脑科学＋人工智能：开启无限可能
与医院常见的MRI的结构性成像不同，新兴的fMRI是利用磁振造影来测量神经元活动所引发的血液动力的改变，且对人体不造成任何损伤。然而，fMRI需要专业人员在实验室中耗费数月乃至一年的时间来分析数据。
对于科学家们来说，这般漫长的过程无疑是不利于研究进行的。而通过实时fMRI，Turk-Browne教授指出，科学家们得以在短短数秒之内展开数据分析。这就形成了一个闭环结构，科学家们可以了解到人们大脑的实时活动，进而通过反馈影响实验对象的大脑，而实验对象最终的数据自然也会影响到科学家的分析结果。
微软亚洲研究院副院长、美国麻省理工学院电气工程和计算机科学博士张益肇从跨学科领域的角度阐述了人工智能与脑科学之间的联系
张益肇博士从跨学科领域的角度阐述了人工智能与脑科学之间千丝万缕的联系。通过计算机视觉技术，人工智能得以通过一个人的动作来了解对方，通过互动引导自闭人群与外界的交流。
人工智能还可以在婴幼儿时期对孩子的大脑进行扫描，配合数据分析，得出罹患自闭症的概率，从而尽早对自闭症进行治疗，收到更好的预后效果。除了计算机视觉，人工智能的另一大领域就是自然语言理解。
现在，人工智能已经可以通过对话交流，对抑郁症患者的效治疗起到积极作用。人工智能大显身手的另一脑科学领域则是老年痴呆症。无论是app上的测试还是MRI脑部扫描，都可以对老年人群进行未雨绸缪的关怀，尽可能降低老年痴呆症对老年人生活质量乃至寿命长度的危害。
脑科学＋人工智能：开启无限可能
近日，在中科院学术会堂召开的“脑科学与人工智能”科学与技术前沿论坛上，中国工程院院士、中国人工智能学会理事长李德毅作了《自驾驶认知》报告。他认为，基于驾驶的图灵测试可大大推动我国类脑研究和无人车的产业化发展。事实上，对脑认知的度量和测试一直是人工智能关注的焦点。
那么，为什么聚焦人的大脑？在会上，中科院外籍院士、中科院神经科学研究所所长蒲慕明介绍说，人类大脑有1000亿个神经细胞，彼此之间由大量的神经纤维连接成极为复杂的神经网络。目前，脑科学最有待突破的就是理解人脑高级认知功能的神经网路基础，也是今后人工智能模拟人的发展方向。
显然，对大脑的恰当模拟是制造出人工智能的关键。然而，直到现在我们对人脑工作原理的了解仍然十分粗浅，更谈不上对它的精确模拟。蒲慕明表示，脑科学是人类理解自然界现象和人类本身的“最终疆域”，是本世纪最重要的前沿科学之一。当条件成熟时，脑科学同计算机科学的融合发展能够更加紧密，没有人能想象出它将会爆发出多大的能量。
脑科学能为人工智能带来什么？专家介绍，脑科学可以为人工智能提供生理学原理、数据、机制等，并启发更具通用性和自主性的人工智能新模态。“就像知识迁移是人类天生的技能，机器模仿生物从熟悉领域到未知领域的学习方法，构建跨领域、跨模态迁移学习模型，充分利用大量旧的已标注样本和当前少量标记数据，训练新模型，解决新问题。”中科院院士、中科院自动化研究所研究员谭铁牛认为，只有充分借鉴脑科学、认知科学乃至心理学的先进成果，突破现有理论与方法固有的局限性，才能够实现人工智能模式识别理论与方法的创新。
谭铁牛介绍，近几十年人工智能的快速发展具体表现在一些智能算法，如深度学习的成功应用，其秘诀在于，构建一个大型的数据库及大规模计算能力的提高。如今，深度学习在人脸识别、语音识别上的精度甚至超过了人类。数据显示，微软、谷歌、百度的语音识别错误率已经低于人类的5%，人工智能将继续在语言、图像和视频处理等方面取得更大的进展。
