专家谈计算神经科学与类脑人工智能的关系脑科学和人工智能的关系论文怎么写

发表时间：2023-07-30 16:44:54

专家谈计算神经科学与类脑人工智能的关系

探索智能、意识的人脑机理，认识人的行为和情感，创新脑疾病诊断与治疗，是二十一世纪科学的前沿领域。这也是目前“十三五”上海市科研发展的一个讨论热点。脑科学是一个重大广阔的领域，本文仅涉及神经网络的计算及其对信息技术前景的影响。

智搜（Giiso）公司成立于2013年是国内领先的“人工智能+资讯”领域技术服务商，在大数据挖掘、智能语义、知识图谱等领域都拥有国内顶尖技术。同时Giiso旗下研发产品包括编辑机器人、写作机器人等人工智能产品！凭借雄厚的技术实力，公司成立之初，就获得了天使轮投资，并在2015年8月获得了金沙江创投500万美元pre-A轮投资。

众所周知，科技创新对社会经济的进步起着巨大的作用。计算机的快速发展使信息技术产业成为现代经济的重心之一。然而，现有计算机仍难以完成许多对人类大脑来说轻而易举的复杂任务。所以，新一代信息技术产业很关注对于大脑功能和神经网络的研究，希望在理解其工作机制的基础上设计出新型的“人脑式电脑和机器人”。今年3月，百度董事长兼首席执行官李彦宏在人大、政协两会上提出了“中国大脑”提案，呼吁一个新技术革命，并希望以此“带动整个民族创新能力的提升”。

对基础研究的投入将带来脑科学、脑科技的突飞猛进

中国要在信息技术产业上成为世界领军人，应该大力发展神经科学，带动下一个信息技术产业革命。在美国，硅谷一些公司（高通（Qualcomm）,IBM等）已开始向这一新兴的“脑科技”（NeuroTech）产业进军。同时，

脑科学与类脑人工智能的四大研究方向

原标题：脑科学与类脑人工智能的四大研究方向

本文由三思派（ID:Science-Pie）授权转载，作者：冯建峰沈应龙，冯建峰为上海国家数学中心首席科学家，复旦大学类脑智能科学与技术研究院院长

大脑学习记忆对信息的智能加工与处理能力，远远超过现有的任何计算机和信息处理系统。面对目前互联网的信息爆炸，各国政府和各IT巨头（Google、IBM、微软、百度等）均在积极探索如何通过革命性的变革，把当今的“信息时代”推入到“智能时代”。要实现这历史性的跨越，需要创制出以脑式信息处理为基础的智慧型超级计算机及各种类脑人工智能系统。

有关大脑学习记忆、抉择等认知神经网络机制的研究，不仅可以揭秘大脑智能信息处理的奥秘，更可为人工智能的研制提供全新的理论指导以开发出能力更强的智能设备和机器人，还可为前额叶皮层和高认知功能异常导致的老年痴呆等记忆相关脑疾病的治疗提供帮助。

脑科学与类脑人工智能的四大研究方向

按照从“研究”到“应用”的顺序，可将脑科学及类脑人工智能的研究内容划分为四大部分：大脑神经网络分析、认知机制计算模拟、类脑智能算法创新和类脑智能技术应用创新。

对大脑神经网络和认知机制的研究分别是对大脑开展“硬件”和“软件”层面的解析，而类脑智能算法和类脑智能技术应用的创新则分别是在“软件”和“硬件”层面的输出接口，能够直接催生新兴产业的发展。

1.大脑神经网络分析。利用现代生物学手段，采集遗传、分子、神经元等多模态的脑影像和各种表型数据；利用多尺度高维复杂大数据分析的新算法，辅助解析大脑运作和信息处理机制，尤其是神经元集群的学习与记忆、抉择、语言等认知功能的机制；研究各类脑疾病对大脑信息处理机制的扰动，加深对大脑信息处理机制的理解。

2.认知机制计算模拟。发展大尺度脑系统的数学模型，尤其是神经反馈连接的作用；研究大尺度脑系统的认知和学习功能；深化发展类脑智能计算理论，设计新型高效的类脑人工智能算法。

