腦科學(xué)的新手段新技術(shù)：信息＋系統(tǒng)＋智能視角

吳朝暉 潘綱

腦科學(xué)主要研究人與動(dòng)物的腦結(jié)構(gòu)與腦功能，闡明大腦的工作機(jī)制。近年來，隨著各種不同層次測(cè)量大腦活動(dòng)與行為的新技術(shù)、新手段的出現(xiàn)，神經(jīng)科學(xué)研究得到了快速發(fā)展。不管是在分子水平、細(xì)胞水平，還是在神經(jīng)網(wǎng)絡(luò)與神經(jīng)回路水平，或系統(tǒng)和整體水平，都取得了重要突破，使人們更加清楚地了解神經(jīng)系統(tǒng)物質(zhì)、能量和信息的活動(dòng)規(guī)律與基本機(jī)制。

腦科學(xué)與信息技術(shù)的結(jié)合發(fā)展正成為重要趨勢(shì)：（?。┠X科學(xué)研究大量借助信息手段；（ⅱ）一些信息技術(shù)的發(fā)展也利用腦科學(xué)研究成果。由于信息手段的介入，近年來國際上正興起新一輪的腦科學(xué)研究熱潮。例如，2013年初，歐洲聯(lián)盟啟動(dòng)投入超過10億歐元的人腦10年計(jì)劃，主要目標(biāo)是從基因活性到神經(jīng)細(xì)胞間的相互作用等基礎(chǔ)出發(fā)，用超級(jí)計(jì)算機(jī)對(duì)人腦功能進(jìn)行精細(xì)建模與模擬，構(gòu)建基于硅的大腦；不約而同，2013年4月，美國也宣布啟動(dòng)預(yù)計(jì)將投入超過10億美元的腦計(jì)劃，目前主要目標(biāo)是研發(fā)新技術(shù)測(cè)量大腦每個(gè)神經(jīng)活動(dòng)及連接，繪制大腦活動(dòng)全圖。腦科學(xué)和未來信息計(jì)算的結(jié)合發(fā)展，必將催生腦信息大數(shù)據(jù)計(jì)算、新型計(jì)算理論、新式信息技術(shù)平臺(tái)、以及更多的新型應(yīng)用。

1 腦機(jī)融合

隨著腦科學(xué)與信息技術(shù)的進(jìn)一步交叉，腦與機(jī)器的融合正成為未來發(fā)展的重要趨勢(shì)與研究熱點(diǎn)。近十幾年腦科學(xué)研究與信息技術(shù)的交叉發(fā)展，大致呈現(xiàn)為3個(gè)階段：（?。┣?0年研究更多是從生物角度認(rèn)識(shí)腦，包括從細(xì)胞結(jié)構(gòu)、神經(jīng)元連接、腦區(qū)交互以及大腦整體等不同層次進(jìn)行研究；（ⅱ）近10年則興起了從工程角度利用腦的研究，利用腦機(jī)接口技術(shù)建立腦和信息科學(xué)之間溝通的橋梁；（ⅲ）而下一個(gè)10年，正出現(xiàn)從信息角度融合腦的重要趨勢(shì)，新的腦數(shù)據(jù)、計(jì)算理論及各種應(yīng)用將不斷涌現(xiàn)。

腦機(jī)接口可看作是腦機(jī)融合的初級(jí)階段。隨著腦與信息科學(xué)的進(jìn)一步融合，早期的單向、開環(huán)形式的腦機(jī)接口，逐漸過渡到雙向、閉環(huán)形式的腦機(jī)交互，并將進(jìn)一步發(fā)展到腦與機(jī)深度結(jié)合、相互依賴的腦機(jī)融合階段。腦機(jī)融合可有多種表現(xiàn)形式，包括感知覺功能增強(qiáng)、生物智能與機(jī)器智能的融合及運(yùn)動(dòng)功能重建等。腦機(jī)融合不僅是腦科學(xué)研究與信息科學(xué)交叉的突破口，也是認(rèn)識(shí)腦、保護(hù)腦、創(chuàng)造腦的重要途徑。

