专栏名称: 战略前沿技术

“战略前沿技术”公众号为远望智库旗下前沿资讯媒体。“远望智库”聚焦前沿科技领域，围绕军民融合、科技创新、管理创新等主题，开展情报挖掘、战略研究、规划论证、评估评选等工作，为管理决策、产业规划、企业发展、机构投资提供情报、咨询等服务。

仿生智能技术主要发展动向分析

战略前沿技术 · 公众号 · 军事 · 2024-10-09 22:44

正文

电话 | 010-82030532 手机 | 18501361766

微信 | tech9999 邮箱 | [email protected]

来源：无人系统技术

作者：石晓军，朱小伶，张怡

摘要：仿生智能是借鉴和模仿自然界生物的结构、功能和行为原理，并应用于人工智能系统设计与制造的一种智能形式，用以提高人工系统的性能和智能化水平。对近来仿生智能技术领域的主要发展动向进行了综合评述。首先介绍仿生智能技术的发展现状，随后分析仿生智能技术面临的挑战，最后概述仿生智能技术的未来发展趋势。综述表明，侧重于模拟生物脑的结构与运转机理的“仿智”技术以及侧重模仿生物外形与动作运动机理的“仿形”技术，近来研发进展明显、应用加速；仿生智能技术面临对大脑信息处理原理的理解不完全、在复杂环境下的感知能力不足、对多样化环境的适应性有限，以及人体增强技术发展缓慢等挑战，凸显了仿生智能技术发展的复杂性和多样性需求。综述认为，“脑控”技术、多行为模态融合技术、仿生机器人的环境适应和群智协同、人体增强技术等，正在成为仿生智能技术的重要发展方向。

关键词：仿生智能；仿智智能；仿形智能；多模态融合；环境感知；知识推理；具身智能

1 引言

仿生智能已经成为横跨物理学、数学、生物学、化学、管理学、信息科学、系统科学及社会学等诸多学科的交叉学科，在社会生产、人类生活、军事国防等诸多场景下发挥着越发不可替代的作用。从模仿对象角度，当前仿生智能的研究与应用主要集中在微观层面的“仿智”和宏观层面的“仿形”等两个领域，分别尝试发展源于对生物模仿的高端智能。其中“仿智”侧重于模拟生物脑的结构与运转机理（可视为模拟“精神世界”），“仿形”侧重模仿生物外形与动作运动机理（可视为模拟“物理世界”）。

2 仿生智能技术发展现状

2.1　面向“仿智”的仿生智能技术

作为仿生智能的重要组成部分，模仿生物脑的认知计算旨在通过模拟人脑（或者其他生物脑）与环境的深入交互及不断学习过程，在功能层面具备高智商生物的某些认知能力，以便完成对“数据-信息-知识”的发现、学习、理解、推理、决策等特定认知任务，帮助决策者洞察不同类型海量数据中存在的价值，最终沿着“以神经科学为主、计算科学为辅”的路线探索和发展通用人工智能。

人类大脑（以及其他生物脑）活动是复杂且连续的动力学过程，其复杂程度远超当前算力资源所能模拟的上限。人脑相对传统计算机而言有三大特性：一是低能耗，人脑的功率大约是二十瓦特，而当前试图模拟人脑的超级计算机需要几百万瓦特；二是容错性，人脑时刻都在失去神经元，而不会影响脑内的信息处理机制，而微处理器失去一个晶体管就无法运作；三是无需编程，人脑在与外界交互的过程中自发地学习和改变，而无需像实现人工智能的程序一样遵循预设算法所限制的路径和分支，是通往通用人工智能最有潜力的一条路径。以模仿生物脑为核心的认知计算研究领域已经开始得到学界和产业界越来越多的关注，被认为是“后摩尔时代”最为重要的发展方向之一，或将成为未来智能计算的突破口。

