面向計算機專業(yè)研究生開設計算神經科學課程的思考

摘要：計算神經科學是一門新興的交叉學科，受到國內外學術界的廣泛重視。要想在國內建立一流的計算神經科學并培養(yǎng)壯大人才隊伍，開設相關的研究生課程非常必要。文章論述計算神經科學與計算機科學的關系，面向計算機專業(yè)研究生開設相關課程面臨的機遇與挑戰(zhàn)以及應對措施等，同時針對教學內容的選擇給出建議。

關鍵詞：交叉學科；跨學科；計算神經科學；人工智能；研究生培養(yǎng)

文章編號：1672-5913（2013）18-0001-05

中圖分類號：G642

1 背景

科學史上，許多重大的科學發(fā)現(xiàn)都產生在不同學科的碰撞和融合中。在自然科學領域，許多偉大的科學家都有著復雜的學科背景，20世紀1/3的諾貝爾獲獎項目出現(xiàn)在交叉科學領域。計算機學科里很多大科學家也都有著交叉學科的背景，如計算機之父馮·諾伊曼其實是個數學家，在經濟、量子力學及幾乎所有數學領域都作出過重大貢獻，他提出的計算機二進制表達正是得益于其敏銳的數學洞察力。清華大學計算機科學與技術系張鈸院士多次在公開講座中提到，經他統(tǒng)計，自1966年美國計算機協(xié)會（ACM）設立圖靈獎以來一直到2012年，60個獲獎者中2/3的人都有數學、物理、化學等理科專業(yè)背景，甚至還有政治等人文科學背景；相反，純粹是計算機專業(yè)或相近專業(yè)如電子學、無線電學等背景出身的人并不多。由此可見，熟練掌握其他學科的知識對于在計算機領域作出重要貢獻大有裨益。

高校培養(yǎng)交叉學科人才，一是要引導學生學習不同學科的課程，二是開設一些本身就是多學科交叉的課程。國內高校已經做了大量嘗試，也收到了不錯的效果。2013年，《計算機教育》雜志專門策劃了跨學科教學專題，對國內跨學科教學的實踐情況進行報道。很多高校的一線教學人員都報告了他們在交叉學科教育方面的構想或實踐經驗。

計算神經科學是一門新興學科，對于促進腦科學、信息科學尤其是人工智能等領域的發(fā)展具有重要意義。2010年3月23-25日，中國科學院、浙江大學、上海交通大學的知名學者齊聚北京，舉行第367次香山科學會議，主題為“神經信息學與計算神經科學的前沿問題”。與會專家探討了計算神經科學的國內外發(fā)展情況，指出該學科在國內外都還發(fā)展不成熟，我們應抓住機遇建立一流的RDRAbokEdqNam1sdTSC4Qw==計算神經科學。要達到這個目標，除了加大科研資助和鼓勵科研創(chuàng)新外，優(yōu)質的課程教學必不可少。鑒于計算神經科學的多學科交叉特點，許多專業(yè)都可以嘗試進行這方面的教學，包括醫(yī)學、生物學、心理學、數學、物理、化學、計算機、電子，自動化等，筆者將論述計算神經科學與計算機科學的關系以及開設該課程所面臨的機遇與挑戰(zhàn)。

2 計算神經科學的特點及其與計算機科學的關系

借助飛速發(fā)展的現(xiàn)代科技，人類已經能夠上天入地，但是對于腦的認識卻十分有限。諾貝爾獎得主克里克（Crick）說過：“對我們人來說，在科學研究中沒有比研究自己的腦更重要的了。我們對整個世界的認識都有賴于它?！闭J識人腦的工作機理有兩方面的意義，一是促進神經疾病診療技術的發(fā)展，二是提高人工智能的水平。

誠如艾薩克·阿西莫夫（Issac Asimov）所言，“人腦是我們所知道的最復雜的組織”。它有大約1011個神經元，而平均每個神經元要與103～104個神經元相連。雖然這些數字現(xiàn)在看來并非很大（能存儲1T=10¹²Byte的硬盤在市場上已經很普遍），但問題是計算機硬件是我們事先按一定規(guī)則構建的系統(tǒng)，我們對于它每一部分的結構與功能都非常清楚，而人腦卻是一個黑箱。想象一下讓一臺計算機穿越回唐朝，讓那個時代的人們了解這臺計算機的工作原理是一件多么不可想象的事情。

