1
前言
人腦的奧秘至今都吸引著許多科學家的探索，其實電腦本來也是這個探索的一項成果之一，雖然今天電腦的工作原理同人腦毫無相似之處，但這并不是它們的發(fā)明者的本意。目前，電腦對我們來說是一項優(yōu)秀的工具，但它無法幫我們洞悉智力的本質(zhì)，哪怕是現(xiàn)在流行的人工智能，同這個目標也相去甚遠。
不過有人已經(jīng)注意到了這一點并開始了一些相關的研究，在長沙舉辦的人工智能湖南論壇上，英國伯明翰大學計算機學院教授，英國伯明翰大學計算智能與應用研發(fā)中心主任姚新提到了自己在這個領域的一些研究和思考。雷鋒網(wǎng)對姚新教授進行了專訪，在采訪中，姚新教授同我們詳細的介紹了這門叫類腦計算的學科的緣起、發(fā)展、以及對未來的展望。
姚新：還是不太一樣的，類腦計算研究和關注的還是一些比較基礎性的理論。因為類腦智能是從腦科學和神經(jīng)科學的角度來進行研究的，是一個真正根本的科學理論，而我的研究實際上是從他們那里學習一些好的機理和思想，然后去探索怎么把他們的理論應用到計算機系統(tǒng)中去。
姚新：它的形成最初是基于一個非常樸素的觀察。我們發(fā)現(xiàn)現(xiàn)在計算機科學的發(fā)展方向其實不是100%按照我們最開始希望計算機去的那個方向發(fā)展的。在早期，至少在國內(nèi)，我們都管它叫電腦。從這個名稱就可以看出來最開始我們造計算機的時候其實是希望造出一個可以像人腦一樣工作的人工系統(tǒng)的。不過這么多年過去，我們發(fā)現(xiàn)現(xiàn)在的計算機跟人腦其實在某種程度上可以說是越走越遠。就比如說我們現(xiàn)在學計算機科學，一定要先學編程。把計算機跟人腦一比較，我們就可以發(fā)現(xiàn)人腦的學習能力和計算機的學習能力有著根本的差別。計算機就擅長一些比較“死”的東西，比如說計算一個數(shù)據(jù)，但是很多感知性的東西人做得特別快，比如識別人臉啊，或者自然語言的對話啊，甚至就算你不會湖南話，別人講十句你可能也能猜出來幾句。所以大家就想，我們是不是還是應該從自然界學一些知識應用到計算機中去，這樣就有了這門學科，其實追根溯源的話最早都能追溯到五六十年代去了。
姚新：主要還是想借鑒生物大腦的機理。通過了解生物大腦機理來想辦法把它變成計算機系統(tǒng)的一些算法，或者構造一些更像人腦的計算機系統(tǒng)。
姚新：人工神經(jīng)網(wǎng)絡是其中很典型的一個代表，包括現(xiàn)在還有一種叫演化算法的，是真正借鑒了生物進化的原理然后把它應用到計算機中的。
姚新：我對這些問題做了一些比較偏計算機科學的研究。我講了三個問題。
第一個是大腦和演化過程之間的關系，就是假定我們真的對類腦計算感興趣，或許我們應該對演化的過程做進一步深入的研究，否則你光看最終的結果，忽略這個過程，可能會錯過一些東西。
第二個研究是說環(huán)境可能會對我類腦人工智能的設計有很大影響。你讓那個系統(tǒng)做一件事和做兩件事，得到的東西是不一樣的?；蛘哒f，這個事情是一個靜態(tài)的事情還是一個動態(tài)的事情是不一樣的。舉個很簡單的例子，就是無論你說人工智能系統(tǒng)還是類腦系統(tǒng)還是什么，它都是有一個載體的。就是你把它放進一個計算機里面。這個載體我覺得現(xiàn)在單純做研究的考慮的不是太多。但生物界其實這種現(xiàn)象遍地都是。
這也是我想講的第三個點：我覺得智能的載體對智能系統(tǒng)的影響我們也要考慮進去。所有的大腦都有一個身體。生物界不存在光有大腦沒有身體的東西，所以這二者之間的結合也是一項很有趣的研究。對我們未來的研究也有很多啟發(fā)，比如我們對控制器和外形的形態(tài)的設計應該在設計算法時一同考慮進去而不是分開？而現(xiàn)在我們實際上是分開做這兩件事的。
姚新：沒錯，這二者應該是有很緊密的互相影響的。
姚新：我在我的演講中也講到了這個例子，這是我現(xiàn)在研究的一個方向：演化計算，這里面有一個概念，叫做共生演化?；蛘呓凶龉采O計。就是說，引進一個新的設計方法也好，將來設計一個人工智能系統(tǒng)的時候也好，要同時設計它的載體。讓我們用智能機器人舉個例子的話，一個設計的比較好的人工智能系統(tǒng)，在設計的時候就應該考慮到這個機器人將來的形態(tài)是什么樣子。因為形態(tài)對智能系統(tǒng)實際上是有影響的?，F(xiàn)在大家好像總是覺得四肢控制這個方向不用考慮，應該多考慮大腦的東西。實際上二者是不可分的。