模仿生物脑认知计算技术的相关研究与应用进展，集中在以下三个方面：

（1）“核心算法”方面，知识推理相关算法是当前认知计算发展的主流方向，当前研究重点在于基于高度结构化的知识图谱开展推理、预测，并成为可解释与可信人工智能的重要支撑。相关研究已在情报关联推理、作战辅助决策、金融投资、医疗卫健等诸多领域开展应用，目前正在以“语言-图像”联合理解为突破点探索多模态知识推理，近期典型成果包括：2022年6月，美国DeepMind公司提出一种面向小样本学习的视觉语言联合理解模型Flamingo（如图1所示），实现了可以在包含任意交错文本和图像的大规模多模式网络语料库上进行弹性训练，并在各类多模态任务的小样本学习任务上取得当前最佳成绩；2023年5月，美国斯坦福大学联合团队发布三维图像理解预训练模型ULIP和ULIP-2，研究人员采用了独特的方法，将三维点云、图像和文本对齐到一个统一的特征空间，并通过降低对人工标注的依赖实现大规模扩展，为跨领域任务（例如图像到三维检索）创造了新的可能性；2024年1月，韩国三星公司提出能够集成思维链推理、知识图谱和多种模态信号的统一框架KAM-CoT，用于全面理解多模态任务，能够获得更深层次的上下文理解，同时减少了幻觉并提高了答案的质量；2024年2月，美国OpenAI发布文本到视频生成的人工智能模型Sora，用于根据文本指令来推理生成现实或想象场景的视频（如图2所示），并展现出模拟物理世界的潜力。

图1 面向小样本学习的视觉语言联合理解模型

FlamingoFig.1 Flamingo, a visual-language joint understanding model for few-shot learning

图2 Sora实现文本到视频生成的示例

Fig.2 Examples of Sora for text-to-video generation

（2）“计算范式”方面，神经形态计算（又称“类脑计算”）技术的发展已经实现小规模神经元针对特定、简单任务的神经形态计算，初步验证了高性能、强并行、低耗能等优势，但是尚未实现大规模应用。根据国际权威产业研究机构Yole Development预测，2035年类脑计算市场收入将占据人工智能市场总收入的15%～20%，市场规模约200亿美元。

在神经元连接与脑结构功能理解方面，美国一直处于世界领先地位。2022年10月，美国启动投资5亿美元的“脑计划2.0”项目（如图3所示），旨在绘制史上最全人类大脑细胞图谱；谷歌公司在此前完成了对历史上最强人类大脑结构功能图的建模与绘制，发布了H01人脑成像数据集（人类脑组织渲染图），包含1.3亿个突触、数万个神经元，该数据集是迄今为止针对生物大脑皮层进行精细化成像和重建的最大样本，也是第一个大规模研究人类大脑皮层“突触连接性”的样本。2024年5月，美国哈佛大学和谷歌研究院通过结合电子显微镜与人工智能算法，对哺乳动物大脑的复杂线路进行颜色编码和重建，创建出迄今最大突触分辨率的人类大脑皮层1 mm3片段的图谱（如图4所示）。该图谱包含57000个细胞、230 mm长的血管和1.5亿个突触的信息，数据量达1400 TB，为在超细胞、细胞和亚细胞水平上观察脑组织提供了独特视角。

图3 美国“脑计划2.0”项目主要研究内容示意图

Fig.3 Schematic diagram of the main research content of BRAIN Initiative 2.0 of U.S.

图4 在1 mm3的人脑中呈现的一系列组织学特征

Fig.4 A range of histological features in 1 mm3 of human brain

在存内计算和脉冲神经网络方面，神经拟态计算逐渐接近高性能、低时延要求，典型成果包括：2022年1月，德国海德堡大学和瑞士弗里德里希·米歇尔生物医学研究所利用替代梯度学习策略提出了一种全新脉冲神经网络学习框架，从而产生具有高性能、低推理延迟和稀疏脉冲编码方案的生物激励脉冲神经网络，该方案还可以自我校正设备失配。该成果发表在美国科学院院刊《PNAS》，被认为是利用人工智能实现模拟神经形态计算的重要一步。2024年1月，法国格勒诺布尔阿尔卑斯大学联合团队发布用于小世界尖峰神经拟态系统的内存计算技术Mosaic，有效实现对尖峰神经网络的小世界图拓扑（局部密集和全局稀疏）的建模，并验证了由于在连接中加强了局部性，该成果的路由效率至少比其他脉冲神经网络硬件平台高一个数量级。2024年4月，曼彻斯特都市大学利用Transformer神经网络在时空数据上的强大泛化能力，提出了一种纯粹由脉冲驱动的脉冲Transformer网络，为解决脉冲神经网络的性能限制问题提供了全新解决方案。

