从脑科学到人工智能 人工智能发展的启示

从脑科学到人工智能

从脑科学到人工智能

来源：FromBrainScienceToArtificialIntelligence[J].Engineering,20206(3).

人工智能的目标是研究和发展计算机智能系统，使之能够执行原本需要人类智能才能执行的任务，是对“人的智能”的模拟、延伸和拓展。因此，研究“人的智能”的重要方向——脑科学就与人工智能有密不可分的联系。

从人工智能发展的历史上来看，我们可以清楚地看到脑科学与人工智能之间的联系，许多人工智能的先驱科学家也是脑科学家。人工智能领域的多位奠基人物，如明斯基、辛顿等人都拥有深厚的脑科学背景。人工智能的发展史上也出现了诸多“从脑科学到人工智能”的重要案例。例如，使用显微镜发现的神经连接启发了人工智能领域最具代表性的模型——人工神经网络的研究；使用电子探测器发现的生物视觉系统中的卷积特性和多层结构启发了卷积神经网络和深度学习技术，引领了最近一次人工智能热潮；使用功能磁共振成像发现的脑工作记忆机制启发了机器学习模型中的记忆模块，最终形成了长短期记忆机等一系列模型，是自然语言处理、时序数据分析等领域智能技术的基础。

脑科学的研究成果揭示了“人的智能”的基础原理，并进一步使人工智能在理论和技术上取得了重大突破。现在我们处于深度学习时代，而深度学习更是直接受到脑科学的启发，同时越来越多的脑科学研究成果可以启发新的深度学习模型。

正因如此，全世界各个国家相继开展了各自的脑计划。尽管不同国家有各自不同的研究路线与侧重点，但是其中大部分的项目具有同一个共识，即希望通过推动先进的工程技术发展，带来脑科学领域的重大突破，并有望启发新一代人工智能的理论框架与技术体现。

在过去的五年来，由于这一系列脑计划的推动，脑科学研究取得了一系列重大的突破，不论是单个神经元精度的神经调控技术的提出，还是各种大范围神经响应记录装置的搭建，使得我们具备了探索脑科学奥妙的基础条件，并涌现了一系列重要的研究成果。未来可期，我们相信一定能拥有同时在体观测哺乳动物百万级神经元单细胞响应的能力，从而能够跨尺度地从系统层面揭示神经回路工作机理，为我们理解人类智能的物质基础开辟道路。

我们认为脑科学与人工智能之间是一个相互补充、相互促进的关系，而仪器科学就是两者之间的纽带。人工智能技术能够帮助我们设计并改造更好的脑观测与脑调控装置，以前所未有的数据处理能力分析庞大的跨尺度动态数据，使得我们能够更好地理解人类大脑的工作机理，由此启发新一代的理论框架与技术体系，引领人工智能实现飞跃。

图从脑科学到人工智能：脑观测成果启发了人工智能的诸多突破

改编原文：

JingtaoFan,LuFang,JiaminWu,YuchenGuo,QionghaiDai.FromBrainScienceToArtificialIntelligence[J].Engineering,20206(3).

作者介绍

戴琼海，自动控制学家，中国工程院院士，现任清华大学教授。

主要学术方向为立体视觉和计算摄像学。长期致力于该研究领域的理论和关键技术创新，在立体视觉和计算成像方面做出重要贡献。返回搜狐，查看更多

人工智能简史：从两次低谷到三次崛起

如今人工智能已然成为香饽饽，在各行业都开始得到应用。然而大家可能不知道的是，人工智能并非近些年才兴起的，它经历了两次低谷和三次崛起，才发展成当下热门的技术。因此人工智能简史其实也是看做一段励志的崛起史。

人工智能的起源：人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。

巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。

后来，这被人们看做是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。值得追的是，茅斯会议正式确立了AI这一术语，并且开始从学术角度对AI展开了严肃而精专的研究。在那之后不久，最早的一批人工智能学者和技术开始涌现。达特茅斯会议被广泛认为是人工智能诞生的标志，从此人工智能走上了快速发展的道路。

人工智能的第一次高峰在1956年的这次会议之后，人工智能迎来了属于它的第一段HappyTime。在这段长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。甚至在当时，有很多学者认为：“二十年内，机器将能完成人能做到的一切。”

人工智能第一次低谷

70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景蒙上了一层阴影。与此同时，社会舆论的压力也开始慢慢压向人工智能这边,导致很多研究经费被转移到了其他项目上。

在当时，人工智能面临的技术瓶颈主要是三个方面，第一,计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；第二，问题的复杂性，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，可一旦问题上升维度，程序立马就不堪重负了；第三，数据量严重缺失，在当时不可能找到足够大的数据库来支撑程序进行深度学习，这很容易导致机器无法读取足够量的数据进行智能化。

因此，人工智能项目停滞不前，但却让一些人有机可乘,1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。

人工智能的崛起1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种，采用人工智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。

这套系统在1986年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍生出了像Symbolics、LispMachines等和IntelliCorp、Aion等这样的硬件，软件公司。在这个时期，仅专家系统产业的价值就高达5亿美元。

