刘嘉/文 编者按："深度学习之父"杰弗里·辛顿近日首次来到中国，出席2025世界人工智能大会，受到社会广泛关注。辛顿是一位颇具传 奇色彩的科学家，2024年，他因在使用人工神经网络进行机器学习的基础性发现和发明，被授予诺贝尔物理学奖。但他曾多次 变换学习和研究的领域，甚至一度离开学术界，他投身人工神经网络研究时，正值人工智能跌入谷底，他的研究被认为没有出 路，甚至当时多伦多大学校长曾说过："我们学校一个疯子就够了，绝对不能进第二个搞人工神经网络的人。"但最终，人工智 能因辛顿等人引领性的贡献走出停滞，进入大模型时代。 近日，清华大学基础科学讲席教授、心理与认知科学系主任刘嘉出版了新书《通用人工智能：认知、教育与生存方式的重 构》。在新书的跋里，刘嘉向读者讲述了辛顿的故事。作者为何专门介绍辛顿？这与作者自身的经历和本书的写作目的有关。 刘嘉在1994年读大学时就接触到人工神经网络，但当他1997年慕名拜访人工智能之父马文·明斯基后，却备受打击，明斯基对人 工智能的态度不算积极，刘嘉和他聊人工神经网络，但由于当时的人工智能正在经历第二次寒冬，所以连他也说不清未来走向 何方。因此他鼓励刘嘉留在麻省理工学院脑与认知科 ...

神经形态计算技术突破 - 新加坡国立大学研究团队证明单个标准硅晶体管可模拟生物神经元和突触行为 通过调整块体终端电阻值控制穿透碰撞电离和电荷捕获现象 实现神经放电和突触重量变化的复制 [1][2][3] - 该技术基于商用CMOS平台 与现有半导体制造工艺兼容 具备高度可扩展性和可靠性 相比需要复杂晶体管阵列或新兴材料的方案更具产业化优势 [3] - 团队开发出双晶体管单元NS-RAM 在神经元或突触状态下运行时表现出低功耗特性 多个操作周期内性能稳定 不同设备间行为一致 满足实际应用需求 [3] 技术应用前景 - 该突破使硬件级人工神经网络(ANN)成为可能 相比基于软件的ANN(如ChatGPT底层技术)大幅降低计算资源需求 解决当前AI系统能耗过高的问题 [2] - 神经形态计算芯片采用内存计算(IMC)架构 实现信息处理方式接近人脑 研究显示人脑通过约900亿神经元和100万亿突触连接达成超高能效 该技术方向有望复制这种效率 [1][2] 行业影响 - 标志着紧凑型节能AI处理器开发取得重大进展 为开发更快响应速度的神经形态计算系统奠定基础 可能推动半导体行业新一轮技术迭代 [3] - 采用成熟CMOS工艺路线降低产业化门槛 有利于加速商业化进程 对现有半导体制造产业链具有直接兼容性 [3]