前言

我們?cè)?jīng)說過，在人工智能的研究中有一個(gè)流派，傾向于認(rèn)為對(duì)大腦的恰當(dāng)模擬會(huì)是制造出人工智能的關(guān)鍵，但事實(shí)上，直到今天我們對(duì)人腦的工作原理的了解仍然十分粗淺，更談不上對(duì)它的精確模擬了。對(duì)大腦的研究、以及對(duì)以此為基礎(chǔ)的人工智能的研究，早已脫離了單個(gè)學(xué)科可以應(yīng)對(duì)的范疇，而需要多個(gè)學(xué)科領(lǐng)域之間的相互協(xié)作?；蛟S只有最頂尖的人才才能理解，并最終推動(dòng)這些領(lǐng)域的進(jìn)步。

不過即使是我們目前對(duì)人腦非常淺薄的研究中得到的認(rèn)知，也已經(jīng)構(gòu)成了一幅無比美麗的畫卷。這其中蘊(yùn)含的奧妙讓我們絲毫不會(huì)懷疑，我們的大腦是世界上最精妙（同時(shí)居然是自然進(jìn)化出來的）結(jié)構(gòu)。而這些研究也告訴我們，無論是對(duì)人類的智能還是人工智能，我們都尚有太多太多可能的潛力沒有挖掘出來。如果條件成熟、腦科學(xué)同計(jì)算機(jī)科學(xué)能夠更加緊密的結(jié)合起來，沒有人能想象將會(huì)爆發(fā)出多大的能量。

在剛剛結(jié)束的中國人工智能大會(huì)CCAI2016上，來自中國科學(xué)院的外籍院士、中國科學(xué)院神經(jīng)學(xué)研究所長薄慕明院士給我們?cè)敿?xì)講解了目前在神經(jīng)科學(xué)領(lǐng)域研究的最新進(jìn)展。其演講中體現(xiàn)出來的嚴(yán)謹(jǐn)?shù)乃悸泛蛯?shí)驗(yàn)方法不禁讓人贊嘆，雷鋒網(wǎng)在此精編了整個(gè)演講實(shí)錄，并為大家做出了注釋，在大家閱讀的同時(shí)，不妨想象一下，在你閱讀的同時(shí)，你神奇的大腦內(nèi)密密麻麻的神經(jīng)細(xì)胞之間，又迸發(fā)出了怎樣的火花？

腦科學(xué)能為人工智能帶來什么？

演講者：蒲慕明

非常高興今天有機(jī)會(huì)能來參加這個(gè)會(huì)，今天我想把神經(jīng)科學(xué)里面的一些進(jìn)展和我個(gè)人的一些看法給大家做個(gè)報(bào)告，希望能幫助到人工智能的未來發(fā)展。

大腦的整體結(jié)構(gòu)

首先從最簡單的講起，神經(jīng)系統(tǒng)有兩大類，一是中樞神經(jīng)系統(tǒng)，包括大腦、小腦、腦干、脊髓，另一種是外周神經(jīng)系統(tǒng)，主管知覺還有各種內(nèi)臟自主神經(jīng)系統(tǒng)。我們所說的腦科學(xué)主要專注于大腦，所以，腦科學(xué)是神經(jīng)科學(xué)的一部分。而大腦最主要的部位就是大腦皮層，這是我們?nèi)祟愖畎l(fā)達(dá)的一個(gè)部位，大腦之下的很多結(jié)構(gòu)，叫皮層下結(jié)構(gòu)，是比較早期就出現(xiàn)了的，不過在進(jìn)化中，從猴到猩猩到人，這個(gè)皮層的結(jié)構(gòu)得到了極大的增長，這就是人類認(rèn)知的主要來源。

腦科學(xué)最主要關(guān)注的質(zhì)疑就是皮層的各種功能。現(xiàn)在我們已經(jīng)知道，大腦皮層的各個(gè)部位是分管各種功能的，就是說，功能是分區(qū)的，你的哪個(gè)區(qū)域受損，就會(huì)喪失相應(yīng)的腦功能。比如語言區(qū)域受損就不會(huì)說話，視覺皮層受損就會(huì)看不見，對(duì)此的實(shí)驗(yàn)我們已經(jīng)確認(rèn)過很多次，形成公認(rèn)的認(rèn)知了：我們可以通過正電子成像的方法觀察大腦的活動(dòng)——在正常人的大腦中注入葡萄糖，產(chǎn)生活動(dòng)的地方就會(huì)有信號(hào)，我們?cè)趯?shí)驗(yàn)中觀察到當(dāng)被測者看到文字或別的東西的時(shí)候總是腦后部的一塊區(qū)域有活動(dòng)，我們基本就可以確定這一塊是主管視覺的區(qū)域，我們讓他講幾句話，發(fā)現(xiàn)另外一個(gè)地方活動(dòng)，那這個(gè)地方基本就是語言區(qū)。但是我們觀察到一個(gè)非常令人驚訝的現(xiàn)象，我們讓他不做任何事，光想象幾個(gè)字，這時(shí)我們會(huì)發(fā)現(xiàn)整個(gè)大腦皮層到處都是活動(dòng)，這說明想象幾個(gè)字雖然看起來是個(gè)很簡單的事，但是實(shí)際上牽涉到了大腦的很多部位，到底為什么會(huì)這樣我們至今還沒有弄清楚，所以我們說思考在腦科學(xué)上怎么解釋，我們還是不清楚的。