人工智能第二次低谷

可怜的是，命运的车轮再一次碾过人工智能，让其回到原点。仅仅在维持了7年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。到1987年时，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。

人工智能再次崛起：上世纪九十年代中期开始，随着AI技术尤其是神经网络技术的逐步发展，以及人们对AI开始抱有客观理性的认知，人工智能技术开始进入平稳发展时期。1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个重要里程。

2006年，Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望,也是标志性的技术进步。

2016年，Google的AlphaGo赢了韩国棋手李世石，再度引发AI热潮。

AI不断爆发热潮，是与基础设施的进步和科技的更新分不开的，从70年代personal计算机的兴起到2010年GPU、异构计算等硬件设施的发展，都为人工智能复兴奠定了基础。

人工智能从两次低谷到三次崛起充分证明了，是金子总会发光。也许当时的技术还不足以支撑人工智能这个想法的实现，但是通过历代IT人的努力，属于人工智能的时代终究是来了。这次，人工智能的浪潮终将把你我卷入其中，让我们张开双手，去拥抱这一天吧！

人工智能的发展与未来

随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。

现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay

19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。

20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。

至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。

智能，是一种特殊的物质构造形式。

就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？

图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。

英国数学家，计算机学家图灵

这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。

虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。

1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。

而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。

而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。

而这之后，人工智能的发展也与图灵的想象有所不同。

现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。

但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。

人工智能让芯片的处理能力得以提升｜Pixabay

从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。

虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。

参考文献

[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.

[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.

[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.

[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.

[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.

[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987

作者：张雨晨

编辑：韩越扬

三问ChatGPT如何影响人工智能的未来

学生们在长沙华夏实验学校和机器狗互动（2022年6月22日摄）薛宇舸摄/本刊

➤ChatGPT在技术路径上采用的是“大数据+大算力+强算法=大模型”路线，又在“基础大模型+指令微调”方向探索出新范式，其中基础大模型类似大脑，指令微调是交互训练，两者结合实现逼近人类的语言智能

➤据估算，此类大模型的训练一次的成本接近千万美元，运营成本一个月要数百万美元。“OpenAI为了让ChatGPT的语言合成结果更自然流畅，用了45TB的数据、近1万亿个单词来训练模型，大概是1351万本牛津词典。”

➤新一代网络操作系统和生态雏形初显，“英伟达+微软OpenAI”封闭生态有可能成为智能时代的“Wintel”联盟

文 |《瞭望》新闻周刊记者  朱涵 彭茜 黄堃

ChatGPT会带来一个不同的未来吗？

带着这个问题，记者询问了ChatGPT“本人”，它的回答是这样的：

“随着ChatGPT的普及，它开始被广泛应用于各种领域，从在线交流、信息搜索、机器翻译、文本生成，它的准确性和高效率使得许多工作变得不再困难。然而，人们也开始对它产生了担忧……”

ChatGPT正在成为我们生活中的一部分，ChatGPT会是人工智能通往未来的坐标吗？人工智能的发展，离不开人与人工智能的结合，技术与人类能无缝结合吗？

ChatGPT会是人工智能通往未来的坐标吗

与人类连续对话，拒绝不合适的问题，短时间内完成写邮件、文案、代码、诗歌，轻松通过工程师、MBA、研究生、医师资格等难度较高的专业级测试……推出2个月即拥有1亿月活用户，ChatGPT已成为史上用户增长最快的消费级应用程序。

在语言智能程度呈现跨越式提升的背后，ChatGPT是一场工程创新的“大力出奇迹”。

“ChatGPT的成功，首先是选择了合适可行的技术路径，然后就是数据和人力资源的巨大投入。”北京智源人工智能研究院院长黄铁军说。

黄铁军说，ChatGPT在技术路径上采用的是“大数据+大算力+强算法=大模型”路线，又在“基础大模型+指令微调”方向探索出新范式，其中基础大模型类似大脑，指令微调是交互训练，两者结合实现逼近人类的语言智能。

“OpenAI为了让ChatGPT的语言合成结果更自然流畅，用了45TB的数据、近1万亿个单词来训练模型，大概是1351万本牛津词典。”浙江大学人工智能研究所所长吴飞说。

业内人士表示，OpenAI的主要支持方微软构建了一个算力规模位居全球前列的超算平台以支持其研发，OpenAI在全球范围雇佣了近千名专人进行数据处理。据估算，此类大模型的训练一次的成本接近千万美元，运营成本一个月要数百万美元。

“ChatGPT是人工智能技术‘量变’引发‘质变’的代表，标志了目前机器学习大模型、大训练数据和大算力能够到达的新高度。”之江实验室副主任鲍虎军表示，ChatGPT在GPT模型基础上，采用人类反馈强化学习（RLHF）的训练机制和提示导引模式，促使模型越来越顺应人类的思考逻辑，更加符合人类认知和习惯，这是工程实现上的重要创新。

中国科学技术大学机器人实验室主任陈小平说，迄今为止，人工智能的所有理论和技术都没有解决真实性难题，都不能让机器本身拥有真实创造的能力，但创造效率的提高将产生巨大的效益和多方面的影响。

