脑机融合,如何让机器像人一样思考?

导读

系统地认识脑、提炼认知和行为的原理性规律离不开建立系统的脑理论。

文:《千人》杂志记者 何中花

原标题:《斯白露:格物致知,知脑明“智”》

注:原文载于《千人》杂志2018年第68期(内容有删减),转载请注明来源,未注明来源转载将视为侵权。

机器人会不会拥有像人类一样的意识?能思考问题、分辨对错?近年来,随着图像处理、目标识别、机器翻译、数据挖掘等一系列以智能为核心的应用加速兴起,传统“电脑”愈发显得“力不从心”,人们也开启了比“曼哈顿计划”更具挑战性的“仿脑”和“造脑”计划。那么,脑与如今方兴未艾的人工智能到底有何联系?中国科学院沈阳自动化研究所研究员斯白露对此有着独到的见解。

斯白露,中国科学院沈阳自动化研究所研究员

脑是自然界最复杂的系统之一

“脑是自然界最复杂的系统之一。认知科学与神经科学解析脑神经系统的连接结构、电活动,积累了大量数据,揭示了脑产生认知功能的诸多基本规律。系统地认识脑、提炼认知和行为的原理性规律离不开建立系统的脑理论。”对于自己所研究的领域,斯白露有着客观理性的认知。

在学习和研究期间,斯白露的科研水平取得了长足进步,他系统性地学习了计算神经科学理论,并通过数学建模和计算机仿真研究脑产生记忆的原理。“我们与系统神经科学家合作,提出了哺乳动物内嗅皮层和海马体形成空间记忆的理论与计算模型,明确了哺乳动物在导航过程中生成的环境空间记忆可能需要的脑连接结构和信息处理机制。实验发现,哺乳动物大脑的内嗅皮层和海马体具有栅格细胞、位置细胞等可以编码空间位置的多种神经细胞,这些构成了内在的空间定位系统。”斯白露及其团队建立了内嗅皮层栅格细胞的自组织神经网络模型,该模型可以通过自组织学习形成递归网络、根据陆标信息产生多尺度的空间编码用于空间定位。在此基础上,研究团队进一步提出了位置和速度联合编码的连续吸引子网络模型,可以整合运动速度,在环境中定位。另外,通过建立海马体中位置细胞的竞争学习神经网络模型,斯白露及其团队发现了海马体能够整合多种信息,形成环境认知地图表达。

脑是人工智能产生的唯一样本

2013年,斯白露加入了中国科学院沈阳自动化研究所担任研究员,一直从事着计算神经科学、类脑智能、机器学习与智能机器人方面的研究。创造智能机器是人类不断求索的梦想。美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这说明人工智能研究的是人类智能活动的规律,构造具有一定智能的人工系统,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术,而人类行为受大脑神经机制控制,要想开发人工智能系统离不开解析脑的奥秘。脑是自然界提供给我们理解智能产生的唯一样本。通过解析自然演化形成的智能,人类可以举一反三创造新的智能系统。神经科学对脑的探索积累了丰富的信息,通过脑的逆向工程借鉴脑产生智能的原理,构建类脑智能系统是全世界面临的一个重大挑战。迎接这一重大挑战需要在神经科学与人工智能的前沿交叉领域开展研究,打破学科细分造成的隔阂,融合多个领域的基本知识和原理,发现问题、寻找值得深入挖掘的方向。

类脑智能的研究,一方面需要熟悉人工智能领域的方法和理论工具;另一方面需要把神经科学的知识和原理跨界应用到人工智能系统中,建立新的理论,发展新的模型。比如,人工智能包含模式识别、计算机视觉、自然语言处理等研究方向,这些细分领域专注于解决各自的科学问题,分别形成了一套自有的理论和方法。神经科学的研究结果表明,不同脑区的组织和计算原则往往是相似的,复杂的认知和行为背后很可能有着相同的原理。如何借鉴脑的组织和计算原则,发展出统一的智能信息处理框架和方法,是类脑智能需要集中突破的难题。