雷鋒網(wǎng)注：

正電子成像術(shù)是目前腦成像技術(shù)中應(yīng)用的最廣的方法之一，通過注射含有微量不會(huì)影響人健康的放射性元素的葡萄糖，我們可以在大腦外部用儀器探測到其散發(fā)出的放射線，而大腦工作時(shí)會(huì)消耗能量，會(huì)吸收掉葡萄糖，也就是說此時(shí)我們只要觀察哪個(gè)區(qū)域的放射信號(hào)在變?nèi)酰湍芘袛嗄莻€(gè)區(qū)域正在工作。

“想象”會(huì)調(diào)用大部分腦神經(jīng)結(jié)構(gòu)的事實(shí)正好契合了一個(gè)假設(shè)：人的大腦的潛在運(yùn)算能力其實(shí)非常強(qiáng)大，但人類在進(jìn)行心算的時(shí)候其實(shí)是無法用最高效的手段完成計(jì)算的，因?yàn)槿四X沒有那個(gè)能力。人腦會(huì)先將算式轉(zhuǎn)化成腦中抽象的概念，這需要調(diào)用到視覺中樞的功能，在模擬計(jì)算的時(shí)候我們又要調(diào)用許多高級(jí)功能，甚至在運(yùn)算比較復(fù)雜的算式的時(shí)候，我們考慮退位、進(jìn)位，還需要調(diào)用記憶功能。正是這種“低效”的計(jì)算方法才導(dǎo)致大腦的計(jì)算能力完全無法匹敵計(jì)算機(jī)。

不管是在對(duì)魚的或者對(duì)什么動(dòng)物的腦部實(shí)驗(yàn)，還是對(duì)人的腦部實(shí)驗(yàn)里，我們都發(fā)現(xiàn)，即使他們?cè)诓蛔鋈魏问虑榈臅r(shí)候，腦部也是有許多自發(fā)活動(dòng)的，這些活動(dòng)的意義是什么，我們?nèi)匀徊磺宄?。這是神經(jīng)系統(tǒng)的研究目前面臨的一個(gè)大問題。

神經(jīng)元與突觸

為了進(jìn)一步的研究，我們把神經(jīng)系統(tǒng)進(jìn)行了切片。我們發(fā)現(xiàn)神經(jīng)系統(tǒng)里是密密麻麻的神經(jīng)細(xì)胞，如果我們只染色其中的少數(shù)細(xì)胞，我們會(huì)在顏色交界處發(fā)現(xiàn)其實(shí)它們有很多網(wǎng)狀結(jié)構(gòu)，這些網(wǎng)狀結(jié)構(gòu)就是所謂的神經(jīng)網(wǎng)絡(luò)，神經(jīng)系統(tǒng)的功能都是靠這些來實(shí)現(xiàn)的。人的大腦有上千億個(gè)神經(jīng)細(xì)胞，我們管它們叫神經(jīng)元，通過它們之間的互相連接，我們得到了一個(gè)由百萬億計(jì)的連接組成的一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)，用來進(jìn)行感知、運(yùn)動(dòng)、思維等各種功能，神經(jīng)元是有結(jié)構(gòu)的細(xì)胞，有輸入端也有輸出端，它的輸出端叫軸突，輸入端叫樹突（雷鋒網(wǎng)亂入：其實(shí)這一段好多東西高中生物都教過，紅紅火火恍恍惚惚）

我們?cè)谶@里演示一個(gè)斯坦福大學(xué)實(shí)驗(yàn)室做的一個(gè)實(shí)驗(yàn)，通過特定方法的熒光染色，我們發(fā)現(xiàn)小鼠大腦的內(nèi)部有很規(guī)則的也有非常復(fù)雜的網(wǎng)絡(luò)，在這張圖中，皮層上方的結(jié)構(gòu)排列比較整齊，下面的區(qū)域是另外一種樣式了。

