独家专访：未来几年，人工智能+脑科学会有哪些突破？

　　近年来，随着欧盟“人脑工程”和美国“BRAIN计划”的开展，脑科学的新型方法和手段得到了快速发展。美国国立卫生研究院还于2012年启动了耗资3000万美元的“人脑连接组计划”(HCP)。

　　在中国，脑计划则在蒲慕明等专家的推动下有望于今年启动，这将是一个由中国科学家主导的国际大科学计划，新的机遇之中最引人注目的就是与人工智能的结合。

　　(来源：Pixabay)

　　那么，脑科学在过去几年有哪些令人难忘的发展，未来几年又可能有怎样的突破，我们又该如何理解人工智能与脑科学碰撞给社会带来的影响，以及科技巨头在这些突破中扮演的角色和影响？这是业内和社会都很关心的话题，也是11月 6-7日即将在北京怀柔科学城召开的“细胞科学北京学术会议：人工智能和脑科学”(Cell Press Beijing Conference ?C AI and The Brain)讨论的焦点。

　　这场由北京市科学技术委员会指导，全球领先学术出版机构细胞出版社(Cell Press)主办的会议，将邀请20余位国内外人工智能和脑科学领域的顶尖科学家分享他们正在进行的前沿科学研究，并围绕计算机和认知领域的最新科研进展，以及两个领域交叉所碰撞出的火花进行深入讨论。这是近年来该领域少有的国际化高端论坛，演讲嘉宾包括麦戈文脑研究所神经科学教授James DiCarlo，中国科学院神经科学研究所所长、中科院脑科学与智能技术卓越创新中心主任蒲慕明，加州大学旧金山分校神经外科学教授Edward Chang，以色列魏兹曼科学研究所Samy和 Ruth Cohn计算机科学教授、魏茨曼AI中心主任Shimon Ullman，约翰?霍普金斯大学神经科学彭博杰出教授Daeyeol Lee等。

　　DeepTech在会前采访到了蒲慕明教授、Daeyeol Lee及Shimon Ullman三位讲者，他们都是人工智能与脑科学领域的顶尖科学家，让我们看看他们针对以上业界和大众关注的问题将给出怎样的答案。

　　图| 自左到右为蒲慕明、Daeyeol Lee及 Shimon Ullman

　　脑科学突破何在？

　　蒲慕明曾经对脑科学的过去100年的进展作过总结：在过去的一个世纪里，诺贝尔奖涉及的神经科学中的重要发现都跟大脑的信息编码、储存相关。但是，我们只对神经细胞如何处理信息了解得很清楚，对整个大脑复杂的网络结构了解不多。

　　脑科学研究的关键是要实现对神经元集群活动的实时观察，进而在全脑尺度上解析神经环路的功能和结构，那么高时空分辨率、大范围神经元集群电活动的同时检测就是一个目标。Shimon Ullman认为，在脑科学研究手段上，这几年来一个激动人心的突破是高时空分辨率下大量脑神经元活动的可视化。

　　借助包括共聚焦、双光子成像等技术，“人脑连接组计划”关注的是大量神经元如何相互连接形成神经环路。对于“人脑连接组计划”的实施，Shimon Ullman说，通过绘制大脑连接组，科学家得到了详细的皮质环路接线图，这可能促成人们对皮层计算理解的飞跃，进而开发出新一代的人工智能网络模型。这个研究还能够帮助理解大脑对自上而下计算和自下而上计算的集成，而这类集成应用范围较小，目前仅应用于部分现有的网络模型中，例如用于计算机视觉方面的网络模型。

　　(来源：Pixabay)

　　在Shimon Ullman眼中，对新生婴儿的大脑连接与特定脑区的研究，可以让我们了解人脑的先天能力并将之用于通用人工智能。

　　Daeyeol Lee则关注大脑的决策机制，他认为近期这个领域最主要的突破是原本在机器学习(如强化学习)或数学心理学(如漂移扩散模型)中假设的动态变化与大脑中单个神经元(通常位于皮层)活动之间的产生了强相关。其意义在于，我们已经在开始了解大脑中抽象认知过程了。Daeyeol Lee说，“只有用数学语言来描述人类大脑时，我们才有可能理解这个复杂器官。”

　　对于近几年的研究进展，蒲慕明关注激活和抑制大群神经细胞电活动技术的进展。他认为这些新技术可以让科学家开始研究脑电活动与脑功能的因果关系：大脑是如何认知外界环境，并能对环境的变化作出适当的反应。这些技术也为脑疾病的治疗带来新契机。

　　强人工智能可能吗？

　　Shimon Ullman专注于人类视觉系统对视觉信息的处理以及计算机视觉。他说，深度网络模型目前在两个方面还不具备模仿人类视觉的基本能力。其一，人类具备利用视觉从零开始学习的能力，无需管理即可理解和认识世界。其二是将视觉与认知结合起来的能力。这些能力上的欠缺部分反映了真实的大脑网络和当前模型中使用的网络结构之间的差异。