計算神經(jīng)科學：腦科學與人工智能的必要橋梁

眾所周知，科技創(chuàng)新對社會經(jīng)濟的進步起著巨大的作用。計算機的快速發(fā)展使信息技術產(chǎn)業(yè)成為現(xiàn)代經(jīng)濟的重心之一。然而，現(xiàn)有計算機仍難以完成許多對人類大腦來說輕而易舉的復雜任務。所以，新一代信息技術產(chǎn)業(yè)很關注對于大腦功能和神經(jīng)網(wǎng)絡的研究，希望在理解其工作機制的基礎上設計出新型的“人腦式電腦和機器人” 。今年3月，百度董事長兼首席執(zhí)行官李彥宏在人大、政協(xié)兩會上提出了“中國大腦”提案，呼吁一個新技術革命，并希望以此“帶動整個民族創(chuàng)新能力的提升”。

對基礎研究的投入將帶來腦科學、腦科技的突飛猛進

中國要在信息技術產(chǎn)業(yè)上成為世界領軍人，應該大力發(fā)展神經(jīng)科學，帶動下一個信息技術產(chǎn)業(yè)革命。在美國， 硅谷一些公司（高通（Qualcomm）, IBM等）已開始向這一新興的“腦科技”（NeuroTech）產(chǎn)業(yè)進軍。同時，發(fā)展神經(jīng)科學也具有戰(zhàn)略意義。 美國國防部高級研究計劃局（DARPA，Defense Advanced Research Projects Agency）、高級情報研究計劃署（IARPA，Intelligence Advanced Research Projects Activity），以及海軍等軍事部門在神經(jīng)科學領域已投入大量資金研發(fā)最新的神經(jīng)技術。

但是，在基礎研究讓我們真正了解大腦的生物學原理之前， 這些應用都缺乏堅實的基礎、難于發(fā)展。就好像一個國家如果不重視固體物理研究，不可能在國際上成為芯片和電腦技術創(chuàng)新的領軍人。所以，最重要的是對神經(jīng)科學基礎研究提供長期穩(wěn)定的資金支持。即使美國情報高級研究計劃署這樣以應用為目標的機構，目前也主要資助“大腦皮層網(wǎng)絡的機器智能”（Machine Intelligence from Cortical Networks， MICrONS）的基礎研究。該項目“旨在逆向大腦的運算法則，徹底改變機器學習”，并且“ 參與者將利用他們對大腦表征、轉(zhuǎn)換和學習規(guī)則的深入研究和理解，來創(chuàng)造能力更強的類腦機器學習算法。”這樣的規(guī)劃正是基于長遠的戰(zhàn)略考慮。

學科交叉推動新興的計算神經(jīng)科學發(fā)展

“類腦人工智能” 至今最成功的例子，是“深度學習”（Deep Learning） 。“深度學習”植根于對大腦視覺系統(tǒng)的研究。視覺系統(tǒng)由很多“層”神經(jīng)網(wǎng)絡組成（因此叫“深度網(wǎng)絡”）。神經(jīng)信號經(jīng)第一層處理后送至第二層，經(jīng)第二層進一步處理后送至第三層，以此類推。層與層之間的網(wǎng)絡連接是通過學習訓練而形成的（故名“深度學習”）。深度學習系統(tǒng)在完成某些任務上（比如二維物體識別）已接近人的能力。然而目前這個理論還有相當大的局限。例如，深度網(wǎng)絡模型通常只有“前饋” 連接（從第一層到第二層、第二層到第三層，等等），而人腦的神經(jīng)系統(tǒng)有很多“反饋” 連接（從第三層回到第二層，等等），比如視覺注意力就來自于從高級“控制”腦區(qū)到初級視覺腦區(qū)的反饋信號。訓練深度網(wǎng)絡的學習算法目前也十分有限，需要千萬張圖來訓練網(wǎng)絡。人們對視覺注意力、抉擇、學習等認知功能的大腦神經(jīng)網(wǎng)絡機制的研究方興未艾。發(fā)展腦科學基礎研究，將促進“深度學習” 等類腦智能技術的蓬勃發(fā)展。

