模擬神秘大腦需從哪里“入手”

□文/王長明

?

模擬神秘大腦需從哪里“入手”

□文/王長明

讓計算機達到人腦智能程度是人們追求的目標，而人腦又是現(xiàn)實的系統(tǒng)，復制一個復雜系統(tǒng)比創(chuàng)造一個同樣復雜的另類系統(tǒng)要容易得多。要實現(xiàn)人類智能，人腦進行信息加工的功能和結構特點值得我們深入思考。

機器人及其智能算法的發(fā)展目前已取得很大進步，但與人腦智能還有很大距離。在某些領域，人腦的智能由于更加完美的結構和功能，可以輕松擊敗最高級的計算機算法。人腦依靠億萬年“學習”出來的能力對人工智能的開發(fā)、機器人的研究制造都有重要借鑒意義。

以不變應萬變

人和計算機信息處理流程的第一個環(huán)節(jié)都是信息的獲取。面對千變?nèi)f化的世界，人腦對于出現(xiàn)在其中的物體都能識別，并可以輕松辨認出是否為同一物體。例如對于一個酒瓶，只要人不是從不常見的底部觀察它，其無論如何旋轉、傾斜，人類都能夠識別自如。這種感知覺體驗上的“不變性”是人腦視覺信息加工的普遍規(guī)律，通過初級視覺皮層（V1）的神經(jīng)元群體，而不是單個神經(jīng)元的電活動來完成對物體的表達（即表征），神經(jīng)元分別對不同位置和朝向敏感，其群體活動可以保證在一定位置和朝向范圍內(nèi)，放電的規(guī)律只在群體內(nèi)部有變化，而對更高級皮層的輸出保持不變。這種知覺不變性特點可以有效提取出物體的最核心特征，保證后續(xù)加工機制（類比計算機算法）的相對穩(wěn)定，以應對千變?nèi)f化的復雜世界。

圖1　表征過程實際上完成了前景分割和初步的特征提取功能

表征即加工

對于表征，通俗的理解就是視聽覺信息進入人腦的過程。人的視聽覺信息的表征不僅僅實現(xiàn)攝像頭、話筒的功能。（攝像頭、話筒都是按人的規(guī)則人工制造，而不是按自然界的規(guī)則進行設計）人腦視聽覺信息的表征十分講究，表征的時候就考慮到了加工的方便，表征的時候也不僅僅是有什么就完全表征什么，而是有一定的取舍，根據(jù)先驗知識對信息做出篩選。仍以酒瓶為例，大腦的神經(jīng)元群體完成了對酒瓶的形狀、位置等特點的電活動表達，從而也自然而然實現(xiàn)了對其背景的分割，對其位置也產(chǎn)生了敏感性，而其他背景等無關信息則被忽略了（除非背景有特殊意義，人腦再對其做深入加工，需要時眼球也會隨著轉動，注意到背景的某個部分）。表征過程實際上完成了前景分割和初步的特征提取功能。相比之下，機器的視聽覺預處理算法目前還不能實現(xiàn)如此細致的信息提取功能。

層次化

視聽覺信息的加工往往要經(jīng)過多個層次，在這一點上人和機器有類似的規(guī)律，但人腦的層級比計算機更加復雜，每個層級的功能更特異，層次之間的銜接更緊密。以復雜的視覺場景識別出人臉為例，人的腹側視覺通路包含V1、V2、V4到顳葉IT區(qū)等多個層級，最后視覺信息（經(jīng)過多次細化）傳輸?shù)矫婵滋禺愋阅X區(qū)，視覺面孔信息經(jīng)過逐級的特征提取，從形象到抽象，最后完成了面孔的加工。在這一過程中，面孔的感知（感覺到有無面孔明顯特征的存在）、歸類（粗略劃分是人臉還是其他類別物體而不管細節(jié)）、識別（明確確認面孔的存在，區(qū)分具體的面孔特異性特征）、辨認（辨別面孔的身份屬性）等都有明確且不同的含義，相應的也在不同層級的腦區(qū)實現(xiàn)各自功能。而計算機通常要經(jīng)過預處理、特征提取和模式識別等處理過程，對上述機制的細節(jié)差異通常不做過多強調(diào)，以最終正確區(qū)分為終極目的（無論使用哪一層次的特征）。計算機的算法層次相對簡單，每個環(huán)節(jié)的算法通常只能對特定物體的識別奏效；相比之下，人的識別過程則略復雜，每個層級的功能可以兼顧普遍性和特異性。