“目前，人类面临着前所未有的重大机遇。”陈小平说。

ChatGPT能否预示着一个新时代启幕

“ChatGPT的成功不仅是一个新一代聊天机器人的突破，它将为人工智能乃至整个信息产业带来革命。”黄铁军说，ChatGPT将成为点燃人工智能的“网景时刻”“iPhone时刻”。

“网景时刻”和“iPhone时刻”，分别是互联网和移动互联网发展的里程碑事件。网络浏览器诞生于1990年，但直到1994年网景导航者（NetscapeNavigator）问世，大多数人才开始探索互联网。第一部智能手机IBMSimon诞生于1993年，2007年苹果iPhone的横空出世，重新定义了智能手机并开启了移动互联网的新时代。

同样地，ChatGPT极有可能预示着又一个新时代的启幕：

——新一代网络操作系统和生态雏形初显。多位专家受访时表示，ChatGPT正在演变成新一代操作系统平台和生态，用户将能直接用日常语音或者文字与人工智能进行交互，大部分计算负荷由大模型为核心的新一代信息基础设施接管。

在微软算力支持下，OpenAI已相继研发出GPT-3、ChatGPT等通用泛化能力越来越强的闭源大模型，并通过微软云平台提供智能云服务，支持智能应用开发，这将成为智能时代的基础性“操作系统”。再加上在AI芯片市场已占领超主流市场份额的英伟达GPU芯片，形成的“英伟达+微软OpenAI”封闭生态有可能成为智能时代的“Wintel”联盟。

“大模型及其软硬件支撑系统的生态之争将成为未来十年信息产业的焦点。”黄铁军说。

——人工智能直接连接大众，个体深入参与技术发展。“从短期来看，ChatGPT正在从实验室基础科技向产业应用转变，一切还处于‘爆炸式创新’的前期，正如云计算催生了APP应用爆炸，基础模型很可能催生AI应用规模化。”人工智能资深研究专家、科技评论员田涛源说。

“人们将能够直接与我们最新、最强大的语言模型互动，作为搜索的伴侣，以实验和创新的方式。”谷歌CEO桑达尔·皮查伊（SundarPichai）说。

“相较于以AlphaGo这一现象级产品针对于某一个特定领域、其算法模型需要附着在某一个产品中才能赋能使用的模式，ChatGPT能直接面向大众使用者，且具备盈利模式，这将改变很多人工智能企业高成本、低回报的经营模式。”吴飞说。

——重构传统互联网商业模式，催生数字经济新突破。北京瑞莱智慧科技有限公司副总裁唐家渝认为，ChatGPT的应用除了聊天机器人外，还包括涉及文字生成和信息查询的智力工作、低难度的编程等内容创作领域，从而普遍提高这些行业的生产力。也能够与其他生成式技术融合，比如提高数字人的语义交互水平等，打造更具象化的形象，提升交流中的情感链接。

田涛源表示，从中长期发展趋势上预测，“生成式AI+决策式AI”很有可能重构传统互联网的搜索、广告、社交、游戏、电商模式，部分程度上颠覆原有的互联网平台，同时遵从数实融合、以虚强实原则赋能科研、制造、能源、交通等实体企业做强做优做大。

国家超级计算成都中心科研人员在巡检机房设备（2023年2月14日摄）刘坤摄/本刊

技术与人类能无缝结合吗

ChatGPT引发的全球关注，令许多人回忆起2016年AlphaGo战胜人类围棋世界冠军的时刻。当时社会上同样兴起了一场人工智能大讨论。

在这场热潮中，我国抢抓人工智能发展的重大战略机遇，在2017年发布《新一代人工智能发展规划》，推动人工智能一业赋百业。

目前，ChatGPT已引发全球科技公司的新一轮人工智能竞赛。谷歌发布了下一代对话AI系统Bard，微软发布了整合了ChatGPT的全新必应Bing和Edge浏览器，宣布旗下Office、Azure云服务等所有产品都将全线整合ChatGPT。百度表示将在今年3月完成人工智能聊天机器人“文心一言”的内测，随后对公众开放，阿里巴巴达摩院预训练语言模型体系已开放内测。

回顾历史，人工智能的发展并非一帆风顺。自1956年诞生以来，人工智能发展经历三次浪潮，期间充满波折。在人工智能深度学习迅速发展的近10年里，产业上也还没有出现里程碑式的爆发。

事实上，ChatGPT在带来惊艳体验的同时，也有明显“缺陷”。比如，它的知识存在事实性错误、知识盲区、常识偏差，也将面临着隐私泄露、技术滥用、造假、社会公平等伦理问题。因其模型能力出众、用户众多，这些风险隐患还会被放大。

“ChatGPT的应用离不开人的‘提示’，性能的持续提升离不开研发者的算法改进和设计，风险隐患的应对离不开人的引导和治理。”业内人士表示。

人工智能的发展，离不开人与人工智能的结合，我们的未来，也将是人与人工智能共同进化的时代。

正如ChatGPT描绘的人工智能未来世界：

机器人们像人类，

思想智慧已涌动。

在这梦幻的世界里，

技术与人类无缝结合。

生活如同一首诗，

平静而美好，永不停歇。