我們剛才看到的叫做介觀層面（注：這是一種介于宏觀和微觀之間的尺度）。在這個(gè)層面我們可以最好的探究不同種類的神經(jīng)細(xì)胞有什么樣不同的作用。宏觀太大，而微觀又使他們之間的關(guān)系變得不明顯。繪出介觀層面的結(jié)構(gòu)只是第一步，我們需要理解這里面的功能，需要理解它們的功能信息處理和功能機(jī)制。在過去的許多年里，我們對(duì)這個(gè)問題已經(jīng)有了比較清楚的答案，而且這個(gè)過程中誕生了一連串的諾貝爾獎(jiǎng)：細(xì)胞之間傳遞信息靠的是脈沖，其中包含的信息是由脈沖的頻率和時(shí)序決定的，而與幅度無關(guān)。脈沖在細(xì)胞內(nèi)運(yùn)動(dòng)，而在細(xì)胞之間需要通信的時(shí)候，傳遞信息的細(xì)胞會(huì)從軸突上釋放出小泡，通過這些小泡中的化學(xué)物質(zhì)產(chǎn)生離子流動(dòng)造成電位變化，在膜外傳播到下一個(gè)接收細(xì)胞的樹突上，這個(gè)過程非常復(fù)雜，我們叫做化學(xué)突觸傳遞，由于過程經(jīng)過了細(xì)胞外，因此這個(gè)過程是可以調(diào)節(jié)的，我們可以通過外接手段促進(jìn)或者壓抑這個(gè)信號(hào)，從而干預(yù)這個(gè)傳遞的過程和結(jié)果。

雷鋒網(wǎng)注：

目前哪怕是做出一個(gè)200多層的好用的人工神經(jīng)網(wǎng)絡(luò)都已經(jīng)是值得大書特書一番的事情，而大腦中的神經(jīng)元如果硬要分層，不知道可以分成多少層了，當(dāng)然，雖然人工神經(jīng)網(wǎng)絡(luò)的靈感來源于人的神經(jīng)網(wǎng)絡(luò)，但它們的工作原理其實(shí)并不是很像。

生物好的小伙伴應(yīng)該記得（當(dāng)然如果忘記了也別氣餒XD），在高中的生物書上學(xué)到神經(jīng)元這一節(jié)的時(shí)候，老師應(yīng)該拿麻醉劑舉過例子，麻醉劑的原理就是通過藥物堵塞神經(jīng)細(xì)胞間的離子通道，讓代表痛覺的信號(hào)極少，乃至無法傳遞至我們的大腦中，從而達(dá)到暫時(shí)消除痛覺的目的，這正是這個(gè)傳播方式的典型案例。

另外，在每一個(gè)突觸釋放多少化學(xué)物質(zhì)，接受多少化學(xué)物質(zhì)，都可以改變，這讓突觸變得非常有可塑性。而這個(gè)突觸可塑性就是神經(jīng)系統(tǒng)里信息處理的非常重要的關(guān)鍵，也是我們說的認(rèn)知學(xué)習(xí)的關(guān)鍵，化學(xué)物質(zhì)在突觸產(chǎn)生的電信號(hào)我們叫突觸電位，興奮性突觸電位是使突觸后的膜電位有去極化下降，假如下降程度超過一個(gè)預(yù)值就發(fā)放脈沖，也就是神經(jīng)要發(fā)出的信號(hào)，但有些物質(zhì)產(chǎn)生超級(jí)化，就是使膜電位變的更高就會(huì)產(chǎn)生相反作用，一個(gè)神經(jīng)元接收到數(shù)百個(gè)甚至上千個(gè)輸入，我們叫做EPSP跟IPSP的輸入疊加之后，決定最后是不是超過閾值，超過閾值就發(fā)放，發(fā)放之后就是信號(hào)整合，就傳到下一個(gè)神經(jīng)元了，這是信息傳遞的原理。

環(huán)路、網(wǎng)絡(luò)、神經(jīng)活動(dòng)

接下來我們將更復(fù)雜一點(diǎn)的結(jié)構(gòu)：環(huán)路。我們可以這樣理解：神經(jīng)網(wǎng)絡(luò)的整體的互相連接叫網(wǎng)絡(luò)，而在網(wǎng)絡(luò)之間有很多各種特殊功能的路徑，這些路徑就叫環(huán)路。也就是說，神經(jīng)環(huán)路的意思就是神經(jīng)元上有特殊功能的網(wǎng)絡(luò)，也是軸突與樹突形成的，在這個(gè)網(wǎng)絡(luò)里抑制性神經(jīng)元有關(guān)鍵的作用。很多時(shí)候通過促進(jìn)和抑制的共同作用，我們才能完成一些行為活動(dòng)。