計算神經(jīng)科學是腦科學中新興的、跨領域的交叉學科。它把實驗神經(jīng)科學和理論研究聯(lián)系在一起，運用物理、數(shù)學以及工程學的概念和分析工具來研究大腦的功能。 各種新實驗技術的快速發(fā)展，給我們帶來了海量數(shù)據(jù)。但指數(shù)增長的實驗數(shù)據(jù)，并不保證帶來指數(shù)增長的知識。就像物理學一樣，只有當理論的發(fā)展與實驗同步時，我們才能找到大腦運作的基本規(guī)律。因此側(cè)重于理論和模型的計算神經(jīng)科學與實驗神經(jīng)科學的互動，將會對認識大腦工作機制起到十分關鍵的作用。大腦是一個異常復雜的動力學系統(tǒng)，具有多種在不同時空層次上的反饋機制，定量分析和計算模型上深入解析是至關重要的。這也就是為什么理論和計算神經(jīng)科學成為了美國的“腦計劃“中的七大優(yōu)先研究方向之一：“嚴謹?shù)睦碚摚Ｐ徒ㄔ旌徒y(tǒng)計分析，使我們對于復雜的，非線性的大腦功能有深入的了解，這是僅憑直覺無法做到的。為了推動理論和數(shù)據(jù)分析的發(fā)展，我們必須加強來自多學科的實驗科學家和理論科學家的合作，如統(tǒng)計學，物理學，數(shù)學，工程以及信息科學等。”。

信息科學與現(xiàn)代神經(jīng)科學真正結合起來，是一個很大的挑戰(zhàn)，計算神經(jīng)科學是二者之間的橋梁，將在類腦計算、人工智能和腦機接口（Brain-Machine Interface）的發(fā)展中起關鍵作用。可以說，沒有世界一流的計算神經(jīng)科學，就不可能有世界一流的類腦智能技術創(chuàng)新。反過來，機器學習（包括深度學習）能引進新的方法來處理腦科學數(shù)據(jù)，新的思路來模擬腦功能。因此，計算神經(jīng)科學與信息科學應密切合作，對腦科學與類腦人工智能重大前沿問題進行聯(lián)合攻關。

應鼓勵更多的理工人才進入腦科學

我們需要利用物理學、數(shù)學的方法研究上千億神經(jīng)元組成的復雜結構及其非線性動態(tài)行為；需要用理論和數(shù)學模型從基因、到神經(jīng)元、到神經(jīng)網(wǎng)絡、到腦系統(tǒng)的多個層次來研究，以解釋認知功能；需要用新的信息科學的工具分析和解讀實驗中獲得的海量數(shù)據(jù)；需要用生物醫(yī)學工程的技術來制造腦機接口，使脊髓損傷和運動殘疾的病人能夠用腦電信號控制智能假肢。在這些方面，中國都具有很大的潛力優(yōu)勢，而發(fā)展計算神經(jīng)科學是關鍵。

計算神經(jīng)科學在我國還相對薄弱，但我們擁有大批杰出的理工科人才，尤其是年輕人。他們?nèi)粲袡C會進入腦科學，計算神經(jīng)科學的快速發(fā)展便指日可待。這不僅會培養(yǎng)基礎研究的下一代領軍人，同時會帶出一大批類腦智能工程技術人才。舉一個最近的例子，倫敦大學學院的兩位計算神經(jīng)科學博士后創(chuàng)辦的DeepMind公司，創(chuàng)業(yè)后不久后便被谷歌以4億美元（約25億人民幣）收購。 近年來，谷歌、Facebook等公司極力招計算神經(jīng)科學的畢業(yè)生，這種需求會越來越大。