幸運的是隨著科學技術的發(fā)展，實驗手段正發(fā)生著翻天覆地的變革，我們面對的黑箱正在慢慢變灰。通過這些實驗手段，我們可以觀察到“箱子”的部分內部。然而，只看到大腦內部的一些的結構和它們之間的關系遠遠不夠。唐朝人打開計算機主機蓋，能看到主板、CPU、內存條甚至一些精細的電子元件，但這對于他們完全理解計算機的工作原理還差很遠。他們需要綜合各種技術手段得到計算機內部情況，從硬件問的相互連接關系推斷出馮·諾伊曼設計的體系結構及發(fā)展變化，從軟件的功能推斷出算法邏輯，從二進制代碼推斷出可讀代碼。要得到這些結果，只有實驗數據是不夠的，還必須對數據進行整理分析，從蛛絲馬跡中發(fā)現(xiàn)數據背后的規(guī)律和原則。人腦就好比一臺唐朝人眼中的計算機。計算神經科學就是一門試圖通過理論分析和建模計算的方式理解腦工作原理的學科。

計算神經科學領域的形成始于1988年，Seinowski、Koch和Churchland在Science雜志上發(fā)表了計算神經科學領域的“宣言”。從廣義上講，只要是通過建模、仿真等手段對神經科學的實驗數據和實驗現(xiàn)象進行定量分析的，都屬于計算神經科學的范疇。近年來，由于實驗技術的革新和腦科學研究的蓬勃發(fā)展，這方面的研究早已不局限于生物、醫(yī)學、心理學等學科，很多其他學科的研究人員以各種方式參與到腦科學的研究中，包括數學、物理、計算機、電子、材料等，他們將該學科中的一些定量計算理論引入神經科學并據此研究腦科學的實驗數據和現(xiàn)象。

國外許多著名高校都設有計算神經科學的研究中心或相應專業(yè)，包括MIT：CSAIL-ArtificialIntelligence Group；Stanford University：Center forMind，Brain and Compution；Harvard University：Mind/Brain/Behavior Program；CMU/University ofPittsburg：Center for the Neural Basis Of Cognition：University College London：Gatsby ComputationalNeuroscience Unit；Columbia University：BionetGroup。這其中大多數都有信息科學類院系的參與，如MIT的Artificial Intelligence Group就是在計算機與人工智能實驗室下的一個組，而Stanford University 的Center for Mind，Brain andComputation由計算機系、電子系、語言系、神經生物系、心理系以及神經科學研究所的教授組成。計算機領域的一些杰出學者也參與了計算神經科學的研究，包括MIT的David Marr和Tomaso Poggio，CMU的Tom Mitchell，Caltech的Pietro Perona，Stanford Universit），的Fei-Fei Li等。這里還不包括大量的以計算機科學、電子工程等為教育背景但主要活躍在神經生理學、認知心理學等傳統(tǒng)神經科學領域的學者。

一方面，計算機科學及其相近領域的研究人員對神經科學和認知心理學的貢獻越來越大，已經成為腦科學研究中一支不可忽視的力量；另一方面，神經科學和認知心理學的研究進展對計算機科學的某些方面起到很大的推動作用。例如，近年來在機器學習領域非常熱門的深度學習（Deep Learning），在很大程度上受到大腦感覺系統(tǒng)層次化結構的啟發(fā)，見圖1。其中，圖1（a）為大腦視覺皮層各區(qū)域的位置及信息處理通道，圖1（b）為深度學習的框架。

3 面向計算機專業(yè)研究生開設計算神經科學課程的機遇和挑戰(zhàn)

相對于醫(yī)學、生物學、心理學等專業(yè)，面向計算機專業(yè)的研究生開設計算神經科學課程相對容易。這是因為通過本科階段的培養(yǎng)，計算機專業(yè)研究生在理論證明、邏輯推斷、數據分析等方面的基礎更扎實，他們接受醫(yī)學、生物、心理學等學科的知識相對容易；但反過來，讓那些習慣了生理和心理實驗的學生接受一些計算理論方面的知識則相對困難。而相對于數學、物理、化學等理科專業(yè)，計算機專業(yè)的研究生在模型實現(xiàn)方面有優(yōu)勢。這是因為現(xiàn)在很多計算神經科學的模型都涉及大規(guī)模計算，扎實的編程基礎使得他們在處理這類問題上更加得心應手。這些是面向計算機專業(yè)研究生開設計算神經科學課程的機遇。然而我們面臨的挑戰(zhàn)更大，主要包括兩個方面，論述如下。