（3）“基础设施”方面，类脑仿生硬件相关研究主要集中于存算一体芯片和神经形态芯片等，以及通过模拟大脑神经突触来构造人工突触并集成形成新型人工神经网络，以模仿人脑的高效和自适应特性。类脑仿生硬件不断取得“首创性”突破：2022年8月，美国斯坦福大学发布一种能直接在内存中运行计算的、采用电阻式随机存取存储器的低能耗存算一体仿生芯片——NeuRRAM芯片（如图5所示），成为世界上首个在硬件上实际验证广泛人工智能应用模型的存算一体人工智能芯片。2024年4月，美国英特尔公司发布世界上最大的神经形态计算机Hala Point，包含11.52亿个人造神经元，分布在1152个Loihi 2芯片上，每秒能进行380万亿次突触操作，支持模拟人脑处理和存储数据方式，可提高人工智能模型的效率和能力，且在运行优化问题时耗费的能源仅为传统计算机的百分之一。

图5 斯坦福大学的低能耗存算一体仿生芯片NeuRRAM

Fig.5 The low energy storage and computing integrated biomimetic chip NeuRRAM from Stanford University

2.2　面向“仿形”的仿生智能技术

仿生机器人通常是指模仿生物、从事生物特点工作的机器人，重点在于模仿生物的形态、结构和控制原理设计制造出的功能更集中、效率更高并具有生物特征的机械。把生物系统中可能应用的优越结构和物理学的特性结合使用，人类就可能得到在某些性能上比自然界形成的体系更为完善的仿生机器人，甚至作用于人类自身实现人体增强（人体增强技术是指将生物技术、信息技术与机械手段等相结合，作用于人类的身体，以提升感知能力、记忆力、体能、生存能力等的技术）。仿生机器人强调“人-机-环境”相互作用，如何强化对环境信息的感知、强化对环境变化的适应、强化与环境的交互与共生，是人机混合智能发展所必须解决的关键问题。

仿生机器人技术的相关研究与应用进展，集中在以下三个方面：

（1）具身智能研究的重要意义被推升至前所未有的高度，是仿生机器人理论研究当前的最主要进展之一。具身智能研究热潮自2022年掀起以来，成为当前最热门的人工智能研究方向之一。“具身”的含义不仅是身体本身，而是与环境交互以及在环境中做事的整体需求和功能。2022年10月，图灵奖获得者Yoshua Bengio和Yann LeCun领衔、一批致力于机器学习与神经科学结合研究的科学家共同执笔，发布《迈向下一代人工智能：催化神经人工智能革命》白皮书，提出通用智能的基本要素在于智能体与世界（环境）进行感觉运动交互的能力；提出“具身图灵测试”作为通用人工智能的终极挑战之一，其核心在于高级感觉运动能力，具体包括与世界互动、智能体行为的灵活性、能源效率等特征，可将“人工智能与环境（含人类）的交互”和“其他动物与环境的交互”进行基准测试和比较。2024年2月，美国英伟达公司成立具身智能实验室GEAR，目标是构建具有通用能力的人工智能，可以在许多虚拟和现实的世界场景中学习如何熟练地行动，此前英伟达已推出多个具身智能项目（包括Eureka、Voyager、MineDojo和VIMA等），使机器人能够在虚拟场景中执行复杂任务。

具身智能相关技术能够强化复杂环境态势感知能力，近期典型成果包括：2024年5月，美国普林斯顿大学利用纸张折叠技术和现代材料科学，创造了一种毛毛虫型软体机器人，能够在迷宫中轻松弯曲和扭转，该成果克服了传统软体机器人的环境感知和自主导航困难，通过直接将转向系统建立在机器人的主体内解决了这一问题，为未来软体机器人的发展提供新思路。这种机器人由模块化的圆柱形段构成，能够爬行、搬运货物，并组装成更长的形态。为了解决具身智能的量化测试问题，美国斯坦福大学联合团队提出一个专用于具身智能仿真测试的基准环境BEHAVIOR，要求具身智能体根据传感器信息规划和执行导航与操作策略，以完成多达1000个家庭活动，这些活动涉及多个对象、环境和状态变化，所有这些都通过逼真的物理仿真提供可重现性、安全性和可观察性。

（2）通过在生物母体中嵌入人工智能软硬件的“混合体”模式为仿生智能研发提供全新解决方案。2024年2月，美国加州理工学院通过将电子元件植入活体水母体内，研制用于海洋探测的生物混合水下机器人（如图6所示）：通过3D打印技术制作了一种带有传感器的“水母帽”，再与真正的水母相连接，借助水母在海底的自由游动，植入的设备可同步采集海洋温度、盐度和氧含量数据；此外，设备中包括一种电子起搏器，可帮助水母以比平时快三倍的速度游动。此前，美国圣路易斯华盛顿大学利用蝗虫开发出炸弹嗅探器，可检测和区分不同爆炸性气味：将纳米电极植入蝗虫大脑获得一种生物机器蝗虫，利用蝗虫敏锐的嗅觉系统探测和区分TNT、DNT、RDX、PETN和硝酸铵等不同化学炸药，提供了探测爆炸物环境的有效工具。