3.类脑智能算法创新。利用基于实验事实的生物学发现，比如人类视觉中的不同通道、注意力和不同记忆机制等提出全新或改进己有深度学习的计算框架；开展理论研究，建立现有算法的理论基础，尤其是发展深度学习的动态数据分析理论；把发展的算法应用于解决大数据驱动的实际问题，如开发基于采集的特定生理数据的人体健康与疾病分析预警系统。

4.类脑智能技术应用创新。利用纳米材料完成单个忆阻器的构建；利用构建的纳米忆阻器，并基于新的深度学习理论算法，构建基于深度学习框架和纳米材料忆阻器网络的智能控制器。基于智能控制器研发各类智能设备,例如智能可穿戴肌肉力量增强手套。

脑科学与类脑人工智能的推进重点

一网打尽系列文章，请回复以下关键词查看：

热点专题：军民融合|民参军|工业4.0|商业航天|智库|国家重点研发计划|基金|装备采办|博士|摩尔定律|诺贝尔奖|国家实验室|国防工业|十三五

预见未来：预见2016|预见2020|预见2025|预见2030|预见2035|预见2045|预见2050|

前沿科技：颠覆性技术|生物|仿生|脑科学|精准医学|基因|基因编辑|虚拟现实|增强现实|纳米|人工智能|机器人|3D打印|4D打印|太赫兹|云计算|物联网|互联网+|大数据|石墨烯|能源|电池|量子|超材料|超级计算机|卫星|北斗|智能制造|不依赖GPS导航|通信|MIT技术评论|航空发动机|可穿戴|氮化镓|隐身|半导体|脑机接口

先进武器：中国武器|无人机|轰炸机|预警机|运输机|战斗机|六代机|网络武器|激光武器|电磁炮|高超声速武器|反无人机|防空反导|潜航器|

领先国家：俄罗斯|英国|日本|以色列|印度

前沿人物：钱学森|马斯克|凯文凯利|任正非|马云

专家专栏：黄志澄|许得君|施一公|王喜文|贺飞|李萍|刘锋|王煜全|易本胜|李德毅|游光荣|刘亚威|赵文银|廖孟豪

全文收录：2016文章全收录|2015文章全收录|2014文章全收录

其他主题系列陆续整理中，敬请期待……返回搜狐，查看更多

责任编辑：

脑科学与人工智能:从交叉到融合

尧德中：套路都是一样的，做卒中、做癫痫，应该找一篇相关的文章都有整个处理流程，顺着这个做就可以。

问题：主要是从建立预测模型的角度做。

尧德中：预测卒中会不会发？

问题：对。

尧德中：人工智能的方法都可以用上去，有发生之前的有发生之后的，这个套路都是一样的。

问题：几位专家都是从脑神经科学的角度说，我们是从信号处理的角度，感觉有一点和你们离一点远。

尧德中：我们那儿80%都是做信号处理的。

潘纲：其实这位老师提的很好，我觉得就它具体的没有共性，但是私下可以交流，其实我们论坛是脑科学和人工智能，我这些年一直在这两个之间，像唐老师和宋森都是这方面的，有两个个人的看法，一是认知方面的机理怎么启发我们做人工智能的算法。唐华锦提出的是GPS怎么形成算法把机器人当中的slam提的更加好。包括宋森老师也是，他这两年非常着重于，虽然他讲了很多都是神经科学的东西，其实更多关注于把这些东西怎么转化为人工智能的算法。刚才这方面可能没讲特别多，但实际上有一大块就是想这里人的机制，刚才说深度学习，为什么我们这里面都不知道，神经学当中我们原来了解的更加清楚，包括人是怎么做的，有些东西了解的更加清楚是可以启发智能的算法的。

第二方面我理解，其实做神经科学、脑科学做认知也好，最近几年我的感受是，他们的数据越来越多，因为采取的手段越来越多，数据越来越多，就需要有手段帮助它认知的，以后需要用数据量数据建模方式辅助证据做，这是很大做人工智能领域的人可以跟他们做结合的，但是那样的话它研究的问题重点是他们想解决什么问题，然后去做。比如一个交叉的，前面出来一二十年了，计算神经科学，我理解最重要就是用计算的方法怎么到神经科学里面为他们做一些事情。