3.1 課程定位的挑戰(zhàn)

通過調查一些國外著名大學開設的計算神經科學課程，我們可以發(fā)現(xiàn)大多數課程的立足點都是“理解腦”，以揭開大腦的秘密為目的，而且無論該課程是神經科學、心理學或相關院系開設的（如Baylor College ofMedicine神經科學系的課程Theoretical Neuroscience-Learning，Perception，Cognition，MIT腦與認知科學系的課程Inlroduction to Computational Neuroscience），還是交叉學科中心開設的（如UniversityCollege London Gatsby ComputationalNeuroscience Unit的課程ComputationalPerception and Scene Analysis），甚至是一些計算機類院系開設的（如CMU計算機系的課程Computational Perception），都是這樣。

如果在國內高校面向計算機專業(yè)開設計算神經科學課程，將課程目標定位于“理解腦”，會存在一定的現(xiàn)實困難。國外著名高校非常注重基礎研究和交叉學科研究，經過多年的發(fā)展，他們培養(yǎng)的研究生已經形成了學習其他學科知識的習慣，但國內研究生在選修課程方面則顯得更加功利一些，只選修那些目前對自己有用的課程。對計算機專業(yè)的學生而言，修一門有關理解大腦工作機理的課程顯得比較怪異，這與他們將來從事的IT工作似乎風馬牛不相及；為此，我們一方面需要從課程體制、培養(yǎng)計劃等方面引導學生重視基礎學科和交叉學科的課程，另一方面還需要考慮在現(xiàn)階段如何通過課程定位吸引計算機專業(yè)學生選修相關課程。

3.2 師資力量的挑戰(zhàn)

交叉學科課程的講授對授課教師的專業(yè)素養(yǎng)提出了更高的要求，授課教師需要具有交叉學科的研究背景，這樣才能把學科前沿看得更清楚，把問題講得更透徹，但這通常不是一件容易的事，對于計算神經科學這一學科跨度非常大的交叉學科而言更是這樣。國內這一學科目前還處于萌芽階段，從事相關研究的學者相對較少，零散地分布在各自院校的不同院系，而且無論是在哪個院系，他們都是少數派。師資力量的不足已經成為制約計算神經科學在國內高校和科研院所發(fā)展的主要因素之一。

4 應對挑戰(zhàn)的措施

4.1 準確進行課程定位

為了使學生更容易接受計算神經科學這一課程，我們首先需要給這一學科下一個恰當的定義。從狹義上講，我們建議將計算神經科學定義為神經科學、認知心理學和人工智能的交叉學科，三者之間的關系如圖2所示。人工智能是計算機學科的一個專業(yè)方向（這里的人工智能包含機器學習、數據挖掘等各種智能計算的理論與方法），是計算機科學與神經科學和認知心理學產生交叉的主要領域。相對于計算神經科學的廣義定義，這一定義拉近了其與計算機專業(yè)學生的心理距離。

針對計算機專業(yè)的學生，該課程定位不能只是“理解腦”，還要強調“利用腦”，教師需要向學生強調：一方面人工智能為神經科學和認知心理學提供研究的工具，另一方面后兩者的發(fā)展又反過來促進人工智能等信息領域的技術革新。學生理解了這一點，選修這一課程的積極性才會提高。計算神經科學在計算機專業(yè)內并不是一門孤立的課程，它其實要用到很多概率論、線性代數、機器學習、模式識別等領域的知識，與人工神經網絡、人工智能、計算機視覺等學科有著緊密的聯(lián)系。計算神經科學與清華大學計算機科學與技術系一些專業(yè)課程之間的關系如圖3所示，其中箭頭表示課程間的支持關系。

4.2 有效提高師資力量

一方面，我們要鼓勵教師進行計算神經科學這一交叉學科領域的研究，培養(yǎng)該領域的杰出學者或從國外全職引進一批這樣的學者，這是解決師資力量不足的根本之道。如果在全職引進人才方面有困難，可以通過國家的各種引智計劃引進一批短期工作的學者，讓他們開設計算神經科學方面相關課程，以便有志于此方面教學科研的本地教師參與學習，最終實現(xiàn)課程的本土移植。