图6 生物杂交水母

Fig.6 A biohybrid jellyfish

（3）全球各军事强国均在加紧研制仿生机器狗及探索其军事应用。2022年8月，俄罗斯“Army 2022”大型军事展公开一款代号为M-81的机器狗（如图7所示），可搭配RPG-26反装甲火箭。M-81的外观和运动在很大程度上受到仿生学原理的启发，既可以在战场上携带武器，执行多项军事任务；也可以在受灾地区搜救人员、运送药品，用于民用领域。2024年4月，受“类地表环境中的腿式自主表面科学”项目资助，美国国家航空航天局（National Aeronautics and Space Administration，NASA）宣布正在俄勒冈州山区测试和训练机器狗Spirit（如图8所示），旨在提升机器人在其他星球环境中进行自主科学探索的能力，为未来针对月球和其他星球的任务做准备。机器狗将在模拟月球等星球地形的环境中，学习如何在岩石和较软的地面上行走，科学家希望通过这些测试，使机器狗能够更好地自主理解和适应不同星球表面的特性，为未来的星际探索任务提供支持。2024年5月，美国海军陆战队特种作战部队对Ghost Robotics开发的机器狗进行评估，这些机器狗可用于侦察和监视、甚至装备人工智能瞄准步枪武器进行远程交战。

图7 搭配RPG-26反装甲火箭的M-81机器狗

Fig.7 M-81 robotic dog, paired with RPG-26 anti armor rocket

图8 NASA模拟月球和其他星球执行任务的机器狗Spirit

Fig.8 NASA's robotic dog Spirit, which simulates missions on the moon and other planets

3 仿生智能技术面临挑战分析

当前，仿生智能技术面临对大脑信息处理原理的理解不完全、在复杂环境下的感知能力不足、对多样化环境的适应性有限以及人体增强技术发展缓慢等挑战，凸显了仿生智能技术发展的复杂性和多样性需求。

（1）大脑信息处理和控制的数学原理与计算模型并不完全清楚。神经网络架构是认知计算等类脑研发的基础，当前遇到的问题是网络的拓扑结构、大小和确切性差异很大，尚不清楚网络应该建设的规模，以及必须有多少互连才能更好地模拟生物脑、才能展示出更好的生物特性。

（2）针对动态复杂自然环境的多维度仿生感知能力存在明显短板。复杂自然环境多维度图像的实时建模、处理、分析及理解难度非常大，亟待探索适合于静态图像的传统环境感知算法，向能满足仿生机器人运动视觉的实际需要的动态复杂战场环境感知算法发展。

（3）目前军事仿生机器人大多只适用于陆地、空中/间或水下单一环境。当前对具有更高机动性、可根据工作环境自适应改变外形结构和适应多栖环境，以及具有更高智能的协作行为的研究十分有限。

（4）人体增强技术目前停留在以机械手段从体能与力量层面直接作用于人体阶段（例如，单兵外骨骼装备早在2018年便被列为美国陆军单兵武器装具换装清单），对人体生理极限的提升作用有限，难以充分融合生物技术、信息技术等多维手段来提升感知能力、记忆力、生存能力。

4 仿生智能技术发展趋势分析

“脑控”技术、多行为模态融合技术、仿生机器人的环境适应和群智协同、人体增强技术等，正在成为仿生智能技术的重要发展方向。

（1）“脑控”技术可能带来作战方式与效能的革命。随着对生物脑结构及信息处理与控制机理理解的深入，该技术通过模拟人脑在产生特定情绪时脑电波的形态，以类似无线电的方式向人体直接发射“有生命的信号”，从而达到改变人的情绪和心理状态、影响其行动的目的。例如，通过该技术使激战中的敌方武装人员主动缴械投降。一旦大规模应用，部队在战争打响之前就可消解敌方作战人员的战斗意志，实现另一种意义上的“不战而屈人之兵”。

