脑启发的人工智能研究进展与展望

脑启发的人工智能以人类大脑的结构与功能机制为灵感，旨在构建具备低功耗与强泛化能力的新型智能系统。当前以深度学习为核心的人工智能方法在计算资源开销、能耗、可解释性与适应性方面仍存在显著不足，难以在复杂多变或资源受限的环境中实现持续学习与灵活推理。相比之下，大脑展现出在并行处理、低功耗、快速泛化及自适应学习等方面的天然优势，这为突破传统人工智能范式提供了重要启示。本文系统综述了脑启发的人工智能领域的国内外研究进展。从脑结构启发的角度，分析了神经元模型、神经环路与神经调制机制的多层级建模方法；从脑功能启发的角度，探讨了感知、认知、学习、决策与控制等智能环节的算法创新路径；从硬件系统的角度，总结了具有近内存与存算一体架构的新型类脑计算系统的发展现状。报告进一步比较了国际与国内在理论研究、算法优化与硬件实现等方面的差异与互补优势。最后，展望了未来脑启发的人工智能在算法–硬件协同、跨学科融合及产业化应用方面的发展趋势，提出了推动我国在该领域实现跨越式突破的关键方向。