺融合、認知功能協同及其在無人機、機器人領域的智能應用方面的研究進展。在此基礎上，將展望實現通用智能的核心科學問題，探討機器自我意識的實現途徑和初步嘗試。
浙江大學計算機學院教授、博導，計算機系統所副所長，CCF-IEEE CS青年科學家獎，入選教育部新世紀優秀人才支持計劃。主要研究方向為計算機視覺、普適計算、類腦與腦機融合智能等。已發表論文100多篇（包括IEEE TPAMI、TNNLS、ACM Computing Surveys等國際權威刊物，以及CVPR, ICCV, IJCAI, UbiComp等國際權威會議），授權發明專利25項。獲國際會議最佳論文獎4次，包括國際一流會議UbiComp’16最佳論文獎、UbiComp’15最佳論文提名獎（Honorable Mention Award）。相關成果入選2016年度中國高等學校十大科技進展，獲國家科學技術進步獎二等獎（第2完成人）、教育部科技進步一等獎（第2完成人）。目前擔任《IEEE Systems Journal》、《ACM IMWUT》、《Chinese Journal of Electronics》等期刊編委。
摘要：計算神經科學、微電子和神經生理學等領域的最新進展，顯示出計算機和生命體之間的融合成為可能并日趨明顯。以腦機接口為代表的神經技術的突破使得腦與計算機之間的結合越來越緊密，腦機融合及其一體化已成為未來計算技術發展的一個重要趨勢。研究生物腦（生物智能）與機器腦（人工智能）深度融合并協同工作的新型混合智能系統，是當前人工智能與腦認知科學交叉領域面臨的重要課題。本講座將介紹腦機接口的基本原理與最新進展，并介紹新型人工智能形態——腦機融合的混合智能。
博士，四川大學計算機學院教授、博士生導師，類腦計算研究中心主任，入選國家青年。主要研究方向為神經形態計算、認知機器人。現擔任多個國際期刊的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。獲得2016年度 IEEE TNNLS 優秀論文獎。由Springer 2017年出版英文專著 Neuromorphic Cognitive Systems: A Learning and Memory Centered Approach。
摘要：模擬大腦智能是計算機科學領域長久以來的目標，成為過去幾十年人工智能的發展的重要推動力。與傳統人工智能方法不同，神經形態計算主要受神經科學發展推動，是建立在大腦神經電路結構和神經信息處理與神經脈沖計算原理上的新型計算模式，并最終以神經形態硬件方式來實現仿腦的認知計算與低功耗運算。雖然在神經科學領域神經元和突觸層級已經取得了很大的進展，而如何模擬生物神經元及突觸可塑性實現認知計算及實現神經形態芯片依然面臨很多挑戰，有待深入研究。本報告從神經形態認知計算領域需要解決的主要問題出發，介紹該領域取得的主要進展。
1983年生，江西南昌人，中國科學院計算技術研究所研究員，博士生導師，未來計算實驗室主任，主要研究方向是智能處理器。在此之前，他從事國產處理器的研發工作十余年，先后負責或參與了多款龍芯處理器的設計。他在包括ISCA、ISSCC、HPCA、MICRO、ASPLOS、ICSE、IJCAI、Hot Chips、FPGA、IEEE Micro以及8種IEEE/ACM Trans.在內的學術會議及期刊上發表論文90篇。陳云霽獲得了中國青年科技獎、首屆國家自然科學基金“優秀青年基金”、首屆國家萬人計劃“青年拔尖人才”、中國計算機學會青年科學家獎以及中科院青年人才獎，作為負責人帶領科研團隊獲得了全國“青年文明號”和中央國家機關“青年文明號”的稱號。由于其在深度學習處理器上的開創性貢獻，他入選了MIT Technology Review評選的2015年度全球35位杰出青年創新者，并多次獲得CCF A類會議的最佳/最高分論文。
摘要：從科技的角度看，每個時代的發展都有其核心物質載體。工業時代的核心物質載體是發動機，信息時代的核心物質載體是通用處理器。由于深度學習是目前最重要的智能計算技術，未來智能時代的物質載體可能會是深度學習處理器。自中科院計算所2012年和Inria合作研制全球首個深度學習處理器架構以來，深度學習處理器已經成為整個計算機體系結構領域最關注的研究方向，受到IBM、Intel、HP、微軟、哈佛大學、斯坦福大學、普渡大學、UCLA、UCSB、哥倫比亞大學、佐治亞理工和德州大學奧斯丁分校等國際知名機構的跟蹤。CCF A類會議ISCA 2016上甚至有近1/6的論文聚焦于此方向。在此，我們將介紹自己對深度學習處理器的發展歷程和未來前景一些不成熟的看法。
清華大學教授，國家千人特聘教授，清華大學類腦計算中心主任，光盤國家工程研究中心主任，國際光學工程學會（SPIE）會士。研究領域包括類腦計算、智能儀器，信息存儲、集成光電子學、納米科學與技術等。1996.8-2013.3是新加坡科學院數據存儲研究院資深科學家，新加坡科學院人工認知存儲器實驗室主任。2013年3月全職入職清華大學，創建類腦計算中心，中心從基礎理論、芯片、軟件、系統、應用全方位研究類腦計算。曾擔任多個國際會議的主席。已發表近200多篇學術論文（包括Science， Nature Photonics， Phys Rev Lett），于2004年獲頒新加坡國家科技獎。
摘要：類腦計算功能芯片是類腦計算的核心技術之一，受到廣泛的關注，目前人們已經提出了若干種各具特色的方案，但目前尚未找到一種公認的技術方案。本報告將介紹國內外在類腦計算功能芯片方面的現狀和進展，討論這個領域的主要挑戰，未來可能的發展路線。同時介紹清華大學類腦計算中心發展的天機芯片的設計思路和近期進展。報告將以目前清華大學正在進行的相關研究為例，剖析基于新器件的智能芯片設計所面臨的諸多挑戰和可能的應對方法。
北京師范大學腦與認知科學學院教授，認知神經科學與學習國家重點實驗室副主任，IDG/McGovern腦科學研究所研究員，主要研究方向是計算神經科學，尤其是神經信息處理的基本原理和模型。目前擔任Frontiers in Computational Neuroscience主編，自動化學會《生物控制與生物醫學工程專業委員會》主任。
摘要：計算神經科學的宗旨是用數學建模和仿真方法來闡明大腦的工作原理，為人工智能發展提供新思想和奠定理論基礎。計算神經科學在腦科學與類腦計算之間起到了重要的橋梁作用。報告將簡要介紹神經系統計算的一些重要特性，回顧計算神經科學發展的歷史背景，并介紹一些神經信息處理的基本原理及實現的網絡模型。
看完各個大牛介紹，想必你已經心動了吧，報名趕緊戳：http://www.mooc.ai/course/114
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