（2）多行为模态融合技术可能引发复杂战场态势感知能力的质变。现代战争依赖全方位、立体化、多层次、大纵深的战场态势感知，特别是在复杂动态战场环境下，感知能力决定了作战任务的执行成功率。因此，通过模仿人类的某种视觉机制或环境学习与适应能力，探索使多模态预训练模型或大脑认知模型，提高机器人的视觉系统在复杂、未知环境中的自主性和主动性，成为亟待解决的重要技术问题。

（3）环境适应能力与群智协同、“人-机”协同，成为军事仿生机器人的重要发展方向。战场局势日趋复杂、瞬息变化，对军事仿生机器人机动性、环境自适应能力和集群协作能力等提出了更为严苛的要求。自然界中的生物可以根据环境动态改变自己的外形、行为以适应多栖环境（例如，弹涂鱼在水下可以像鱼一样游泳，在沙滩上会利用其坚韧的胸鳍来生存，有时甚至会爬到树根上），也可以通过集群协作行为完成超出单个个体智能程度的任务（例如蜂群、鱼群、蚁群等）。军事仿生机器人应用场景具有复杂性，发展高机动性、多栖和集群协作技术是仿生机器人研究领域的重要课题。

（4）人体增强技术可能突破战斗人员生理极限。全方位提高士兵环境感知能力和“人-机”协同能力的单兵作战系统，是人体增强技术的集成化运用，将成为未来人体增强装备的重要发展方向。该系统能够通过电子信息手段放大人体原有的功能，如视力、听力、大脑的记忆功能等，可以说是仿生技术的集大成者。人体增强技术给作战人员带来的变革十分直接，将在降低伤亡率的同时极大地提高单兵作战效能，是各国都在大力发展的军事仿生技术。

5 结束语

人类在武器装备的研发和战斗技能的习得上，长期得益于对生物界的模仿。这种仿生学的实践可以追溯至远古时期，如模仿鸟嘴设计长矛和模仿龟壳制造盾牌。随着技术的进步，现代战场上开始出现神经形态芯片增强的边缘态势感知、无人机“蜂群”智能协同作战系统以及仿生机器人扩展士兵感知范围和身体极限等智能作战技术。这些技术的出现标志着仿生智能的进一步发展，并随着战争形态的演变而不断优化和进步。可以预见，仿生智能将成为塑造未来战争的关键因素之一。

一网打尽系列文章，请回复以下关键词查看：
创新发展：习近平 \| 创新中国 \| 协同创新 \| 科研管理 \| 成果转化 \| 新科技革命 \| 基础研究 \| 产学研
热点专题：军民融合 \| 民参军 \| 工业4.0 \| 商业航天 \| 国家重点研发计划 \| 装备采办 \| 摩尔定律 \| 诺贝尔奖 \| 国家实验室 \| 军工百强 \| 试验鉴定 \| 双一流 \| 净评估
前沿科技：颠覆性技术 \| 仿生 \| 脑科学 \| 精准医学 \| 基因编辑 \| 虚拟现实 \| 增强现实 \| 人工智能 \| 机器人 \| 3D打印 \| 4D打印 \| 太赫兹 \| 云计算 \| 物联网 \| 互联网+ \| 大数据 \| 石墨烯 \| 电池 \| 量子 \| 超材料 \| 超级计算机 \| 卫星 \| 北斗 \| 智能制造 \| 不依赖GPS导航 \| 5G \| MIT技术评论

一网打尽系列文章，请回复以下关键词查看：
创新发展：习近平 \| 创新中国 \| 协同创新 \| 科研管理 \| 成果转化 \| 新科技革命 \| 基础研究 \| 产学研
热点专题：军民融合 \| 民参军 \| 工业4.0 \| 商业航天 \| 国家重点研发计划 \| 装备采办 \| 摩尔定律 \| 诺贝尔奖 \| 国家实验室 \| 军工百强 \| 试验鉴定 \| 双一流 \| 净评估
前沿科技：颠覆性技术 \| 仿生 \| 脑科学 \| 精准医学 \| 基因编辑 \| 虚拟现实 \| 增强现实 \| 人工智能 \| 机器人 \| 3D打印 \| 4D打印 \| 太赫兹 \| 云计算 \| 物联网 \| 互联网+ \| 大数据 \| 石墨烯 \| 电池 \| 量子 \| 超材料 \| 超级计算机 \| 卫星 \| 北斗 \| 智能制造 \| 不依赖GPS导航 \| 5G \| MIT技术评论

仿生智能技术主要发展动向分析

正文

请到「今天看啥」查看全文