问题：相当于用信号处理的手段为他们做事。

潘纲：比如我们主要目的不是为了算法，人脸识别更加准确，人脸识别更加快，目的不是这个，目的是计算的方式，这个复杂网络，数据到了之后，我们总结出规律是什么样子的，如果有很好的规律，真是脑科学里面的牛顿定律，相对论，现在没有，现在就是缺这种理论，如果有了以后我们真正把这些东西做出来，对他们是一个突破，对计算信息的人也是一个大的方向可以去努力的。

问题：您提到兴奋性神经元是进行记忆的事情，抑制性功能是功能的调控，控制人睡眠或者癫痫发作，您认为在人工智能的全集网络里面，怎么样模拟兴奋和抑制，或者兴奋和抑制有什么启示？

宋森：大脑神经元有两类，其中兴奋性神经元比较像深度学习中用的神经元，它主要是用一些分布式编码的方式进行的，这个比较像我刚才提到的兴奋神经元，因为它要表明一些很细节的信息，储存很细节的记忆。但是大脑存在另外一大类神经元，包括刚才讲的抑制神经元、结点神经元更多是调控作用，它本身不去表征非常细节的信息。最近有一篇文章说到，丘脑里面的一些神经元激活的时候是把皮层中现在的编码模式延长了，起到调控作用。另外比如抑制性神经元也起到调控作用。这是比较大的原则，细微编码和调控能力的两类神经元。这个现在的深度学习有点往那个方向走了，但是还是不够的。

问题：唐老师你做的工作是简单几个稀疏的采样点来恢复空间中的感觉吗？通过空间中的稀疏的采样感知恢复空间中整体的全貌还是位置感？

唐华锦：这里利用了空间记忆的概念，这个记忆根据外列信息来的，比如我们走这个路有一些信息结点，如果空间很大，细胞核负责的区域就很大，精度就会降低，是个成熟关键的信息，比如在某个结点保留了对这块区域关键信息的理解，目前采用的比较简单的特征提取和记忆的功能，接下来另外一个也提到怎么把运用加进去，这样会更加完善一些。

问题：我不是做这个方向的，加了很多存储记忆的在里面，不光是瞬间的？

唐华锦：每走到一个阶段会判断当前获取的信息跟之前的信息是否相似，如果相似或者一样就不保留这个东西了，就认为是一个旧的信息，只有到新的信息才会增加所谓的经验，会保留一个经验信息，在地图里经验信息是对空间记忆的表达。

问题：人工智能在医疗领域里的应用里面，国内跟国外比自有产权在什么位置？

赵毅武：刚才举了一些例子，有些企业做的蛮好的，只是在某些点上有先进性，但是现在有些企业也在跟风，但是感觉怎么把学界用在应用上，我还是比较看好的，因为国内的研究还是有一定基础条件的。

问题：如果我做跟医疗器械有关系的，怎么样从科研阶段转化到产品阶段，应该是非常长的周期，中间还需要很多部门的批准。

赵毅武：我也提到对它诊断上、研究上的应用和对整体临床上的应用相对来说前者比较容易，我建议集中在前者迅速形成一些产品、方法和技术，后者上其实一是争取国家在这方面能够在管制上对创新的技术更放开一点，这个不容易，但是可以用于辅助的工作，那是可能的。

问题：预测诊断还可以，我们不干扰它，也没有侵入这个事情。但是治疗。

赵毅武：治疗本身对医疗技术和产品引入还有很多药监局的限制，可以力图通过它的绿色通道做这个工作，但是我觉得研究上应该不要放弃。否则我们会超过一段时间以后就跟不上了。目前还是需要很大的努力才行，比国外还是有距离的。

问题：现在做机器人的说，功能机器人可能是将来的趋势，脑科学里面可能是重要的途径或者解决方案，目前在脑机接口方面可能存在哪些挑战？比如实现将来通过一个眼神跟机器人交互，或者机器人之间有个交互，这个路径还可以有多长？能不能谈一些观点？再一个现在脑科学交叉研究是不是对设备的要求，像潘老师的实验里面说的，要采集大鼠的脑电信号还要做机器的分析，包括新的方式，包括光和磁，对设备要求比较高？