反过来，人工智能能否启发脑科学研究？在蒲慕明看来，答案是肯定的。人工智能可以为脑科学提供仿真模拟手段、系统与平台，支持科学假设的验证，并为其提供广泛的应用前景。“脑科学与人工智能的进一步交叉融合，有望在若干特色方向上取得突破，对探索人类的智能本质、提升人类的智能极限、推动社会的智能化水平具有重要研究价值和应用前景。”蒲慕明说。
人类大脑的复杂与奇妙令人着迷，关于未来的展望则激动人心。在科学家的努力之下，科学之光照亮大脑的幽深角落将只是时间问题。在科技创新的助力下，这一天已不再遥不可及。
18335153999返回搜狐，查看更多
什么是类脑智能，与人工智能有什么关系
人工智能的迅速发展将深刻改变世界发展模式和人类生活方式。为抢抓人工智能发展重大战略机遇，各国均在构筑先发优势。类脑智能作为人工智能的另一条发展路径，也是实现通用人工智能的最可能路径，成为各国的关注焦点。
类脑智能是人工智能发展的必要路径
当前人工智能存在两条技术发展路径。一条是以模型学习驱动的数据智能，另外一条是以认知仿生驱动的类脑智能。当前现阶段人工智能发展的主流技术路线是数据智能，但是数据智能存在一定局限性，如：数据方面，需要海量数据和高质量的标注；自主学习、自适应等能力弱，高度依赖于模型构建；计算资源消耗比较大，CPU、GPU消耗量巨大；缺乏逻辑分析和推理能力不足，仅具备感知识别能力；时序处理能力弱，缺乏时间相关性；仅解决特定问题，适用于专用场景智能。
类脑智能可以解决数据智能的局限性和不足。数据方面，类脑智能可处理小数据、小标注问题，适用于弱监督和无监督问题；更符合大脑认知能力，自主学习、关联分析能力强，鲁棒性较强；计算资源消耗较少，人脑计算功耗约20瓦，类脑智能模仿人脑实现低功耗；逻辑分析和推理能力较强，具备认知推理能力；时序相关性好，更符合现实世界；可能解决通用场景问题，实现强人工智能和通用智能。
类脑智能的定义
类脑智能是受大脑神经运行机制和认知行为机制启发，以计算建模为手段，通过软硬件协同实现的机器智能。类脑智能具备信息处理机制上类脑、认知行为表现上类人、智能水平上达到或超越人的特点。2018年8月，Gartner公司发布2018年新兴技术成熟度曲线，公布了5大新兴技术趋势，其中类脑智能、神经芯片硬件和脑机接口作为重要技术趋势。
类脑智能发展有三个层面的目标，分别是结构层次模仿脑、器件层次逼近脑、功能层次超越脑。具体来说，结构层次，主要研究基本单元（各类神经元和神经突触等）的功能及其连接关系（网络结构），通过神经科学实验的分析探测技术完成；器件层次，重点在于研制模拟神经元和神经突触功能的微纳光电器件，在有限物理空间和功耗条件下构造出人脑规模的神经网络系统，如研制神经形态芯片、类脑计算机；功能层次，对类脑计算机进行信息刺激、训练和学习，使其产生与人脑类似的智能甚至涌现自主意识，实现智能培育和进化，学习、记忆、识别、会话、推理、决策以及更高智能。
现阶段类脑智能研究发展依然缓慢。一是由于脑机理认知尚不清楚。大脑是人类进化的高级产物，重量约1.5公斤，占体重2%，功耗约20瓦，占全身功耗20%，当前人类对大脑的认识还不足5%，尚无完整的脑谱图可参考；二是由于类脑计算模型和算法尚不精确。神经元连接的多样性变化性，使得前馈、反馈、前馈激励、前馈抑制、反馈激励、反馈抑制的建模不精确，脑功能分区与多脑区协同的算法不准确；三是现有计算架构和能力制约。现在计算系统是冯诺依曼架构，计算与存储分离，系统功耗高、并行度低、规模有限，而类脑计算系统是非冯诺依曼架构，计算与存储统合，高密度、低功耗，颠覆现有架构的代价较大。
