想象有一天，机器可以像人一样思考和处理问题，这对于21世纪的我们早已不是一个陌生的话题。通用人工智能的梦想鞭策着人类不断探索脑科学的奥秘与用机器模拟生物神经网络的结构和信息加工的潜力，而后者就是我们所说的类脑计算，也叫神经形态计算。

目前的类脑计算研究尚处于起步阶段，国际上还没有形成公认的技术标准与方案。10月14日，清华大学计算机系张悠慧团队和精仪系施路平团队与合作者在世界顶级期刊《自然》发表题为“一种类脑计算系统层次结构”的论文，填补了类脑计算系统领域完备性理论与相应的类脑计算系统层次结构方面的空白。这是一年多来，清华大学在类脑计算领域继“天机芯”和“多阵列忆阻器存算一体系统”之后于《自然》正刊发表的第三篇成果，也是计算机系以第一完成单位/通讯单位在《自然》发表的首篇论文。

从传统到创新，用系统的眼光重新审视类脑计算

如果说，“图灵完备性”是通用计算机领域的“圭臬”，那么“类脑计算完备性”则能够为类脑计算系统领域的发展提供一个“准绳”。

通用计算领域有两个著名概念，一个是“图灵完备性”，另一个是“冯·诺依曼体系结构”。对于前者，原则上一个图灵完备的系统能够用来解决任何计算性的问题，符合图灵完备的编程语言编写的任何程序都可以转换为任意图灵完备的处理器上的等价指令序列，因此在设计通用计算软硬件时需符合图灵完备的要求；后者则是通用计算机运作的体系结构，具有存储部件与计算部件分离、程序与数据统一存储等特性。图灵完备性和冯·诺依曼体系结构使得通用计算领域在软件层、编译层和硬件层都有了统一的范式，使不同层次各自发展而又可以无缝兼容。

然而，现有类脑计算系统研究大多聚焦于具体的芯片、工具链、应用和算法的创新实现，而忽略了从宏观和抽象层面上对计算完备性和体系结构的思考。类脑计算软硬件间的高度耦合阻碍了它们独立发展的同时互相兼容的可能性。如何突破这一瓶颈，扩展类脑计算系统的应用场景，成了团队下决心要解决的重点问题。

“通用计算领域的图灵完备性和冯·诺依曼体系结构都是非常基础、大家也非常熟悉的概念，以至于很多人都不会意识到，对于新兴的类脑计算系统领域，这是一个需要首先解决的问题。” 计算机系研究员张悠慧说。

从传统通用计算机的设计哲学和方法论中汲取灵感和经验，团队针对类脑计算不像针对通用计算一样注重每一步计算过程的精确，他们更注重结果拟合的特性，提出了对计算过程和精度约束更低的类脑计算完备性概念，并且设计了相应的类脑计算机层次结构：图灵完备的软件模型，类脑计算完备的硬件体系结构，以及位于两者之间的编译层。通过构造性转化算法，任意图灵可计算函数都可以转换为类脑计算完备硬件上的模型。这意味着类脑计算系统也可以支持通用计算，极大地扩展了类脑计算系统的应用领域，也使类脑计算软硬件各自独立发展成为可能。

明确分工接口，既能学科交叉又能“各司其职”

明确类脑计算机层次结构，除了希望实现不同层次之间的去耦合，也是希望能为各相关学科的研究人员“减负”，不让专业间的知识鸿沟阻碍交叉学科的顺畅发展。

类脑计算属于交叉研究领域，涉及脑科学、电子、微电子、计算机、自动化、材料以及精密仪器等多个学科。学科交叉意味着研究中需要集各科之所长，但是专业壁垒却增加了学科之间互相理解、协同配合的难度。如何让一个生物学家不必深入钻研计算机理论却依然能理解进而将自己的专业前沿成果结合到类脑计算当中。这是交叉研究项目面临的现实问题。

《自然》期刊审稿人说，清华大学团队的这项研究“使得相关研究领域间的任务分工与接口更为清晰，有利于不同学科的研究人员专注于其专业领域、促进协同发展”。

不让研究人员分心，专于所长，推动各个具体学科领域的技术突破，才能为类脑计算提供更加坚实的基础和支持。

值得一提的是，从春节前夕