汪小京:脑科学需要自己的牛顿

今天,在全球范围,类脑智能和脑技术(BrainTech)的发展都得到了政府和企业的高度重视。类脑技术大致分为四个方面:

(1)硬件设计创新。也就是从神经网络的研究里得到启发,发展新型芯片,比如IBM去年公布的TrueNorth芯片。

(2)开发智能机器人。比如美国的Boston Dynamics公司,中国的小i机器人公司都在从事这一类的研发。

(3)脑-机接口技术,即记录、解读脑的电信号,通过脑的信号来控制机器。这类技术的应用价值很高,有望在将来服务于瘫痪的病人,让他们用思维来指挥机器人。

(4)发展“类脑智能”软件。这与大数据紧密相连,最引人注目的莫过于“深度学习”方向。在美国,微软有“深度学习研究中心”;IBM有 “认知计算”的计划;谷歌有DeepMind和Machine Intelligence。 DeepMind是计算神经科学出身的年轻人创办的公司,成立几年后被谷歌花4亿美元收购,至今已拥有150多位博士,而Machine Intelligence是谷歌最近新建的研究中心。从这些例子可以看出深度学习这一领域炙手可热,发展前景非常好。

然而,跨越式的技术创新需要坚实的理论基础。就拿现在最热门的深度学习来说,其理论来源于90年代的研究突破。神经科学对大脑视觉系统的研究,使研究者更理解相应的深度网络,能够建立数学模型,再有Geoff Hinton, Yann LeCun 等人发展的训练网络学习的方法,才有了今天的深度学习框架。近10多年来计算机(尤其是GPU)和大数据库的发展,才带来了深度学习的突飞猛进。由此可见,从实验神经生物学到人工智能,需要用数学模型来建立一座桥梁, 计算神经科学就是这座桥梁。

此外,计算神经科学不仅仅是一座桥梁,它还扮演着理论先导的角色,所以计算神经科学也叫理论神经科学。我们知道,脑科学的实验技术日新月异,使我们不断收集到新的、海量的数据。那么面对这些数据,怎样才能有所发现呢?这就需要发展基本理论,计算神经科学与实验的方法相结合,用严谨的理论、模型建造、统计分析,来研究神经网络和大脑功能。这可以类比物理学的发展:到牛顿才发展出经典物理学的基本原理,比如力学三大定律,用这些基本原理可以指导无数的实验、解释无数的数据,而且可以预测自然现象。经典物理学也是我们现代工程的基础,使我们能够创造像人类登月的奇迹。我认为,神经科学应用于人工智能也是类似的过程。也就是说, 发展脑科学的理论,是发展人工智能的基础。而基础研究有赖于我们的远见卓识和长期坚持。这正是为什么,脑科学需要自己的牛顿。对比物理学和神经科学,在美国,研究神经科学的与研究物理学的人一样多,而在我国,神经科学的发展规模远不如物理学。

神经科学是21世纪的前沿科学,我们应当尽快发展这个领域,跻身世界前列。这是我国作为发展中的强国应该做的,也是每个向世界一流大学看齐的院校应该考虑的。从策略上讲,哪些新方向是重要的?哪些是我们的长处?我个人认为,认知功能的脑机制是一个值得重视的研究方向,而且应当将计算和实验结合起来发展。2013年,美国推出脑计划,确定了七个研究方向,其中之一就是理论与实验的整合。脑计划的白皮书里有这样一段话:“ 严谨的理论、模型建造、统计分析,能使我们深入了解复杂的、非线性的大脑功能,这是仅凭直觉无法做到的。为了推动理论和数据分析的发展,我们必须吸引统计学、物理学、数学、工程以及信息科学等领域的专家,加强多学科的实验家和理论家的合作。” 我们研究大脑,希望理解脑功能的基因机制、神经元和网络结构的机制。为了达到这个目的,必须要了解神经元放电的模式,弄清楚神经网络的动态是怎样完成计算、怎样控制我们的行为,再弄清神经网络动态的结构,以及它的可塑性机制。因为大脑是有很多层级和反馈连接的复杂动力学系统,这个探索的过程就需要数学和实验的结合, 我们大脑里的神经联结如果加起来,大概有10万英里长,差不多地球到月亮的一半距离,其中80%以上的连接是反馈联结,这么复杂的动态系统,光用实验和直觉来认识是不可能的,还需要理论和数学。伽利略曾说“自然之书是用数学语言写就的”。人脑的神经网络是大自然的一部分,它的行为也应用数学语言来描述和揭示。

