從腦科學到人工智能

腦，尤其是人類的大腦，構(gòu)造非常復(fù)雜。腦有上百億的神經(jīng)元，還有分支等連接起來，是一個非常復(fù)雜的結(jié)構(gòu)。

生命科學發(fā)展至今，從基因組到單細胞，從轉(zhuǎn)化醫(yī)學到精準醫(yī)學，均取得了長足的發(fā)展。但是，人類自始至終還不夠明白，腦究竟起什么作用？腦的作用是非常復(fù)雜的，它有兩個系統(tǒng)，一個是從腦神經(jīng)到各個器官的連接系統(tǒng);另一個是通過免疫系統(tǒng)的再反饋系統(tǒng)。

這樣復(fù)雜的系統(tǒng)，怎樣把腦的東西了解清楚，一直是人類要探索的重要方向。尤其是在本世紀，科學家應(yīng)該力圖去解決這個問題。

神秘的腦科學

腦神經(jīng)的連接，是由800多個神經(jīng)元和整個器官免疫系統(tǒng)連接，加起來超過整個光纖網(wǎng)絡(luò)的總和。

在本世紀初，對于腦的困惑和問題主要集中在以下幾個方面？

一是我們居然不知道800多個腦神經(jīng)有哪些行為動作？二是我們不知道大腦的結(jié)構(gòu)圖。三是大腦的神經(jīng)元在控制我們的語音和視覺時，我們不知道哪些神經(jīng)元在視覺或者是聽覺中起作用？四是如何了解神經(jīng)細胞與個體行為的相關(guān)性？

所以，這四個方向是腦科學當前和今后要做的工作，它與人工智能有著密切的關(guān)系。

現(xiàn)代神經(jīng)生物學之父Cajal，是腦科學研究領(lǐng)域第一個獲得諾貝爾獎的人。100多年來有20多位科學家獲得了腦科學方面的諾貝爾獎。神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，信息傳遞、神經(jīng)細胞怎么傳遞，大腦認知和感知，還有其他的神經(jīng)科學，這些領(lǐng)域的研究產(chǎn)生了多個諾貝爾獎。網(wǎng)格細胞與人工智能有極大關(guān)系。

相比較于2013年的腦科學計劃，現(xiàn)在提出的研究計劃中多了一項內(nèi)容，即提出新一代人工智能的理論與方法。從機器感知、機器學習到機器思維和機器決策的顛覆性模型和人工智能的方式，這是腦科學的一個重要補充。

提到腦科學研究，美國相關(guān)研究分成四大組成部分，其中兩個部分都和觀測有關(guān)。具體圍繞在怎么去看細胞的信息傳遞和關(guān)聯(lián)關(guān)系，以及細胞本身的特點。這也意味著，觀測儀器是腦科學的重要工具。

進一步調(diào)研發(fā)現(xiàn)，在成像時：我們看到的分辨率足夠高時，看到的視野就非常小;而看到視野非常大時，分辨率就比較低。要做寬視場和高分辨率是核心的難題，怎樣巧妙設(shè)計這樣的系統(tǒng)？這里存在的問題非常大。

根據(jù)這方面的工作，我們也聯(lián)合了國內(nèi)幾家單位開始攻關(guān)。2009年我們在深圳開會，研討了到底需要什么樣的東西才能和我們的信息結(jié)合起來;2012年我們開始做腦皮層神經(jīng)、腫瘤轉(zhuǎn)移的觀測?，F(xiàn)在有清華大學、浙江大學、中國科學院上海生命科學研究院三家單位聯(lián)合研制，設(shè)計了一個計算攝像的系統(tǒng)。通過幾年的努力，我們完成了這樣一個儀器，其創(chuàng)新點是用儀器成像原理做了曲面、做成像，用多個傳感器取得曲面成像。

智能成像模型有兩個成果，一個是壓縮感知，我們提出了LOGSUM范數(shù)算法;一個是metric Learning度量學習，完成了一個算法的工作。通過幾年的工作，我們研制了很多儀器，如RUSH，實時的動態(tài)成像系統(tǒng)。

與國際上先進儀器相比，1cm×1.2cm的視場足夠大。通量越多，描述時間的細節(jié)越豐富。其最大的特點是國際上同類儀器中成像速度最快的，還有通量也是國際儀器中最大的。2017年，我們拍到了第一張全腦的圖。不同的顏色，代表了不同的深度。腦皮層達到了100μm。這張圖誕生于2017年7月，我們做的第一張完全事動態(tài)的圖，一張圖7個GB。這樣的儀器也帶來了很多生命科學的實驗。那么腦科學如何推動人工智能的發(fā)展呢？