值得一提的是，人類在發(fā)展進化歷程中，為了應對復雜的危險環(huán)境，還需要迅速對威脅性刺激做出反應，因而人腦還具備了從較低層級特征直接加工的特殊機制。例如，人腦對威脅性動物的視覺信息格外敏感，在人腦杏仁核的作用下，可直接做出躲避等反應，而無需再按層次完成類別劃分和辨別。這種越級的加工效率固然高，但加工精度無法與完整的層次化相比，這就可以部分解釋“一朝被蛇咬十年怕井繩”的經(jīng)驗體會。

圖2　視覺物體識別層次化加工結構：從V1、V2、V4到顳葉下部通路（即What通路），伴隨特征逐級提取

王長明 浙江大學工學學士、北京師范大學認知神經(jīng)科學博士、首都醫(yī)科大學附屬北京安定醫(yī)院和北京腦重大疾病研究院助理研究員

自下而上 vs 自上而下

人腦的信息加工除了上述層次化流程外，還有特殊的調(diào)度機制。在一般情況下，遵循自下而上的加工，即由簡單到復雜、由形象到抽象，逐級完成特征提取，語義等高度抽象的信息通常由通路中高層級的腦區(qū)完成。除此以外，人的視覺系統(tǒng)還受到“注意”的調(diào)節(jié)，在主觀注意的指引下，按照經(jīng)驗、目標、意圖等，特異性地加工某些信息，而忽略其他信息。這種“自上而下”的加工為人類的學習和進化帶來巨大優(yōu)勢。例如，在隨意觀察一群人的過程中，我們通常會逐個掃視，逐級進行分類、識別和辨認，特征明顯信息（如光頭、高個）通常也是吸引我們首先關注并按層級加工的特征；但當我們被要求有目的地尋找某個人時（即便特征不夠明顯），我們會采取完全不同的策略，按照“上級”的指示特異性地加工某一類信息，而忽略無關信息。人的視覺和聽覺信息加工都體現(xiàn)出自下而上和自上而下兼顧的特征，而計算機的自上而下加工算法（如構建顯著性圖）相對效率低下、不夠智能。

結構決定功能

人腦智能具備的上述優(yōu)勢離不開特異性的結構，即結構決定功能，這是生物學中普遍的結論。在人腦智能和機器智能的對比中，推敲這一普適的結論更有啟發(fā)性。例如，在人的逐級視覺信息加工中，信息量逐級遞減，伴隨著高效特征的提取和噪音去除，沒有這一層次化結構，自然無法逐級地把信息提純。而在人腦語義等高級加工中，視覺和聽覺信息的內(nèi)在聯(lián)系也極為密切。當我們看見蘋果的圖片時，會自然而然地想起“pingguo”這個聲音，聽到“Apple”這一聲音信息時也會自然復現(xiàn)紅色的圓圓的水果的印象。視覺和聽覺信息的有機組合，自然離不開特異性的結構，頂葉皮層參與了視覺和聽覺信息的整合，這種結構絕非偶然，與其位于顳葉（聽覺加工皮層）和枕葉（視覺加工皮層）之間的結構信息關系密切。類似地，我們還可以推敲聽覺語言區(qū)（威爾尼克區(qū)）和運動語言區(qū)（布羅卡區(qū)）之間的精巧結構布局，前者位于顳上回，近聽覺皮層，負責言語理解，而后者位于額下回，近運動區(qū)，恰好負責言語表達（自然需要嘴部運動參與），此外，兩個腦區(qū)間還存在弓狀束，承擔起信息傳輸?shù)墓饫|的職責。這樣的結構安排完美地將聽和說的功能截然分開，并行工作，又保證密切聯(lián)系。