各国高度重视积极布局
先进国家积极布局类脑智能研发。美国于2013年启动“BRAIN计划”，将大脑结构图建立、类脑相关理论建模、脑机接口等列为研发重点；欧盟于2013年提出“人脑计划”，重点开展人脑模拟、神经形态计算、神经机器人等领域研究；日本于2008年提出“脑科学战略研究项目”，重点开展脑机接口、脑计算机研发和神经信息相关的理论构建；韩国在2016年发布《脑科学研究战略》，重视脑神经信息学、脑工程学、人工神经网络、大脑仿真计算机等领域的研发。
企业争相布局类脑智能。IBM围绕Watson系统和TrueNorth类脑芯片，意图抢先打造类脑智能生态系统；谷歌依托全球技术领先地位，在现有谷歌大脑基础上结合医学、生物学积极布局人工智能；微软提出意识网络架构，声称是具备可解释性的新型类脑系统。除龙头企业外，美国Emotiv、美国Neurallink、美国Kernel、美国Brainco、瑞士aiCTX等一批新兴公司在类脑智能方面取得很多研发成果，部分进入产业化阶段。
我国积极统筹加速布局类脑智能。我国在2006年《国家中长期科学和技术发展规划纲要（2006—2020）》中就把“脑科学与认知”列入基础研究8个科学前沿问题之一。在2016年《“十三五”国家科技创新规划》也将脑科学与类脑研究列入科技创新2030重大项目。2017年国务院《新一代人工智能发展规划》提出了2030年类脑智能领域取得重大突破的发展目标。我国于2017、2018年分别成立了类脑智能技术及应用国家工程实验室、北京脑科学与类脑研究中心，形成了“南脑北脑”共同快速发展的格局。
类脑智能技术体系
类脑智能技术体系分四层：基础理论层、硬件层、软件层、产品层。基础理论层基于脑认知与神经计算，主要从生物医学角度研究大脑可塑性机制、脑功能结构、脑图谱等大脑信息处理机制研究；硬件层主要是实现类脑功能的神经形态芯片，也就是非冯诺依曼架构的类脑芯片，如脉冲神经网络芯片、忆阻器、忆容器、忆感器等；软件层包含核心算法和通用技术，核心算法主要是弱监督学习和无监督学习机器学习机制，如脉冲神经网络、增强学习、对抗神经网络等；通用技术主要是包含视觉感知、听觉感知、多模态融合感知、自然语言理解、推理决策等；产品层主要包含交互产品和整机产品，交互产品包含脑机接口、脑控设备、神经接口、智能假体等，整机产品主要有类脑计算机、类脑机器人等。
类脑智能当前存在先结构后功能和先功能后结构两条发展思路。先结构后功能，主要指先研究清楚大脑生理结构，然后根据大脑运行机制研究如何实现大脑功能；先功能后结构，主要是先使用信息技术模仿大脑功能，在模仿过程中逐步探索大脑机制，然后相互反馈促进。两条发展思路各有千秋，功能和结构的任意发展突破都会推动类脑智能的极大发展，因此现阶段两条路线并行发展。
类脑智能目前整体处于实验室研究阶段，脑机接口技术是类脑领域目前唯一产业化的领域。脑机接口技术是在人或动物脑（或者脑细胞的培养物）与外部设备间建立直接连接通路，以“人脑”为中心，以脑信号为基础，通过脑-机接口实现控制人机混合系统。脑机接口应用于医疗领域，实现瘫痪人士通过脑机设备控制机械臂完成相应动作，也可实现对多动症、癫痫等疾病采取神经反馈方式做对应的恢复训练；用于智能家居，实现意念控制开关灯、开关门、开关窗帘等，进一步控制家庭服务机器人。全球最受关注的脑机接口公司前十名多分布在北美和欧洲，我国产业界逐步推出产品，如科斗脑机、海天智能等公司研发生产出植入式脑微电极、脑控智能康复机器人等产品。