潘纲：尧老师做脑机接口是国内特别早做的，只不过他现在重点感兴趣的在认知方面，我简单谈一谈，脑机接口大家概念上说都是很玄的东西，到底离产业有多远？其实我的理解是这样，虽然脑机接口现在是很好的东西，但是在技术的成熟度现在还远远不够，最主要的原因是信号的采集方面，这是很大的原因，现在信号采集，时间空间率太差了，噪音影响太大了，所以很多事情比较难做，这一块不但是采集，如果采集有了以后信号的处理包括解码也有很大空间，现在很多都是空白的，特别是解码，我觉得像这个从总体阶段来看是初级阶段的处理，如果从应用阶段来说我们也在研究探索阶段，但是有些局部点的应用是可以用的，比如脑电，如果是很简单的意念控制，刚才讲的篮球，这个准确率很高，不是一个人要训练好几个月，很多人一两天熟悉以后好多都可以操作了，这种就可以用游戏、娱乐，对要求不是特别高的，不像航空的操作那种要求特别高，手术要求特别高，但是特定的领域可以用了。所以只要应用点找好，其实我了解好多创业公司在做，只不过规模比较小，不知道赵总有没有已经开展可以用的。

第二如果植入式这一块更多是在医疗的角度看，但是这一块跃明也说了，可能在医疗要求特别高、特别严，要做的非常好才能用，但是医疗这块现在已经很多植入式的探索包括机电的应用，外骨骼小的应用，现在都已经在实验阶段，甚至很多都是在临床用的，我刚才没有准的例子，一个是人工耳蜗，美国已经做手术很多年了，我印象中是一九五几还是六几年有个非常另类的神经科学家做的，但是学术界不认同他的，现在人工耳蜗国内很多医院都可以做了，只不过价格比较贵，这是我们听觉上增强的。

第二个例子是视觉增强的，我刚才说好像很神的样子，但是人现在已经有设备去做也是美国FDA认证的，但是那个视觉不要认为人瞎了以后戴上它可以看出清楚，只不过有些信息可以提示而已，但是还远远不够，只不过从用的角度，有些点可以一直往前做，这是一个逐步的过程。但是这个过程可能有些比较特别前沿或者观点特别前卫的人大家也在关注，少数人也注意到了特斯拉的老总，几星期前刚刚发布了一个新闻，组织了一个9人的团队就是要做脑机接口的，概念跟刚才讲的混合制是一样的东西，大家想法是一样的，只不过名称不一样而已。这可能真的是以后很大的一个方向，但是总体上还是非常粗布的阶段，包括刚才提到的机器人上的应用一样，有些要求不是很严格，其实脑机已经可以用了，现在有一些场景，意念控制机器人的，都有，做一些简单的演示，而且真正可以用的，准确率不要寄希望99%，有时候还会控制错了。这是我个人不太成熟的想法。

问题：现在有做类脑计算和量子计算，像大脑里面量子效应这么小的地方还做计算，国家这方面投入很大的精力，有类脑的实验室，我想请问各位专家这个方向您判断可能性是多大？

宋森：清华有一个类脑计算中心，类脑芯片一个大的问题是计算和存储融合。类脑芯片现在看有两种，一种是从原有做GPU、CPU技术，慢慢把存储模块加进去，我个人认为中国在这方面在国际上不具有很大的竞争力，因为关键的技术专利全部被别人锁定了，清华也在做这个路径的一部分工作，在填补国内空白方面还是有一定意义。我更看好另外一个路径，就是利用新材料，以及在存储技术上的一些突破，慢慢把计算单元加进去，这方面两三年都不会是主流，但可以提前做一些专利布局，再往后发展可能在国际上会更有竞争力一些。

唐华锦：我觉得这是非常有前途的方向是没有问题的，当然包括很多大公司都已经往这方面的投入做了，包括IBM都在往这方面做，但是可能还需要一点时间，我觉得一旦出现的话会有非常颠覆性的产品，一个比较成熟的概念它会成为一个GPU或者CPU边上会加一个神经处理器会是这样一个特殊的处理单元。

