騎自行車和開飛機哪個更難？與大多數人想當然的答案“開飛機”不同，計算機科學家給出的答案是騎自行車。

如果要實現無人駕駛自行車，除了需要解決啟動、加速、勻速前行、轉彎、變道、避障等動作外，還需要面對識別紅綠燈和機動車車道、語音信號、感知周圍環境，還要感知周圍人車的速度以及預判變道對周圍人車是否產生干擾。而大部分民航飛機上都安裝了自動駕駛系統。

用美國加州大學圣塔芭芭拉分校博士后鄧磊的說法，比起自動駕駛飛機，無人自行車看起來很小，但實際上是一個五臟俱全的小型類腦技術平臺，“這實際上是對我們的考量”。

如今這個考量過關了。清華大學類腦計算研究中心主任施路平團隊的人工通用智能芯片“天機芯”（Tianjic）讓無人駕駛自行車成為現實。

這是一款被賦予了巨大野心的人工智能芯片。8 月 1 日，這個研究作為封面文章發表在了《自然》雜志（Nature）上（下稱 Nature 論文），封面標題是《雙重控制》（Dual control）。

無人自行車問世

施路平和同事研發了一款實現異構融合的電子芯片，這款名為“天機芯”的芯片可以整合現有人工網絡算法，類腦的脈沖神經網絡算法，同時支持神經科學發現的眾多神經回路網絡和異構網絡的混合建模，發揮它們各自的優勢。在自行車上利用一塊“天機芯”同時運行了包括卷積神經網絡在內的 5 種不同神經網絡，實現了無人自行車駕駛。

這個無人智能自行車系統包括了激光測速、陀螺儀、攝像頭等傳感器，剎車電機、轉向電機、驅動電機等致動器，以及控制平臺、計算平臺、天機板級系統等處理平臺等。

無人自行車可以實時感知周圍環境，跟隨前方的試驗人員并自動進行避障的操作，并根據語音指令、視覺感知的反饋產生實時信號對電機進行控制，以達到保持平衡，改變行進狀態（包括橫向和縱向）。這款自行車實現了多模態信息集成，能夠維持平衡，并跟據目標人物的位置控制自行車轉向，完成實時追蹤。

施路平認為，人工通用智能芯片能夠成功，多學科深度融合才是關鍵。

讓大腦攜手電腦來實現人工通用智能

目前基于馮·諾依曼架構的計算機擅長的是解決有充足大數據、完整靜態知識的確定性問題，比如深度學習在圍棋比賽、圖像識別等領域已經完勝人類，但它還不能解決沒有那么多數據的、動態知識不夠多的模糊性問題。要知道人的大腦在能耗只有 20 瓦的前提下可以并行解決視覺、聽覺、嗅覺、觸覺等多模態信息，甚至能夠在有限經驗的時候舉一反三。

計算機和人類各有所長，人們需要打通兩者的鴻溝。施路平認為，人工通用智能是一個必然的趨勢，而異構融合，也就是讓兩種計算結合正是這把鑰匙。

Nature 論文的共同第一作者鄧磊在其清華大學博士論文《異構融合類腦計算平臺的計算模型與關鍵技術研究》中提到，類腦計算的本質應該是通過借鑒大腦信息處理的方式，獲得解決人工通用智能問題的能力，而深度學習和神經形態都只是實現理想類腦計算的手段。他的導師、清華大學儀器科學與技術研究所副研究員裴京是 Nature 論文的第一作者。

Nature 研究的核心是這款異構融合的芯片，它是一款特別的人工智能芯片。它結合了類腦計算和基于計算機科學的人工智能。這也是 Nature 封面為何是“雙重控制”的原因。