前面提到的這個(gè)神經(jīng)可塑性，我個(gè)人認(rèn)為是過去50年來對(duì)大腦的理解中最重要的理解，因?yàn)檫@個(gè)理解間接驗(yàn)證了一個(gè)假說：60年前加拿大的心理學(xué)家海布(Donald Olding Hebb)提出了這個(gè)假說：如果兩個(gè)細(xì)胞間多次發(fā)生同步的電活動(dòng)，那么它們突觸間的連接就會(huì)加強(qiáng)或者說穩(wěn)固，如果出現(xiàn)不同步的電活動(dòng)，這些突觸就會(huì)削弱甚至消失，我們管它叫海布學(xué)習(xí)法則?？梢岳斫鉃椋喝绻竽X經(jīng)常被同樣的東西刺激（在神經(jīng)元間產(chǎn)生同樣的電信號(hào)），大腦就會(huì)對(duì)這個(gè)東西越來越敏感。這個(gè)說法在70、80年代得到了實(shí)驗(yàn)證據(jù)：電活動(dòng)可以造成突觸的長期強(qiáng)化或者長期弱化現(xiàn)象。如果你刺激高頻刺激突觸，維持一秒鐘，刺激后的突觸點(diǎn)位會(huì)比刺激前上升，而且這個(gè)上升的幅度可以維持很長一段時(shí)間，而如果使用低頻刺激，結(jié)果會(huì)是相反的，效率會(huì)下降，變得弱化。最近也有實(shí)驗(yàn)室發(fā)現(xiàn)小鼠活體在進(jìn)行學(xué)習(xí)的過程中，在神經(jīng)元之間產(chǎn)生了新的突觸，后來經(jīng)過觀察，這種新的突觸的產(chǎn)生在成年個(gè)體的大腦里面也會(huì)出現(xiàn)，但是出現(xiàn)的頻率會(huì)遠(yuǎn)小于發(fā)育過程中。

海布的這個(gè)假說非常了不起，神經(jīng)元的可塑性也支持了他的假說。而這個(gè)假說進(jìn)一步推理下去，還可以形成對(duì)感知記憶形成原理的一個(gè)假說：感知信息傳遞到大腦中之后，強(qiáng)化了一群神經(jīng)元之間的聯(lián)系，而這些被強(qiáng)化的聯(lián)系其實(shí)就是記憶。這些被感知信息所刺激而加強(qiáng)的細(xì)胞叫海布細(xì)胞群，在這之后，由于它們之間的關(guān)聯(lián)性是非常強(qiáng)的，只要你能通過其中的一部分信息刺激它，就能通過這部分信息使整個(gè)細(xì)胞群重新開始活動(dòng)。從而提取出所有記憶。

雷鋒網(wǎng)注：

我們應(yīng)該都有過這樣的體驗(yàn)：如果我們主動(dòng)去回憶我們記住了什么東西，往往我們能想起的東西是非常少的，或許三天前的中午你吃過什么你根本就想不起來，可是如果你有一天想起，或者有什么額外的信息來源告訴你那天的中飯是跟一個(gè)很久沒有見面的好朋友一起吃的，可能在這個(gè)過程中你就把那天中午吃了什么乃至其他一些亂七八糟的細(xì)節(jié)全部一起想起來了。這個(gè)現(xiàn)象很好的符合了這個(gè)假說的內(nèi)容。

海布的假說有一個(gè)轉(zhuǎn)折，就像人工智能的發(fā)展一樣，每隔一段時(shí)間就有個(gè)轉(zhuǎn)折。原來海布的假說里說的同步，到底什么叫同步，兩個(gè)神經(jīng)元間放電的順序是怎樣，時(shí)間是怎樣？這個(gè)假說并沒有描述，所以后來很多實(shí)驗(yàn)都表明海布的假說應(yīng)該修正為一個(gè)時(shí)序的假說，突出前跟突出后的神經(jīng)元的先后，就是突觸前要是比突觸后先有電活動(dòng)就是強(qiáng)化，如果是后有電活動(dòng)就是弱化。