2 信息視角：雙向閉環(huán)

從信息視角看，腦機(jī)融合系統(tǒng)是一個(gè)典型的信息處理系統(tǒng)。借助光電磁等各種技術(shù)，能夠從大腦中獲取豐富的腦活動(dòng)信息，并交由計(jì)算機(jī)對(duì)信息進(jìn)行分析，然后根據(jù)分析結(jié)果采用相應(yīng)的光電磁等各種刺激與調(diào)控途徑，多模態(tài)地反饋至大腦中。這將是一個(gè)典型的雙向閉環(huán)系統(tǒng)。在此視角下，腦機(jī)融合系統(tǒng)的瓶頸在于對(duì)腦信息獲取的準(zhǔn)確性、信息處理的高效性、以及信息輸入的有效性。

2.1 腦信息的獲取

腦信息的在體獲取手段方法多種多樣，以下列舉部分較為成熟的技術(shù)。（?。┠X電圖（electroencephalography，EEG）、皮層腦電圖（electrocorticogram，ECoG）、腦磁圖（magnetoencephalogram，MEG）等方法采集大腦自發(fā)產(chǎn)生的電場(chǎng)與磁場(chǎng)，并將采集的信號(hào)作為分析大腦工作的依據(jù)；（ⅱ）核磁共振成像（magneticresonance imaging，MRI）和磁共振波譜（magnetic resonance spectroscopy，MRS）等方法通過記錄大腦內(nèi)水分子與特定化學(xué)成分在強(qiáng)磁場(chǎng)中的不同表現(xiàn)來判斷大腦不同區(qū)域的結(jié)構(gòu)組成；（ⅲ）功能性核磁共振（functional magnetic resonance imaging，fMRI）和功能性近紅外光譜成像（functional nearinfrared spectroscopy，fNIRS）等方法利用大腦活動(dòng)時(shí)不同功能區(qū)域的血氧濃度差異來定位與特定功能相關(guān)的腦區(qū)；（ⅳ）正電子發(fā)射成像（position emission tomography，PET）和單光子發(fā)射計(jì)算機(jī)斷面成像（single-photon emission computed tomography，SPECT）等方法利用大腦不同區(qū)域葡萄糖代謝水平的不同，來判斷腦區(qū)之間的活躍程度。

腦信息的獲取手段雖然日益豐富，但是信息的時(shí)空分辨率亟待進(jìn)一步提高。當(dāng)前的腦信息獲取方法雖然可以達(dá)到較高的時(shí)空分辨率，但是與細(xì)胞水平的空間尺度以及神經(jīng)元電位變化的時(shí)間尺度之間依然存在差距。因此，實(shí)現(xiàn)腦機(jī)融合仍需要腦信息提取手段在時(shí)空分辨率上進(jìn)一步提高。

2.2 腦數(shù)據(jù)的處理

腦科學(xué)大數(shù)據(jù)的處理亦構(gòu)成腦機(jī)融合的一大挑戰(zhàn)。據(jù)統(tǒng)計(jì)，大鼠（Rattus norvegicus）腦內(nèi)約包含1萬億個(gè)突觸連接1億個(gè)神經(jīng)元，而人腦內(nèi)包含約1000億個(gè)神經(jīng)元與1000萬億個(gè)突觸，是大鼠腦的1000倍。從生物組織看，數(shù)據(jù)量更大，僅1 mm3的腦組織即可產(chǎn)生2000 TB的電子顯微鏡數(shù)據(jù)，1個(gè)小鼠（Mus musculus）大腦可產(chǎn)生60 PB數(shù)據(jù)，而人腦可產(chǎn)生高達(dá)200 EB數(shù)據(jù)。

