适合类脑脉冲神经网络的应用任务范式分析与展望

类脑脉冲神经网络(SNN)由于同时具有生物合理性和计算高效性等特点，因而在生物模拟计算和人工智能应用两个方向都受到了广泛关注。本文通过对SNN发展历史演进的分析，发现上述两个原本相对独立的研究方向正在朝向快速交叉融合的趋势发展。回顾历史，动态异步事件信息采集装置的成熟，如动态视觉相机(DVS)、动态音频传感(DAS)的成功应用，使得SNN可以有机会充分发挥其在脉冲时空编码、神经元异质性、功能环路特异性、多尺度可塑性等方面的优势，并在一些传统典型的应用任务中崭露头角，如动态视觉信号追踪、听觉信息处理、强化学习连续控制等。与这些物理世界的应用任务范式相比，生物大脑内部存在着一个特殊的生物脉冲世界，这个脉冲世界与外界物理世界互为映像且复杂度相似。展望未来，随着侵入式、高通量脑机接口设备的逐步成熟，脑内脉冲序列的在线识别和反向控制，将逐渐成为一个天然适合SNN最大化发挥其低能耗、鲁棒性、灵活性等优势的新型任务范式。类脑SNN从生物启发而来，并将最终应用到生物机制探索中去，相信这类正反馈式的科研方式将极大的加速后续相关的脑科学和类脑智能研究。