讓我們再回憶一下自上而下加工的例子，人和計算機視覺進行復雜場景的物體加工都可以使用顯著性圖（大尺度的整體特征），指導進一步的精細信息識別，但人在結構上還有眼球，這是計算機所沒有的。人類有兩個眼球，還可以快速轉動，這種眼球運動常常不需要人腦有意識地參與。目前，計算機的攝像頭是否可如此靈活地轉動？與控制系統(tǒng)的信息交流是否可如此順暢？“上級”的調(diào)度是否可如此靈活？人的優(yōu)勢恐怕與結構上的特點不無關系。

學習，不斷學習

對人腦認知功能及其對應的結構特點有了大概的了解后，一個更大膽的假設是，人腦這樣的結構和功能是學習出來的。是經(jīng)過億萬年的進化，暴露于復雜視聽覺環(huán)境中，經(jīng)過不斷學習（經(jīng)驗）、淘汰（自然選擇）、積累（遺傳）實現(xiàn)的。就學習的本質而言，人的學習和機器的學習并無質的差別，都依賴于從樣本中總結經(jīng)驗并保持（不考慮遷移、類比、聯(lián)想）。與熱門的深度學習算法不太一致的地方在于，人腦學習的內(nèi)容不僅僅是參數(shù)，更為了降低能量消耗，大幅度優(yōu)化層次化結構，即結構和參數(shù)一起學；并且將學習的結果（優(yōu)化的結構和分化的功能）以遺傳的形式保持下來，這樣可以使后代不斷受惠于億萬年的學習和訓練。比照這樣高強度的、長時間的、超大樣本的學習，現(xiàn)有的機器學習算法恐怕還沒有機會如此實踐，不過我們有理由相信，隨著各行業(yè)大數(shù)據(jù)技術的發(fā)展，模擬人的進化過程，讓機器不斷學習，優(yōu)化出人類層次化的加工結構并負責類似的功能，進一步整合視聽覺的特征，產(chǎn)生跨模態(tài)的抽象概念是有可能實現(xiàn)的。

機器人？機器？人？

使機器人具有類似人的智能，是機器人領域的研究者長久以來的夢想。學習、借鑒人腦智能的優(yōu)勢，無疑會促進這一目標的實現(xiàn)，而大樣本量的不斷學習以及層次結構和參數(shù)一起學習的策略，更對機器人的研究開發(fā)具有現(xiàn)實的指導意義。朝著這一目標不斷努力，有朝一日機器人也許會產(chǎn)生抽象的概念。自動化的加工和連接式存儲的實現(xiàn)則是聯(lián)想、推理和遷移的基礎，加之自上而下調(diào)節(jié)的實現(xiàn)，使得機器人可能具有人類意義下的注意功能，這一切的有機運行，伴隨著機器對自身加工好壞的實時反饋和元認知（類似人認知過程的認知），對自身存在和運行狀態(tài)的覺知則可能是自我意識的基礎。那么也許有一天，我們會進一步檢測出機器特有的“意識”。機器人的功能不會完全等同于人，機器人發(fā)展的趨勢也難以預測。但現(xiàn)階段機器人服務的對象還是人，這意味著機器人的結構和算法開發(fā)的最終檢驗標準是人，即無論是自然語言處理還是機械手臂，人們不可避免地按照人的尺度、規(guī)則和效率來要求機器。既然如此，那么具有類似人的結構和功能特點的機器人，可能是讓機器人的服務更符合人類需求的必由之路。