脑的反馈联结对理解高级认知功能尤其重要。比如,思维主要不是由外界的刺激来引起的,而是你自己脑内神经与神经之间通过反馈联结实现的“回荡网络”而形成的。最典型的“认知型”脑区是前额叶皮层,也就是大脑皮层的最前面这一区域。在生物演变过程中,前额叶皮层是最晚才发展出来的,它在人脑皮层中占相当大一部分,可是在狗或猫的大脑里面,相对来说却只占很小一部分。前额叶皮层是干什么的?有什么用?直到上世纪40年代末,这还是一个迷。如果某个人有精神病或者不能控制自己的行为,当时普遍的医学“处理”方法是前脑额叶白质切除术,就是切除前额叶。美国总统肯尼迪的一个胞妹就被迫做了此手术。直到近年,关于前额叶的研究才真正发展起来,相关学术文献最近20年来迅速增长。今天,我们知道前额叶皮层对很多认知功能都很重要,将它称为大脑的“CEO”。我本人在90年代初开始对这个领域产生兴趣,在90年代中期建立了第一个前额叶皮层神经网络模型。20多年来,我们一直都在和其他科学家们一起研究前额叶皮层和认知功能。很多研究人脑功能成像的实验、动物行为和电生理的实验所收集到的数据,加上我们的计算模型,使人们开始逐渐了解各种高级认知功能的神经网络机制,例如选择、工作记忆、选择性注意、执行控制、价值判断和经济决策等人脑的高级功能。值得一提的是,精神病人正是前额叶皮层及其它有关的脑区出现了问题。高级认知功能出现异常不是因为眼睛、耳朵的问题,而是因为前额叶皮层和其他“认知型”神经网络出了问题。因此,如果人们真正对前额叶皮层及其它有关的脑系统了解透彻了,特别是对分子层面、网络层面、功能层面都能真正了解的话,我们就有可能找到更好的诊断、治疗精神疾病的方法,为发展现代的精神医学奠定理论基础,为社会和人类作出贡献。因此,近年来出现了一个精神病学与神经科学的新的交叉领域,叫“计算精神病学”。

因此,高级认知功能的脑机制是神经科学前沿方向之一。另外,迄今为止,实验和理论都局限于考虑微神经网络或局部的脑区。 现在有一个很大的新挑战——不光是我自己的团队,也是整个领域都面临的挑战——研究怎样将局部神经网络推广到涵盖全脑皮层的大规模的神经网络,研究认知的“构建模块”(building block)是怎样拼在一起,从而产生人的思想和行为。 最近几年,新的实验数据产生,如大脑的连接网络、功能成像的数据,再加上计算机的发展,使我们有可能建构大规模的脑系统数学模型。我的研究团队近年来建构了一个灵长类动物的大规模皮层系统的模型, 该研究成果近期刚刚发表。 此大规模模型是由很多互相联通的脑区组成的,会自发地产生自组织现象,即一个动态时间尺度的层次结构。如果给初始的感觉区一个刺激,它的反应很快,时间尺度在20微秒, 适于很快地接收处理外界来的信号。其它不同脑区反应的时间尺度不一样,尤其“认知型”的脑区具有相当慢(至少有几秒钟)的动态,正好适于抉择、思维。也就是说这个系统自然地产生了动态时间尺度的层次结构,这是脑区和脑区之间的反馈连接形成的。为什么这个结果有意思呢?因为脑对信息的处理需要在很多时间尺度上整合。比如,我们交谈时,要理解你说的话,我的大脑要能够识别你的语音, 这时理解每个字只需要非常短的时间;但理解字和字之间的关系以及理解一个句子的意思,则需要的时间长一点;理解句子和句子连起来的一段话的意思,就需要更长的时间。这就是不同时间尺度的整合。我们的新模型发现了动态时间尺度的层次结构怎么发生的,其神经网络机制是什么。这一类的新发现是根基性的,可望给人工智能带来新的启示。

若社会意识到脑科学的重要,不仅政府应支持,企业、个人也应对其发展作贡献。

美国的脑计划,企业和个人慈善项目的支持十分可观。上面提到了工业界的IBM、谷歌、微软。个人方面,微软创始人之一保罗·阿伦(Paul Allen)已从私人的财富中拿出十亿美元来支持脑科学的基础研究。全球收入最高的对冲基金经理詹姆斯·西蒙斯(James Simons)的慈善项目重点也在脑科学。今年年初,百度公司董事长李彦宏在两会上提出“中国大脑”提案,希望以此“带动整个民族创新能力的提升”。百度等公司应该与学术界联手发展神经科学和应用,共同实现中国的脑计划。