與腦信息大數(shù)據(jù)形成鮮明對(duì)比的是，傳統(tǒng)馮諾依曼計(jì)算機(jī)的發(fā)展正面臨著“內(nèi)存墻”與“功耗墻”等難題。多核體系架構(gòu)的出現(xiàn)雖然一定程度上減緩了壓力，但在同等條件下計(jì)算能力的提高將帶來越來越高的系統(tǒng)復(fù)雜性。

人腦與傳統(tǒng)馮諾依曼計(jì)算機(jī)相比，在處理海量數(shù)據(jù)上展現(xiàn)了無與倫比的優(yōu)勢(shì)：（?。┤四X可以與外界交互自主學(xué)習(xí)，無需顯式編程；（ⅱ）人腦能夠容忍部分神經(jīng)元死亡或萎縮，具有高度可塑性與系統(tǒng)容錯(cuò)性；（ⅲ）人腦擁有1011個(gè)神經(jīng)元及1015個(gè)突觸，存在巨大的并行性及高度的連接性；（ⅳ）人腦擁有100 Hz的低運(yùn)算頻率以及每秒幾米的低通信速度，僅需約20 W的功耗，而基于傳統(tǒng)馮諾依曼體系結(jié)構(gòu)建造一個(gè)與人腦復(fù)雜程度相等的計(jì)算機(jī)則需要近100 MW的能量。

正是由于人腦在處理大數(shù)據(jù)問題中顯現(xiàn)的各種優(yōu)勢(shì)，以人腦為原型的類腦芯片在近幾年成為研究熱點(diǎn)，類腦計(jì)算成為處理大數(shù)據(jù)的新方向之一。構(gòu)建類腦計(jì)算機(jī)不僅有助于更加高效地處理、利用海量腦數(shù)據(jù)，從而更好地實(shí)現(xiàn)腦機(jī)融合，還有助于加深對(duì)大腦工作機(jī)理的理解，從而進(jìn)一步完善類腦芯片的設(shè)計(jì)與實(shí)現(xiàn)。

2.3 腦信息的輸入

腦機(jī)融合不僅要求獲取并解讀腦信息，還需要計(jì)算機(jī)能夠?qū)⑿畔⒕幋a后傳入生物體，以此來調(diào)節(jié)、增強(qiáng)、甚至控制生物體的部分功能，達(dá)到感知覺與智能增強(qiáng)及運(yùn)動(dòng)功能重建等目的。

目前已有較多應(yīng)用借助腦信息的輸入達(dá)到智能增強(qiáng)與運(yùn)動(dòng)重建的目的，典型的應(yīng)用包括各類動(dòng)物機(jī)器人，人類利用腦刺激進(jìn)行神經(jīng)康復(fù)的案例等。

過去腦機(jī)接口系統(tǒng)的信息傳輸方式大多數(shù)為單向形式。2011年，Nicolelis團(tuán)隊(duì)在《Nature》雜志上報(bào)道了一種新型腦—機(jī)—腦信息通路的雙向閉環(huán)系統(tǒng)，在記錄猴子大腦神經(jīng)信息進(jìn)行解碼的同時(shí)將猴子觸覺信息轉(zhuǎn)化為電刺激信號(hào)反饋到大腦，真正實(shí)現(xiàn)了腦機(jī)交互。

利用大腦的可塑性，結(jié)合機(jī)器學(xué)習(xí)構(gòu)建腦機(jī)相互適應(yīng)的系統(tǒng)，可以提高腦機(jī)融合的效果。但是要實(shí)現(xiàn)腦機(jī)融合系統(tǒng)中兩種截然不同的智能體的有效協(xié)作及相互適應(yīng)，依然需要進(jìn)一步建立生物智能與機(jī)器智能直接互連的信息通道與交互模式，使得機(jī)器與生物能夠達(dá)成協(xié)同感知、認(rèn)知及執(zhí)行的目的，形成更為復(fù)雜的腦機(jī)融合系統(tǒng)。