推動人工智能發(fā)展

腦神經(jīng)元之間的信息傳遞機制是什么？怎么解釋人工智能才能提供生物學的范例？

國際上為了做這件事，也投入了1億美元，啟動了阿波羅腦計劃。想要摸清一個立方毫米10萬個神經(jīng)元的研究關(guān)系，包括活動和連接關(guān)系，最后形成大數(shù)據(jù)。我們在想，計算神經(jīng)元的模型和機器學習的模型能不能打通，能不能在這里找到他們是如何工作的。

實際上，現(xiàn)有人工智能基本上是同類大數(shù)據(jù)的學習，未來的人工智能會融入各種感知與記憶數(shù)據(jù)和信息傳遞機制是什么？現(xiàn)在我們還沒有找到這個信息傳遞的機制，我們硬學。

怎樣從感知到?jīng)Q策與控制，做到認知到?jīng)Q策與控制，這樣的一個工作使得人工智能具有主動性。

我們希望能夠通過腦觀測和腦認知的結(jié)合來做腦模擬?，F(xiàn)在我們的儀器，可以看到百萬級的神經(jīng)元，對于它的連接狀態(tài)是什么？現(xiàn)在還沒有看到它的視覺連接行為，雖然還沒有找到全部的鏈接，但是我們已經(jīng)找到了它聽覺和視覺的環(huán)路部分。

在國際上，我們是第一個看到小鼠聽音樂時全腦神經(jīng)元變化的團隊，包括小鼠在聽音樂時，神經(jīng)元的整個連接狀態(tài)。亞細胞級、結(jié)構(gòu)功能的統(tǒng)一，在國際上我們第一個拿出結(jié)果。

小鼠的狀態(tài)，對應(yīng)的神經(jīng)圖就是腦連接的狀態(tài)。同時，它的海馬區(qū)分層神經(jīng)元的連接狀態(tài)，在這里我們找到了部分信息傳遞的這種機制方式。這是一個毫米級的神經(jīng)元在傳遞。

我們希望分析它們的模型，找到它們的工作規(guī)律，為人工智能的信息傳遞機制帶來一些好的算法和模型。

因為這個儀器做出來以后，從2017年開始我們做了近兩年的生命科學和人工智能方面的實驗，也得到了國際上很多學者的關(guān)注。

目前，我們的分辨率和視場加起來不是國際最領(lǐng)先的，但我們的通量是領(lǐng)先的，要突破400nm，國際領(lǐng)先。元器件已經(jīng)完成了，希望未來能完成400nm最高分辨率集成。

現(xiàn)在我們有一個團隊專門做大數(shù)據(jù)分析，有10位老師帶著博士生討論清晰動物全腦實時成像數(shù)據(jù)，讓小鼠看不同的顏色、不同動態(tài)的物體，它的視覺環(huán)路是怎樣的？另外還要研究比如神經(jīng)網(wǎng)絡(luò)的記憶決策和控制的機制。同時又組成了兩個團隊在做微觀成像，就是分子成像，看個體細胞的特征和整體細胞的聯(lián)系。通過微觀和宏觀來看能不能做尺度上的總體成像，為人工智能提出一些新的線索和方式。這個研究非常復(fù)雜，也要持續(xù)的研究。

未來發(fā)展方向

第一個方向，生命是會發(fā)生變化的。生命進化到現(xiàn)在，隨著人工智能的發(fā)展以及材料科學的發(fā)展，未來的生命會發(fā)生新形態(tài)和新業(yè)態(tài)的變化，比如人造器官的出現(xiàn)，人工智能和我們的器官都已經(jīng)在一起，真正實現(xiàn)了一個主動式的人工智能。

第二個方向，意識的存儲問題。我們還有團隊正在調(diào)研腦聯(lián)網(wǎng)，就是解決國際上的下一個問題：意識能不能存儲。這個問題是比較前沿的，也正在做這方面的分析。希望能夠提出一點想法。

第三個方向是光電計算?，F(xiàn)在的電子計算機基于硅級的納米，量子計算離我們還有不遠的距離。因此我們提出了光電計算，把光子器件和硅基集成在一起，對人工智能的發(fā)展起到了非常大的作用。現(xiàn)今復(fù)雜的算法使得我們很多工作沒有辦法往下推進。光電計算如果用好了，是可以引領(lǐng)新一代摩爾定律的產(chǎn)生。如果光電計算形成，存儲和計算一體化就變成了什么？就變成了皮米級的工作?，F(xiàn)在是納米級的，如果做到皮米級的工作，可以帶來新的摩爾定律的變化。

（本文根據(jù)中國工程院院士戴瓊海公開演講整理而成，未經(jīng)本人確認。）