最后我讲一下这个领域的人才培养。我们中国的国情非常适合发展这么一个跨学科领域,因为数理化领域有大批杰出的年轻人,是理论和计算神经科学的生力军。但帮助他们进入这一领域需要新的体系方式。在美国,理论和计算神经科学起源于二十年多前。Sloan基金会于1994年创建五个理论神经科学中心,后来发展成十多个Sloan-Swartz 中心,本人在其中三个(布兰迪斯、耶鲁、纽约大学)中心作过主任。二十多年来,这些中心吸引了很多物理、数学、工程等领域的年轻人,把他们培养成计算神经科学的精英。欧洲、以色列也采用了这个模式。现在中国正在讨论自己的脑计划,我呼吁我们一定看准我国在这方面的人才潜力、不要错失良机、努力建立中国的理论和计算神经科学平台。培训跨学科的年轻人才应采用不同方式。举例来说,我们从2010年开始在国内开办计算认知神经科学的高级暑期班,重点是认知和计算,这5年来已经培养了一批年轻人,激发了他们浓厚的兴趣和学术热情。这方面我们需要政府和私人基金给予支持,真正吸引年轻人进入我们这个领域。

我小结一下前面讲的几点。

第一,展望未来,人类对认知功能的机制理解得还不够,这是一个新的领域。我们一定要在认知功能的神经网络机制方面下功夫,同时发展更好的学习方法,这个不仅对脑科学本身有重大意义,能让我们深刻理解基本认知功能的脑机制,而且能直接影响到人工智能的发展。同时,这方面的基础研究还会对精神病学产生革命性的影响。

第二,当今时代,是大规模脑神经网络的理论和建模的黄金时代。 我们缺的不是计算能力,而是一些新的想法、新的假设,真正要做出革命性研究成果的的决心。

第三,研究大脑的难点之一是跨层次研究。从人的行为和大脑的功能、到网络的机制,再下到细胞、分子和基因,我们要跨越这几个层次来进行分析,这方面缺乏很好的数学手段。针对这一点,我们可以和数学家联合起来,发展跨层次的数学分析方法。

第四, 要采用多元化的方法,来吸引和培养计算神经科学和人工智能领域的年轻人才。

最后,我们应该大力发展国际合作,包括海量数据的共享、跨学科的研究、人才的培养等方面。

基础研究与技术应用是相辅相成的。应用的需求可以促进基础研究,而基础研究的突破又可以大幅推进工业、社会发展。今年是爱因斯坦发表广义相对论100周年,回到1915年时,谁能想到广义相对论这么抽象的理论,会有一天用于建立人们日常离不开的GPS 精确导航系统?我们发展人工智能,就应该扶持理论和计算神经科学,使之成为21世纪中国优先发展的研究领域。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2015-11-27

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏腾讯研究院的专栏

技术奇点或许永远不会临近

Toby Walsh  澳大利亚新南威尔士大学教授 翻译:李九喻、孟婷、柒少   来源:机器之心   如今,对人工智能 (AI) 感到悲观或乐观的...

2674
来自专栏AI科技大本营的专栏

独家 | 5大冠军出炉!李开复的AI挑战赛,冠军们聊到了这么些感受

参与 | 鸽子,Donna 刘强东的猪脸大赛刚刚结束, 李开复联合王小川、张宏江的AI Challenger-全球AI挑战赛决赛也紧跟着来了。 早在大赛宣布举办...

3265
来自专栏企鹅号快讯

李飞飞高徒新项目,一眼看穿你下届总统会选谁!

翻译 | AI科技科技大本营 参与 | 刘畅 编辑 | Donna 和很多人一样,我们会通过一个人的外表和穿着来判断其经济能力,也会通过字迹来判断其品性。但这篇...

1977
来自专栏大数据文摘

DARPA 开发用于自然语言处理的深度学习项目

1866
来自专栏人工智能头条

基于DNN和红外热成像的黑暗环境人脸识别工具

942
来自专栏AI科技评论

CVPR 2018 | 8篇论文、10+Demo、双料挑战赛冠军,旷视科技掀起CVPR产学研交流热潮

「旷视是一家有追求的公司。这个追求包含两方面的含义,一个是团队的每个人都希望能做最顶尖的技术;另一个是企业在商业化落地能脚踏实地,产品可以真正为用户带来价值。」

584
来自专栏新智元

微软对话语音识别再获突破,首次达到人类专业水平

1 新智元推荐1 来源:微软研究院AI头条 【新智元导读】继 9月13日微软将对话语音识别错误率降至6.3%的记录后,前天再次宣布进一步将错误率降至 5.9%...

3516
来自专栏大数据文摘

公开课 | 我们到底需要什么样的智能助理(附视频+PPT)

1645
来自专栏ATYUN订阅号

斯坦福大学开放AI挑战赛,旨在解决医疗问题

斯坦福大学最近宣布了一项旨在解决生物力学问题的众包竞赛。“AI for Prosthetics”挑战的参与者将建立能够预测患者在获得假肢后如何行走的模型。

642
来自专栏新智元

北大黄铁军:强AI的“仿真主义”和神经计算机的“五原则”

【新智元导读】过去,大概有四种方法来实现某些人工智能:符号主义,联结主义,行为主义和统计学, 这四种方法在不同的角度抓住了智能的一些特点。北京大学计算机系主任黄...

3338

扫描关注云+社区