问题：我是一个医生，基于我刚毕业时候的一个想法，那时候在神经外科干过几年，后来不搞了，那时候也想为什么想做神经外科医生对脑科感兴趣，做手术的时候就可以看看病人了。当时真正让我做的时候，发现老师教我们的，对我而言脑子是非常神圣的，结果真正做的时候把病人放到手术台上脑组织不是那么整齐的，我当时特别的难受，从那以后对神经外科不太看好了，当然随着慢慢的了解发现尽管梦破灭了，但是还是对此有点想法。我想看脑科、功能结构更深入的有多少，我还是有点失望。我对二极管、三极管工作非常熟，但是细节不是特别懂，我知道它们之间的差别是相当大的，比如一个计算机的理论最本质的为什么保证计算机是0和1，是二进制的所以它非常精确，即使那样还非常容易出错，真正细胞的动作电位是乱七八糟的，如何保证它的精确性，物理上的东西区别还是非常之大的。

主持人（王跃明）：问题是什么？

尧德中：我大概明白你说的意思，觉得我们讲的还没有落到你关心的层次上面去，神经是非常宏观的层次，在非常微观的层次也有人做，用电子显微镜做的非常细，细节都可以做出来的，在那个层次上再建模，再看后面系统的反应。还有一种是宏观的，你刚才讲的做外科手术用吸管吸掉，看他的病是不是治好了，这是几厘米层次的，就是不同层次干不同层次的事情。我们今天脑科学这么大的范围，我们这几个人不太可能覆盖所有层次的，你关心的层次讲的少，但是脑科学里面神经元编码的问题不像电子那样很精确，但是有可能在组合层面上，干预层面上回答一些问题，不一定是数学层面的1+1=2的，原理上不一样。

问题：所以讲的细节对它有一定的影响的结果，实际上我是很怀疑的。

尧德中：这些都是实验做出来的，不是控制精度非常小的。

潘纲：现在生物上要控制的非常精确远远达不到，现在要让人的神经网络很细的要控制很难，这和我们原来想象的不一样，计算机给他一个信号，二极管、三极管为什么二进制做，因为让它的路棒一点，万一听到0.5和0.5没有关系，取一个阈值就干掉了。但是生物上很多地方跟机器不一样，为了故意让它鲁棒进化而来，为了让它的路棒很多地方要故意让它有随机性，甚至有时候故意要有噪音，这样神经整个系统才会比较鲁棒，目的就是为了细化来的，就是为了增加鲁棒性，这也是很难的点，我们怎么样对神经网络做调控，特别精细点调控特别难，但是现在有的粗的调控都已经有些手段了。尧老师也提到现在外部的刺激，怎么样调控它的神经网络，现在不是假的，是真的可以调控，但是效果可能受的影响不单单是一种因素的影响，有可能有些环境下还受其他因素的影响，有些很精细的东西可能搞的还没这么清楚。

刚才这位老师提的神经科学发展到什么程度了，我其实不做神经科学，但是这几年做这个以后发现，真的比我原来想象的进展要快很多，特别是一些新的手段出来以后真的非常多，比如美国脑科学、脑计划起来很大部分是通过新的技术测量单个神经元的行为，比如一个脑几百万个，但是目标在往这方面做。从现在来看纳米材料各方面的技术融合在一起，我们原来想象不到的一些技术可以观察到，有这些观察以后我们对大脑的研究可以更加客观，以前做认知的很多都是从行为上做，好像现在做心理学的文章很多都是行为上做，做实验也是很少几个，那个可靠性总是受到质疑，按照如果有大的数据量就可以更加客观的做，那个结果就会更加好。我刚才提到两种技术对神经学影响非常快，一个是光遗传学，第二就是双关制成像更加细节的把神经行为观测到，这个技术也会前进，过几年就有新的科学，对整个信息学、交叉学的融合，越来越紧密。

重磅福利！【2017中国互联网+新商业峰会】，6月15-16日两天3000人次，携程创始人梁建章，嘉御基金创始人、前阿里巴巴CEO卫哲，分众传媒创始人江南春等嘉宾已确认出席，期待你的参与，限量钜惠票等你拿！

返回搜狐，查看更多

专家谈计算神经科学与类脑人工智能的关系 脑科学和人工智能的关系论文怎么写