中国如何发展自主可控和开放的科技产业

智能计算机是中国建立自主可控和开放产业的机会吗？

智能计算机的发展渊源

冯 · 诺依曼体系结构（Von Neumann architecture）是现代数字计算机的基础结构，而对智能计算机的探索甚至早于冯 · 诺依曼对数字计算机的探索。计算机产业的领袖们在冯 · 诺依曼体系结构的基础上发展出了一个复杂而又具有活力的信息技术产业体系，深远地影响了人类社会生活。而对智能计算机的探索则更多地限于理论层次。

冯 · 诺依曼体系结构的本质是以计算单元为中心，同时采用存储程序原理。也就是说存储设备与中央处理器分开，程序指令存储器和数据存储器合在一起。在冯 · 诺依曼体系结构提出前，计算机需要固定程序，改变程序就需要调整和变化计算机的结构。冯 · 诺依曼体系结构破除了这种结构限制，凭借它的简洁和灵活打败了所有的竞争结构。对智能计算机的探索有时候游离于冯 · 诺依曼体系结构，有时又回归到这个结构。

1943 年，神经生理学家 Warren McCulloch 和数学家 Walter Pitts开始思考大脑中的神经元如何工作，第一次使用电路对神经网络（neural network）建模。他们采用的是模拟计算（analog computation），神经元的输出结构不是 0 或者 1，原理上和现代的数字计算机显著不同。

当代开展的一些神经形态计算（neuromorphic computing）正是起源于 Warren McCulloch 和 Walter Pitts 的工作。尽管不少神经形态计算的项目仍然基于冯 · 诺依曼体系结构，但神经形态计算的最终目标确是要发展完全不同于冯 · 诺依曼体系结构的硬件类型。考虑到现有的信息技术产业都建立在冯 · 诺依曼体系结构基础之上，已经有大半个世纪的智力和基础设施投资，对神经形态计算的探索短时间内恐怕无法获得回报。从基础研究的角度，神经形态计算非常有价值，但显然不适合以大工程的方式开展研究工作。

20 世纪 80 年代日本开展的第五代计算机计划（Fifth Generation Computer Systems， FGCS）确实是在冯 · 诺依曼体系结构基础上开展的一次发展智能计算机的尝试。第五代计算机有 2 个发展动力：①并行计算，即在计算机内部引入多处理器提高性能，这后来获得了产业上的成功；②大规模知识处理（Knowledge Information Processing systems），采用逻辑编程（logic programming）来实现这一目标。这一努力促进了专家系统这一概念的普及。专家系统包括知识库和推理引擎——知识表达为 if－then 规则的集合，推理引擎则使用逻辑推理规则。然而，知识规则的表达和获取，需要计算机专家与领域专家一起工作。通常这些规则是刚性的，难以适应现实世界的真实环境。与此同时，领域知识获取困难，缺少灵活性，成本又高，这些原因直接导致了日本第五代机计划的失败。