姚新教授在演講中舉了一個線蟲的例子：線蟲的身體是一節(jié)一節(jié)的，通過肌肉的收縮舒張產(chǎn)生蠕動來移動。他們的團隊用計算機模擬了一個線蟲的神經(jīng)網(wǎng)絡，然后給線蟲下達一個盡快從一點游到另一點的例子，首先在這個目標下是沒有附加任何別的條件的，線蟲的神經(jīng)網(wǎng)絡很快形成了一個完美的對稱型。
不過后來姚教授他們給這個線蟲在任務目標不變的情況下施加了一個限制——規(guī)定了它的體態(tài)，使其不能再像之前那樣蠕動，很快神經(jīng)網(wǎng)絡進行了自適應，并且形成了與第一個狀態(tài)截然不同的狀態(tài)，如下圖所示。
在線蟲的行動受限的情況下，盡管行動目標完全沒有改變，但是由于身體狀態(tài)的改變，導致神經(jīng)網(wǎng)絡最終自動形成的模型發(fā)生了極大的變化，這就是姚新教授想通過這個實驗說明的：智能系統(tǒng)的設計需要考慮到這個智能的載體。
姚新：對的，二者應該是同時考慮的。
姚新：我覺得應該是用同樣一個系統(tǒng)完成不同的任務，我講了一個例子就是給一個人工神經(jīng)網(wǎng)絡系統(tǒng)。你讓它去做一件事，和讓它去做多件事，最后你得到的神經(jīng)網(wǎng)絡結果會非常不一樣。你讓人工神經(jīng)網(wǎng)絡去做一件事的時候，它不會出現(xiàn)模塊化的結構。而如果你讓一個神經(jīng)網(wǎng)絡去做多件事，它的模塊化結構就自己出來了。通過這個例子，我就想說明的是，不管你要做一個什么樣的系統(tǒng)。跟你想要這個系統(tǒng)去做什么事情有很大的關系。
姚新：在我做的這個研究里面還是自己出現(xiàn)的，不是我刻意設計的，我在演講中有提到，一個例子。
姚新：其實我不是這方面的專家，可能認知科學，或者腦科學方面的專家對這方面的研究會多一點，不過我們知道這個現(xiàn)象。
姚新：其實有兩個大方向，一個方向是從科學的理解來說，尤其是腦科學家，認知科學家這樣的專家，他們都對腦的工作機理非常感興趣。腦從本質(zhì)上來說它還是一個物理結構，分子原子這樣的組成。那抽象的智能是怎么樣在里面出現(xiàn)的呢？這個大家都很想知道。這就是其中的一個研究方向：了解它的工作原理，了解智能為什么會在其中出現(xiàn)。另外一個方向就跟計算機，科學家和工程師密切相關。就是現(xiàn)在你對機理已經(jīng)有一定的理解了。也從部分上知道腦是怎么工作的，你怎么把這些理解，抽象出來，變成計算系統(tǒng)和算法。這實際上也是一個很大的挑戰(zhàn)，不是說所有你理解的東西都能構造成比較好的計算結構的。
姚新：一個是我們對腦科學的理解還不夠，另外一個挑戰(zhàn)是把我們現(xiàn)在所知道的一些定性的概念，變成定量的描述。因為真正到了計算機模型里面，所有的東西必須是一個定量的參數(shù)。這是個很大的問題。
姚新：我們現(xiàn)在實際上是在往這個方面努力，其實大家現(xiàn)在都已經(jīng)意識到現(xiàn)在的人工智能系統(tǒng)都是只能做一件事的。下棋的就是下棋，識別圖像的就是識別圖像。沒有一個能同時完成這兩件事的系統(tǒng)，我們希望我們將來能做出這種系統(tǒng)。我們也希望通過對這種系統(tǒng)的設計和制造來幫助我們對智能有一個更量化和更深刻的理解。
雷鋒網(wǎng)：類腦計算在這個過程中也會起到很多的幫助?
姚新：我覺得類腦計算是一個很重要的研究方向，因為計算機研究其實是由兩個方向，一個方向就是我們通過人的聰明才智來設計更好的系統(tǒng)。這是一種自頂向下的設計方法。類腦計算有一點點自下向上的含義。什么意思呢？就是我通過觀察和理解生物界中的一些現(xiàn)象，然后將它們的特征抽象，建立成計算機模型，然后再看這個計算機模型能夠?qū)崿F(xiàn)的是有關智能行為中的哪一部分?，F(xiàn)在計算機確實在計算方面很厲害，但是涉及到感知的一些東西，計算機就不行了。類腦計算的研究對這些方面的進步很有幫助。這兩者能結合起來的話，我相信這些智能系統(tǒng)在某些方面確實是可以超過人類。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
