克劳斯·迈因策尔教授受邀进行“海外学者讲学计划”讲座

2024年10月24日，德国慕尼黑工业大学杰出荣休教授、欧洲科学与艺术院院长克劳斯·迈因策尔（Klaus Mainzer）受邀在线进行“海外学者讲学计划”讲座，题目是《人工智能：从数字计算到大脑导向的计算 (Artificial Intelligence: From Digital to Brain-Oriented Computing)》。本次讲座由开云官方注册 - 开云(中国)教育技术系主任贾积有教授主持，来自北京大学和其他高校近百名师生在线参与。

克劳斯·迈因策尔教授详细介绍了人工智能从数字计算到脑导向计算和量子计算的演变历程，讲座分为4个部分：从数字化到机器学习、从数字化到神经形态人工智能、从数字化到量子人工智能以及混合人工智能的未来。

首先，迈因策尔教授介绍了从数字化到机器学习的转变，指出所有算法都可以通过图灵机模拟，并详细介绍了机器学习及其不同类型的神经网络，包括监督学习、非监督学习、强化学习和深度学习。在深度学习方面，神经网络能够逐层识别不同的特征，从简单形状到复杂物体和人脸。机器学习也被广泛应用于医学领域，帮助识别组织中的正常与癌细胞，如通过AlphaFold算法预测蛋白质的结构，揭示疾病的潜在原因。2024年诺贝尔物理学奖（Hopfield和Hinton）突显了现代机器学习在自然模式形成中的深厚根基。

然后，迈因策尔教授探讨了神经形态人工智能的发展。传统数字计算机仅能模拟大脑的神经元网络，其冯·诺伊曼架构将内存和处理器单元分开，导致较高的能耗，这与《欧洲绿色协议与其行动计划》相矛盾。神经形态计算受生物大脑启发，结合模拟与数字信息处理，具有高能效、并行处理的特点，尤其适用于处理复杂任务。通过忆阻器和光子芯片模拟神经元之间的突触连接，实现更高效的内存计算，具有更好的环保性能。光子神经网络则使用光神经元处理信息，能够在极短时间内（纳秒级）完成计算，显著提升效率。这类设备不仅可以用于模拟物理、化学、生物和神经系统中的结构和模式形成，还能够推动更加环保和可持续的计算系统。

在第三部分，迈因策尔教授深入分析了量子计算和人工智能技术的关系。经典并行计算需要多个处理器，而量子计算通过叠加实现全局并行处理。量子计算利用叠加态和纠缠等量子现象来同时处理多个状态，能够显著增强计算能力。量子神经元与经典神经元的区别在于其在布洛赫球上通过算子的旋转来表现输入输出状态，适用于模式识别任务，形成量子神经网络这一特性使其在模式识别任务中表现出色，而量子波尔兹曼机则通过哈密顿算子替代经典能量函数，进一步扩展了机器学习在复杂优化问题上的应用。2022年诺贝尔物理学奖（Aspect，Clauser，Zeilinger）强调了量子纠缠在自然界中的根本地位，进一步展示了量子计算的广泛应用前景。

在第四部分，迈因策尔教授指出，未来人工智能发展的关键在于神经形态计算与量子计算的融合，形成混合人工智能系统，以应对现代社会中的复杂挑战。通过整合各种计算范式，目标是发展出融合且可持续的人工智能体系。然而，这一进步不仅需要技术上的突破，还必须克服摩尔定律带来的微型化极限，并通过超越摩尔技术以及NISQ等中等规模量子计算的推进来实现。未来的人工智能发展需要国际标准化和认证，以确保创新的可持续性和责任性。

讲座最后，在线师生与克劳斯·迈因策尔教授进行了互动交流，贾积有教授总结了克劳斯·迈因策尔教授的精彩报告，给予高度评价。

图克劳斯·迈因策尔教授报告中

报告专家简介：

克劳斯·迈因策尔教授，欧洲科学与艺术院院长、德国国家工程院院士、欧洲科学院院士、欧洲科学与艺术院院士、德国慕尼黑工业大学杰出荣休教授、德国图宾根大学高级教授。曾任康斯坦茨大学副校长、奥格斯堡大学哲学与社会科学学院院长和交叉信息科学中心主任、慕尼黑工业大学林德研究院院长和科技与社会研究中心主任等学术职务。他先后出版了《复杂性中的思维》、《人工智能》、《混沌》、《生命与机器》、《人工智能——何时机器能掌控一切》等20多本英文和德文专著。