未来发展建议
加快构建全景战略视图，突出重点方向。从科研、技术和产业等多维度形成类脑智能体系化布局，并突出重点发展方向，具体围绕结构、器件、功能三个层面开展重点布局和超前部署。
加大对基础工艺/算法/软件等的投入力度。我国长期以来在新算法、新结构、新原理的研究方面原创不足，制约类脑智能整体创新供给能力。因此，仍需持续加大对原始科研创新的重视力度，对关键基础工艺/算法/软件等加大支撑投入力度。
强化政产学研合作，推动技术体系化创新。类脑智能体系涉及要素较多，需要政产学研紧密合作，深化多方协同的合作，共同推动技术实现体系化的创新。借鉴其他先进国家布局经验，突出政产学研多方合作在类脑智能创新中的合力作用，构建国内多方协同的创新体系。
【人工智能】人工智能与人类智能的关系
1.基本概念界定
1.1人工智能
人工智能是在20世纪中期以后产生的学科，人工智能就是用机器模拟人类的智能活动，从而用机器代替人类行使某些方面的职能。人工智能是通过探索人的感觉和思维的规律来模拟人的智能活动，电子计算机是人工智能的媒介和基础。阿伦·图灵说：“如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。”如果以此为标准来界定机器的智能，那么人工智能的发展之路仍然任重道远。
1.2人类智能
智能简单地说就是智慧与能力，是综合、复杂的精神活动功能，是人运用自己已有的知识和经验来学习新知识、新概念并且把知识和概念转化为解决问题的能力。智能活动往往和记忆力、感知力、思维、判断、联想、意志等有密切的联系，人类的智能表现在能够进行归纳总结和逻辑演绎，人类对视觉和听觉的感知以及处理都是条件反射式的，大脑皮层的神经网络对各种情况的处理是下意识的反应。
1.3什么是思维
思维是事物的一般属性和内在联系在人脑中的间接的、概括的反映。思维的形式包括概念、理解、判断、推理等。思维往往借助于语言来表达，由直接的感受即感性思维转化为理性，透过现象看到事物的本质，发现普适性的规律。芒福德说人类是“精神的制造者”而不仅仅是“工具的制造者”，因为人类具备思维能力。
2.基于“技术元素”视角下的人工智能
“技术元素”这一说法是凯文·凯利提出的，技术元素就是从人类意识中涌现出的一切东西，包括技术具象的工具，也包括文化、法律、社会机构和一切智能创造物。凯文·凯利说：“科技是人类的发明，也是生命的产物。”居所是动物的技术，是动物的延伸部分，人类的延伸部分是技术元素，科技发明是我们基因创造的躯体的外延。
2.1人工智能是技术进化的成果
凯文·凯利认为人类的延伸由思维产生，因为思维具有创造力，才促使了技术的进步，才创造出了以往没有创造出的东西，所以，“如果说科技是人类的延伸，那也与基因无关，而是思维的延伸。因此科技是观念的延伸躯体”。技术元素伴随着语言、工具的诞生成为人类不可或缺的伙伴，从古至今，除了极少的例外，各种技术都没有消失，而是进化成不同形态的技术。人工智能作为一种科技物种，随着技术的进步而产生发展，是技术进化的成果。
2.2人类与技术共同进步
一切生物都有天然的借助外力的本领，从钻木取火到航空航天，人类经历了漫长的发展，或者说是进化，技术作为一种手段、一种工具从来都与人类相伴相生。“技术元素”赋予技术以生命，人是技术进化的动力，而技术的进化也促进了人类社会的发展，二者是密不可分的。科技与人类正在逐渐融合，或者说人类已经成为科技最适合的载体；“技术元素”的发展虽然具有一定程度的自主性，但是它的发展轨迹从某种意义上来说也是人类意志的体现。人作为技术发展的动力之一与“技术元素”同步运动。