既然发现了问题,就要想办法去解决,科学研究只有在一次次的探索中才能取得突破。2018年6月,斯白露与其他团队合作,根据海马体中位置细胞的集群放电的实验观测,构建了一种用于记忆提取的神经计算机制,发现记忆神经环路充分利用了神经细胞类型的分化和连接结构,具有复杂的动力学行为。这一工作为发展类脑感知和记忆系统提供了理论依据。针对机器人在大规模环境中自主导航的需求,研究团队借鉴了空间记忆神经环路中内嗅皮层的栅格细胞的神经编码机制,构建了类脑导航系统,在室外大范围区域内完成近60公里的导航定位。由于模拟了栅格细胞的连接结构和编码机制,构建的类脑导航系统具有稳健性,系统中神经元的工作机理清晰,因此克服了深度学习神经网络难解释、难理解的“黑箱”局限性。这一类脑导航系统可以应用于物流、厂区巡检、小区安保等人类日常生活领域。

脑科学与人工智能交叉共生

传统的神经科学与生物医药行业联系更为密切,随着信息技术的发展,神经科学与信息科学的结合越来越紧密,推动了认知计算、计算神经科学、类脑智能、神经机器人等交叉领域的产生与发展。脑信号的解读、脑连接组的绘制、脑机制的建模、脑疾病的诊断、脑功能的模拟和再现等技术均离不开多学科领域的共同攻关。

作为神经科学所涵盖的范围之一,神经环路的神经计算机制近年来得到人工智能研究者的密切关注,在人工智能领域的应用也越来越广泛,近年来蓬勃发展的深度学习神经网络就是一个典型的例子。深度学习神经网络借鉴了神经环路的多层级信息处理机制,通过最优化的方法生成对输入信息的层次化表征,与传统方法相比具有更好的可扩展性。深度学习神经网络在模式识别、计算机视觉、自然语言处理、控制等多个领域取得了革命性的成功,但在可控性和可解释性方面具有先天的弱势。可以预见,神经科学揭示的神经计算机制能进一步提升深度学习神经网络的灵活性、稳定性和可解释性,推动类脑智能的蓬勃发展。

“从人工智能的角度来看,目前的机器学习方法比较死板,需要大量的数据才能建立精确的数学模型,而模型建立后缺乏抽象概括和举一反三的能力,认知科学和神经科学的研究则能为人工智能提供原理性的指导,优化人工智能的探索路径。从认知科学和神经科学的角度看,人工智能研究的技术积累能为认知科学和神经科学的大规模数据分析、理论建模提供有益的支撑。人工智能、认知科学和神经科学是相互支持、亦师亦友的关系,两者形成了一种共生的学科生态,营造人工智能、认知科学和神经科学交叉共生的学科生态是脑与智能科学发展的催化剂。”斯白露分析。

人工智能,未来已来

《银翼杀手》、《西部世界》、《机器姬》、《底特律·成为人类》……在大多数人的观念里,能掀起革命的人工智能只是小说、电影、游戏里的场景,真的是这样吗?走出影院,你会发现——搜索引擎、机器翻译、图像识别、虚拟工厂、服务机器人……这些在实践中落地的人工智能,早已不是概念和噱头。在斯白露看来,“人工智能正在从各个方面影响和改变人类的生活、生产以及学习。人工智能作为一项技术将越来越融入社会,无处不在,其有望逐步成为人类社会基础性的推动力。”

2018年4月2日,教育部亦印发了《高等学校人工智能创新行动计划》,规定中小学普及人工智能教育,2020年将建成100个特色专业。斯白露表示,这一政策具有前瞻性和及时性。建设人工智能复合特色专业离不开稳定的人才政策,中国的人工智能基础教育应该大力发展与人工智能相关的师范教育,培养基础教育的师资力量;普及中小学人工智能教育应该强调与已有的数学、信息技术课程衔接,通过学习代表性的人工智能基础知识和基本程序设计,掌握人工智能的基本概念和方法。

人工智能是大势所趋。中国的人工智能发展势头迅猛,在研究人员的数量、发表论文的数量、论文被引用的次数等方面都位列世界前茅;中国人工智能研究的整体水平处于世界前列,中国的人工智能在市场需求、数据资源等方面具有得天独厚优势。虽然前景可观,但仍存在一些问题亟需解决。中国在人工智能的基础理论、前沿引领方面还不够突出;在交叉学科、基础研究方面需要加强人才培育工作,为科研人员提供稳定、宽松的研究环境,创造潜心研究的氛围。

谈及未来发展方向,斯白露目标笃定:“我将展开更深层次的脑认知理论研究,发展感知、记忆、决策的类脑智能技术,推动类脑机器人的深入发展。”

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181010B0ZJYE00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券