3 系統(tǒng)視角：分層融合

從系統(tǒng)視角看，腦機(jī)融合是一個(gè)跨界的復(fù)雜系統(tǒng)。大腦與機(jī)器的工作機(jī)制有著天壤之別，如何將這兩個(gè)智能體有機(jī)地結(jié)合起來，是腦機(jī)融合系統(tǒng)亟需解決的問題。雖然大腦和機(jī)器的結(jié)構(gòu)不同，腦信號(hào)處理機(jī)制與計(jì)算機(jī)信息處理卻存在多種相似性：（?。┠X與機(jī)器都采用電信號(hào)作為信息傳遞的載體及信號(hào)運(yùn)算的物理手段；（ⅱ）腦信號(hào)由不同腦皮層分層次、分階段處理，這一層次化的特點(diǎn)在機(jī)器系統(tǒng)中亦非常見；（ⅲ）與機(jī)器的模塊化相似，特定腦皮層區(qū)大致負(fù)責(zé)特定的感知功能或認(rèn)知功能，如視覺區(qū)、聽覺區(qū)、運(yùn)動(dòng)區(qū)、海馬區(qū)等。

大腦與機(jī)器的這些相似點(diǎn)，為腦機(jī)融合系統(tǒng)的構(gòu)架帶來了可能。最近，本團(tuán)隊(duì)以此提出一個(gè)層次化的腦機(jī)融合計(jì)算框架。在此框架中，生物端包含記憶層與意圖層、決策層及感知與行為層3個(gè)層次，而機(jī)器端亦包含目標(biāo)層和知識(shí)庫、任務(wù)規(guī)劃層及感知與執(zhí)行層3個(gè)層次。生物端與機(jī)器端內(nèi)部各層之間相互依賴，生物端與機(jī)器端之間則形成跨界的系統(tǒng)結(jié)構(gòu)。在這個(gè)框架下：（?。C(jī)器能夠直接或間接影響生物的記憶層與意圖層工作，從而最大程度地發(fā)揮與拓展生物智能。例如，Berger等人通過光遺傳學(xué)等手段重建和增強(qiáng)了大鼠的記憶能力，Ramirez等人通過神經(jīng)調(diào)控在小鼠腦中形成虛假記憶等；（ⅱ）機(jī)器與生物能夠相互協(xié)作，達(dá)成某一行為決策。例如，Taylor等人借助猴子腦部的神經(jīng)細(xì)胞放電來控制三維空間內(nèi)假肢的運(yùn)動(dòng)，DiGiovanna等人讓大鼠（Rattus norvegicus）與機(jī)械臂根據(jù)指示燈的提示共同完成某種任務(wù)等；（ⅲ）生物可以借助機(jī)器的感知來拓展并利用自身信息獲取途徑。例如，Thomson等人讓小鼠在訓(xùn)練后學(xué)會(huì)利用佩戴在頭部的紅外探測(cè)器進(jìn)行探測(cè)，本團(tuán)隊(duì)在大鼠頭上佩戴一個(gè)微型攝像頭輔助大鼠進(jìn)行未知環(huán)境探索，還建立了大鼠對(duì)人的語音感知能力等。

本團(tuán)隊(duì)提出的層次化體系結(jié)構(gòu)為腦與機(jī)相互融合提供了一個(gè)參考的計(jì)算框架。此外，類腦計(jì)算的研究也可能給傳統(tǒng)計(jì)算機(jī)帶來巨大突破，尤其可能產(chǎn)生新型的計(jì)算體系結(jié)構(gòu)。一個(gè)可能是類腦芯片將作為傳統(tǒng)馮諾依曼架構(gòu)的一個(gè)協(xié)處理器拓展單元，與中央處理器（central processing unit，CPU）和圖形處理單元GPU（graphics processing unit，GPU）等傳統(tǒng)馮諾依曼架構(gòu)計(jì)算單元協(xié)同工作，以此來增強(qiáng)計(jì)算機(jī)的海量信息處理能力。在此架構(gòu)下，傳統(tǒng)計(jì)算單元依然能夠用于運(yùn)行包括操作系統(tǒng)在內(nèi)的傳統(tǒng)任務(wù)，而類腦芯片則可以用于運(yùn)行智能與學(xué)習(xí)相關(guān)的任務(wù)，從而將大大拓展傳統(tǒng)計(jì)算機(jī)的能力。