3.人工智能能否超越人类
对于这个问题人们有两种极端的看法：一是认为人工智能必将取代人类，不久的将来人类会沦为机器的奴隶；二是对人类的主体地位有着极度的自信，认为机器始终都是被人控制。前者的依据是人工智能的发展极其快速，超越了人类智能的进化速度，人工智能取代人类只是时间问题。后者的依据是人工智能不具有生命特征，无法融入生物圈从而和自然发生联系，只能作为人类活动的工具而存在。我更偏向于第二种观点，是基于以下几个原因：
3.1缺乏创造性的“特长生”
人工智能开发出的机器可能是某一个领域的“特长生”却不是全才。比如AlphaGO是围棋特长生却不能唱歌，计算器是数字计算的天才却不能陪人聊天，情感机器人负责陪伴和情感安慰却不能真正懂得人类的喜怒哀乐，如此等等，它们按照既定的程序运行，各司其职、各得其所，不会偏离轨道也不懂得创造。塞缪尔说：“机器不能输出任何未经输入的东西。”目前最先进的机器人也是依赖于软件运行，软件是通过人来完成更新升级，人工智能实际上是人类智能的外在表现。人体是一个复杂而庞大的系统，人有特定的背景和生活习惯，人脑的发育会受到所经历的事件和社会环境的影响，能够灵活运用，组合所接受的信息，具备综合分析问题的能力。人脑的控制系统复杂和精密程度远远超过智能机器人，因此，人工智能在技术上不及人类智能，它依赖人类智能而进化，能够胜任人类制定的任务，却缺乏人类智能的创造性。
3.2不能思维的人工智能
在回答“机器能否思维”的时候，我们首先应该对思维进行界定，思维是人脑特有的功能。人脑是一个高度发达的系统，是人类意识活动的物质载体。“电脑思维”在功能上会向人脑思维不断接近，但是两者之间存在不可消除的界限，“电脑思维”是一个简单的逻辑过程，模拟人脑思维功能和思维信息过程，它在本质上区别于人类思维。人脑思维除了能够接受外部信息以外，还能对信息进行主观的加工。人们已经能制造出类人机器人，可是它不能和人一样思维吗，因为思维不仅仅是人脑的生理机能，离开社会实践和人际交往是不能产生思维的。
3.3是辅助而非替代
人工智能简单明了地说就是人类用来改造世界的技术手段，是辅助性的工具，而不是对人类的替代。人工智能出现的历史并不久远，前文说到了技术和人类的共同进化，当人类有能力利用工具来处理复杂繁琐的工作时，这是人类的进化，也是工具的进化。人工智能被用于帮助人类进行某项工作，才能解放人力，人类智能才可以更好发挥主动性和创造性。人工智能承担了人类活动中基础的、不可或缺的、复杂的工作，从而使人类智能转向更核心的科研创造以及思维和判断上来。在人与人工智能的关系上，二者是相辅相成、相互补充的，而不是互相排斥、完全替代。
4.总结
人工智能与人类智能的关系是互为补充、相互制约的，人与技术的融合是必然的。目前人工智能的更新升级必须依赖与人类智能，人类智能的进化程度关系到人工智能的先进程度“技术元素”的进化也要受到社会条件的制约。人工智能可能在某一方面出强大的功能，但是它缺乏思维和创造性，这一点是致命的缺陷，工具作为人类器官的延长，是人类智能的外化之物，被人类智能的发展程度所局限。
本文来自博客园，作者：木子欢儿，转载请注明原文链接：https://www.cnblogs.com/HGNET/p/12564306.html