培養(yǎng)新一代計算神經(jīng)科學家，可考慮幾種方式。在美國，斯隆基金會（Sloan Foundation）與斯沃茨基金會（Swartz Foundation）從90年代中便開始建立理論神經(jīng)科學中心，現(xiàn)在總共有11個斯隆－斯沃茨（Sloan-Swartz）中心，分布在各個大學。這些研究中心重點放在吸引培養(yǎng)有物理、數(shù)學或其他計算科學背景的研究生和博士后，幫助他們成功地轉(zhuǎn)入計算神經(jīng)科學領域。迄今這些中心培養(yǎng)出的一百多名學者已在世界各地的著名學府擔任教授，使計算神經(jīng)科學領域日趨成熟。中國應考慮建立幾個理論與計算神經(jīng)科學中心。另外，各強勢大學應打破學科的界線，開本科和研究生的計算神經(jīng)科學課，條件成熟后可建有關的專業(yè)。這不僅讓物理學和數(shù)學學科的青年人有機會學習神經(jīng)科學，也讓實驗科學家有機會學習建模的數(shù)學知識。暑期學校是另一種有效的途徑。美國海洋生物實驗室從1988年起辦計算神經(jīng)科學暑期學校，訓練了大批從數(shù)理化、工程、信息科學轉(zhuǎn)到腦科學的年輕人。我們在國內(nèi)也于2010年起步創(chuàng)辦了計算和認知科學的暑期學校，培養(yǎng)這方面的跨學科的年輕人才。還有，為了建立一個新的領域，必須有討論會以便于各領域的專家和學生定期集會、交流和開展合作，這對計算神經(jīng)科學這樣的交叉學科尤為重要。因此，我們需要有條件舉辦定期的會議和暑期學校。

展望計算神經(jīng)科學與類腦智能的未來

“十三五”規(guī)劃，為我國發(fā)展這個新的交叉領域帶來了良機。我們的目標應該包括：

第一，發(fā)展海量數(shù)據(jù)分析的方法，為處理腦數(shù)據(jù)(包括腦環(huán)路和聯(lián)結組學數(shù)據(jù)、高密度成像數(shù)據(jù)、大規(guī)模認知功能測量和腦疾病研究數(shù)據(jù)) 服務。

第二，發(fā)展理論和計算神經(jīng)學，尤其是大尺度的認知（包括記憶、決策、語言）功能腦系統(tǒng)計算模擬、跨層次（分子，細胞，多尺度網(wǎng)絡，動態(tài)系統(tǒng)和行為）機制的分析。

第三，發(fā)展行為實驗的測量方法，包括對腦疾病患者認知功能的定量測量及其標準化。

第四，發(fā)展計算神經(jīng)學與類腦人工智能的交叉研究和應用，包括深度學習算法、智能機器人等。

第五，將人才從數(shù)理化、工程、信息科學吸引到神經(jīng)科學來，培養(yǎng)受過良好定量訓練的新一代腦科學家。

第六，建立專門支持跨科學研究的項目。

第七，在海量數(shù)據(jù)共享、跨學科的研究和人才培訓等方面開展國際合作。 這一切都需要改革資助經(jīng)費和管理運行的方式，還需要我們支持跨單位、跨學科的協(xié)同創(chuàng)新。

大腦是宇宙中最復雜的系統(tǒng)之一，近年來研究技術的大突破為人類認識大腦開創(chuàng)了新紀元。但我們對腦功能、尤其高級認知功能的神經(jīng)網(wǎng)絡機制的研究才剛剛起步，實驗神經(jīng)科學必須與理論和計算神經(jīng)學攜手共進。計算神經(jīng)科學也是腦科學與人工智能兩個領域之間的必要橋梁，這些領域的互動和協(xié)同創(chuàng)新將極大推動未來的信息科技、腦科技以及下一代超級計算機的發(fā)展。

【關于作者】本文作者為上海紐約大學副校長、紐約大學神經(jīng)科學教授，原耶魯大學神經(jīng)科學終身教授。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。