另一方面，我們也可嘗試讓多個專業(yè)的教師同時講授這門課程。教師一起確定教學大綱，分工合作，各自講授涉及自己專業(yè)的那一部分內容并適當向神經科學靠攏。這樣做的優(yōu)點是較容易找到合適的教師并且每名教師不用花太多精力學習其他領域的知識，缺點是內容會比較散，難以形成一個有機整體，更麻煩的是教師如果不專門從事計算神經科學的研究，那么對于某些知識點則難以講透；因此這項措施只是權宜之計，一旦條件成熟，我們還是建議由從事計算神經科學研究的教師授課。

5 教學內容的選擇

由于計算神經科學是一門交叉學科，涉及的知識點較多并且分布在很多學科里，因此要求學生將這些學科的課程全部學完后再學這門課程，顯然不現(xiàn)實也不必要。另外，將所有計算神經科學的知識點都在課堂上講解一遍也不現(xiàn)實，這就涉及教學內容的選擇問題。

5.1 教學內容精而新

“精”強調對教學內容的篩選，有兩個原則：一是重要的基礎知識必須講到，這些基礎知識包括神經科學、數學、信息論、機器學習等領域的與計算神經科學密切相關的基礎知識，這樣培養(yǎng)出的學生才能舉一反三；二是挑選有代表性的專題，如神經元模型、有監(jiān)督學習、無監(jiān)督學習等，把每個專題講深入了，才能讓學生體會到這一學科的常規(guī)研究思路和方法，培養(yǎng)學生將來從事相關研究工作的能力。

“新”強調教學內容的時效性。一個尷尬的事實是現(xiàn)在真正稱得上計算神經科學的教材很少，筆者認為最經典的教材要數Peter Dayan和LarryAbbott主編的Theoretical Neuroscience，該教材由MIT出版社于2001年出版。這本教材內容很豐富，基本覆蓋計算神經科學領域內所有的大方向，缺點是內容比較陳舊。計算神經科學近年來發(fā)展迅速，大量的經典工作都沒有包含在該教材中。該教材若作為研究生課程教材顯然不合適，因此教師必須總結近年來該領域的一些重要進展，如在頂級期刊（如Nature、Science等）上挑選一些重要研究成果并將這些內容歸納到自己的講義中。

5.2 教學內容向計算機科學傾斜

教師在教學過程中不僅要強調揭開腦的奧秘，還要強調這些奧秘對于計算機科學的意義和作用。一方面挑選一些能讓計算機科學發(fā)揮重要作用和計算機專業(yè)學生體現(xiàn)優(yōu)勢的內容，如神經信號處理和人機接口，因為這些需要用到較多的模式識別技術；另一方面強調為我所用，挑選一些對計算機科學有用的內容，如稀疏編碼、深度學習等在機器學習和模式識別領域受到廣泛關注的話題。

6 結語

計算神經科學是一門新興的交叉學科，為了響應在國內建立一流計算神經科學的號召，對于科研和教學我們都不能忽視。目前國內有能力開設計算神經科學課程的學校還不多，即使有也只集中在醫(yī)學、心理學等院系，其定位一般側重于“理解腦”。長此以往，國內對于腦科學的研究將面臨跛腳走路的尷尬境地，因為腦科學研究的另一任務——提高人工智能的水平將被忽略，因此在工科院系尤其是信息科學相關院系開設計算神經科學方面的課程非常有必要。研究型高校應抓住機遇，從政策上鼓勵工科院系開設相關課程，這對于國內學術界從容應對腦科學革命這一挑戰(zhàn)具有重要意義。

參考文獻：

[1]孫群，張劍湖，李俊民，數學專業(yè)設置交叉學科課程的研究[J]，高等理科教育，2007（2）：29-31

[2]鄭利平，安寧，路強，等，跨學科教學實踐與構想[J]，計算機教育，2013（1）：3-5

[3]陶飛，程穎，楊金鍵，等，交叉學科研究模式的組織建設研究[J]，計算機教育，2013（1）：6-10

[4]羅嘉慶，周世杰，跨學科課程教學研究與案例[J]，計算機教育，2013（1）：11-13

[5]許惠英，中國要成功建立一流的計算神經科學[J]，中國科技產業(yè)，2010（9）：79-80

[6]顧凡及，吳思，計算神經科學的研究特點及發(fā)展[J]，科學，20IO，62（4）：13-16

（編輯：宋文婷）