4 智能視角：混合增強(qiáng)

與計(jì)算機(jī)相比，人腦具備在復(fù)雜環(huán)境中整合理解多重信息并快速做出決策的能力，并對(duì)外界環(huán)境變化有很強(qiáng)的機(jī)動(dòng)性和適應(yīng)性。而計(jì)算機(jī)則在數(shù)值計(jì)算、快速檢索、海量存儲(chǔ)等方面具有明顯優(yōu)勢(shì)。

借助腦機(jī)接口技術(shù)，有望建立生物腦與機(jī)器腦兩者的互聯(lián)互通，進(jìn)而將生物智能和機(jī)器智能深度融合，從而形成新型智能形態(tài)——“混合智能”?；旌现悄芤陨镏悄芘c機(jī)器智能這兩類智能形式的深度融合為目標(biāo)，通過兩者相互連接通道，建立兼具生物環(huán)境感知、信息整合、運(yùn)動(dòng)能力，與機(jī)器及生物腦的記憶、學(xué)習(xí)等能力的新型智能系統(tǒng)。

腦與機(jī)的融合，一方面將大大推動(dòng)人工智能自身新模型與新方法的發(fā)展。依據(jù)腦認(rèn)知基礎(chǔ)研究闡明的神經(jīng)信息處理模式和機(jī)制，可研究類腦及腦機(jī)融合的人工智能新理論、新模型及新方法，包括模擬腦感認(rèn)知功能的新一代機(jī)器智能、腦機(jī)交互融合的混合智能等，使其可依據(jù)外界環(huán)境變化和功能需求改變而進(jìn)行自我演化；另一方面有望發(fā)展出類腦智能體和新型智能機(jī)器人。基于腦科學(xué)認(rèn)知基礎(chǔ)、腦機(jī)接口及腦機(jī)融合人工智能的研究成果，可研發(fā)基于非常規(guī)計(jì)算架構(gòu)、具備類腦功能的、新型的智能體與機(jī)器人，包括類腦仿生機(jī)器人、類腦控制無人機(jī)、腦機(jī)融合的機(jī)器化動(dòng)物（將機(jī)器同生物體結(jié)合以增強(qiáng)生物的運(yùn)動(dòng)與感認(rèn)知能力）等，使其在運(yùn)動(dòng)控制、感覺決策、環(huán)境適應(yīng)、人機(jī)交互等方面得到增強(qiáng)。

5 結(jié)論

信息技術(shù)在多方面為腦科學(xué)提供關(guān)鍵支持，有助于更有效地認(rèn)識(shí)腦、保護(hù)腦、創(chuàng)造腦。從信息角度，腦機(jī)融合不僅可為腦神經(jīng)和認(rèn)知科學(xué)家們研究腦結(jié)構(gòu)與功能提供關(guān)鍵的高效實(shí)驗(yàn)工具與平臺(tái)，也為醫(yī)學(xué)專家研究腦疾病機(jī)理與診斷提供重要幫助。從系統(tǒng)角度，腦與計(jì)算機(jī)深度融合后產(chǎn)生的腦機(jī)融合系統(tǒng)是一種全新的brain-in-loop的腦機(jī)混存復(fù)雜系統(tǒng)，有望突破馮諾依曼體系結(jié)構(gòu)，促進(jìn)腦與機(jī)器的相互調(diào)用、相互學(xué)習(xí)、相互適應(yīng)。從智能角度，機(jī)器智能與生物智能在很多方面形成相互補(bǔ)充、相互增強(qiáng)的勢(shì)態(tài)，推動(dòng)人工智能新理論新方法的發(fā)展，并促成類腦智能體和新型智能機(jī)器人。