如果您是一名计算机科学家，并且对将类似人类脑的功能开发到新的计算机浪潮中有任何想法，那么情报高级研究项目活动的研究人员希望收到您的来信。
IARPA本周国家情报主任办公室的激进研究部门表示，它正在研究两组，以帮助开发新一代的计算机：具有设计或构建计算系统经验的计算机科学家或与大脑和神经科学家使用的原则类似的原则，他们对神经计算如何为下一代计算机提供实际好处有可靠的想法。
+有关网络世界的更足球竞猜app软件多信息：2015年最奇怪，最古怪，最酷的科幻/技术故事+
从IARPA的信息请求中：…”计算当今最新数字系统基础的原理远离了主要的大脑计算原理。特别是，尽管主流计算机依赖于同步操作，高精度以及存储，数据和逻辑之间的明确物理和概念分离；大脑依靠异步消息传递，与处理共定位的低精度存储以及在短时间和长时间尺度上都会改变的动态记忆结构。”
该小组分解了有关特定主题的许多问题，特别是要计算机科学家提供答案，包括：
基于尖峰的表示：大脑使用基于尖峰的代码进行操作，这些代码通常在时间和跨神经元种群中显得稀疏。在许多系统中，这些代码显得嘈杂或不精确，这表明在大脑功能中近似计算具有合理的作用。
- 用于使用基于尖峰的表示，稀疏编码和/或数字模拟计算系统的计算的研究状态是什么？
- 是否存在使用类似于SPIKE的表示形式的现有硬件系统？如果是这样，将这些应用区域和用例部署到哪个应用区域，它们的性能特征是什么？
异步计算：大脑不会使用全局时钟信号同步更新所有计算元素。取而代之的是，默认情况下，神经元独立起作用，仅暂时协调其活性（例如，参与相干单元组装时）。
- 在使用异步计算和/或瞬态计算系统中，用于数字或模拟计算系统的瞬态计算的研究状态是什么？
- 是否存在使用异步计算和/或瞬态协调的现有硬件系统？如果是这样，将这些应用区域和用例部署到哪个应用区域，它们的性能特征是什么？
学习：大脑采用可持续和多个时间尺度运行的可塑性机制来支持在线学习。值得注意的是，在持续的可塑性期间，大脑继续稳定运转。
- 在数字或模拟系统的短期和长时间尺度上使用在线学习的当前研究状态是什么？
- 是否有现有的硬件系统在短时间内使用在线学习？如果是这样，将这些应用区域和用例部署到哪个应用区域，它们的性能特征是什么？
共纳入记忆存储和计算：大脑不会像传统的von Neumann架构中那样严格隔离内存和计算元素（John von Neumann在当时对大脑的设计中所知的电子离散可变计算机（EDVAC）设计的灵感 - 70几年前，IARPA写道）。相反，神经元的突触输入可以发挥存储记忆和支持计算的双重作用。
- 用于数字或模拟计算系统的共纳入存储存储和计算使用的研究状态是什么？
- 是否存在使用共同存在内存存储和计算的现有硬件系统？如果是这样，将这些应用区域和用例部署到哪个应用区域，它们的性能特征是什么？
神经科学家世界也有类似的问题。你可以在这里阅读所有内容。
当前的RFI并不是IARPA在人脑研究中的第一次舞蹈。去年，它宣布了一个五年的计划皮质网络（微米）的机器智能这为参与者提供了一个“独特的机会，可以提出生物学问题，具有最大的潜力来推进神经计算理论，并通过精心计划的实验和数据分析获得答案。”
“在计划的过程中，参与者将利用对大脑采用的表示，转型和学习规则的改进理解，以创建越来越有能力的神经衍生的机器学习算法。微米的终极计算目标包括执行复杂的信息处理任务的能力，例如一声学习，无监督的聚类和场景解析。最终，随着表演者将这些见解纳入机器学习算法的连续版本时，他们将设计解决方案，这些解决方案可以执行旨在针对人类熟练度的复杂信息处理任务，” IARPA说。
IARPA表示：“尽管过去几年在机器学习方面取得了重大进展，但如今的最先进的算法却很脆弱，并且不能很好地概括。相比之下，大脑能够在存在明显的噪声和非线性转换的情况下稳健地分离并分类信号，并且可以从单个例子推断到整个刺激类别。”
IARPA说，由于科学优先级不同，资金来源，知识存储库和词典，神经科学和机器学习之间的有效知识转移速度一直很慢。结果，在过去几十年中出现的关于神经计算的想法很少已纳入现代机器学习算法中。
查看这些其他热门故事：