發(fā)育的過程中網(wǎng)絡(luò)的形成是一件很重要的事，我們觀察到人活著很多哺乳動(dòng)物剛出生之后是沒有什么網(wǎng)絡(luò)的，神經(jīng)元都有，但是它們之間的網(wǎng)絡(luò)是非常少的，大部分網(wǎng)絡(luò)都是在出生之后建立的，學(xué)習(xí)的過程也就是這個(gè)網(wǎng)絡(luò)變成一個(gè)復(fù)雜有效的網(wǎng)絡(luò)的過程，在發(fā)育期這樣新突觸的形成是非常頻繁的，網(wǎng)絡(luò)的復(fù)雜度增加的非?？?。而成年后這個(gè)過程仍然會(huì)有，但會(huì)減少很多。因?yàn)榇蠖鄶?shù)位置已經(jīng)經(jīng)過了改變，很少再有空間用來進(jìn)行新的調(diào)節(jié)和新的突觸建立了。

下面終于講到人工智能了?，F(xiàn)在流行的深度學(xué)習(xí)其實(shí)就是基于人工神經(jīng)網(wǎng)絡(luò)的一個(gè)很好的應(yīng)用，而這些人工神經(jīng)網(wǎng)絡(luò)都是從神經(jīng)科學(xué)的一些規(guī)律中得到的靈感。通過結(jié)果反饋改進(jìn)網(wǎng)絡(luò)中的參數(shù)。最終得到很好的結(jié)果，不過關(guān)于如何調(diào)整網(wǎng)絡(luò)，人工神經(jīng)網(wǎng)絡(luò)和人的神經(jīng)網(wǎng)絡(luò)是不一樣的，你要通過輸出改變輸入的效率，信息的傳遞是從輸入到輸出的方向的，你怎么把輸出的信號(hào)傳回去呢？人的神經(jīng)里顯然不是用數(shù)學(xué)算法來做這個(gè)事的，神經(jīng)系統(tǒng)沒有這個(gè)機(jī)制。

雷鋒網(wǎng)注：

因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)通常是通過通過對(duì)預(yù)期結(jié)果與實(shí)際結(jié)果的差值、節(jié)點(diǎn)權(quán)重等數(shù)據(jù)的運(yùn)算后直接對(duì)節(jié)點(diǎn)進(jìn)行調(diào)整的，但是突觸的結(jié)構(gòu)決定了人的神經(jīng)網(wǎng)絡(luò)中的信號(hào)傳遞只能是單向的，輸出信號(hào)如何反饋給輸入呢？蒲慕明和他的團(tuán)隊(duì)做了一個(gè)實(shí)驗(yàn)

我們培養(yǎng)了一群互相連接的細(xì)胞，就記錄其中四個(gè)細(xì)胞，他們之間有有16個(gè)連接，不過最開始這16個(gè)連接點(diǎn)其實(shí)只有9個(gè)連接點(diǎn)是有電活動(dòng)的，我們就想改變其中一個(gè)連接點(diǎn)的強(qiáng)度，看他會(huì)不會(huì)影響其他的連接點(diǎn)，比如我們把這個(gè)連接E1到E2的連接增強(qiáng)，突觸電位增強(qiáng)出現(xiàn)了，但是我們發(fā)現(xiàn)除了開始的這9個(gè)連接，有4個(gè)其他的連接也增強(qiáng)了，這個(gè)連接增強(qiáng)也造成其他的連接增強(qiáng)，這證明突觸電位的改變確實(shí)有一個(gè)擴(kuò)散，（輸出的信號(hào)通過某種方式傳遞到了輸入端去）我們對(duì)這個(gè)現(xiàn)象的規(guī)律進(jìn)行了研究，非常開心的寫了一篇文章，這篇文章發(fā)表在1997年的Nature雜志，題目叫做Propagation of activity dependent synaptic depression in simple neural networks，這篇文章創(chuàng)了兩個(gè)記錄，第一個(gè)是Nature長文，有10頁紙長，另外一個(gè)就是這篇文章是引用率最低的文章，因?yàn)楫?dāng)時(shí)沒人知道我們?yōu)槭裁匆鲞@個(gè)實(shí)驗(yàn)，神經(jīng)科學(xué)的人看到這個(gè)他不知道這個(gè)結(jié)果有什么用，人工智能的學(xué)者又不讀生物科學(xué)的文章，所以他的引用率是最低的，不過到今年現(xiàn)在慢慢開始上升了，我希望大家對(duì)這個(gè)重視，我們花了10年功夫證實(shí)突觸的增強(qiáng)、抑制的反向跟側(cè)向傳播是存在的，這個(gè)現(xiàn)象我覺得是相當(dāng)有意思的，是不是我們?cè)谌斯ぶ悄苌弦部梢詰?yīng)用這個(gè)機(jī)制呢？

人工智能與腦神經(jīng)科學(xué)的相互借鑒

我總結(jié)一下剛剛這些內(nèi)容，在這里提出5類人工智能可能能從人類神經(jīng)網(wǎng)絡(luò)里借鑒的特性：

第一個(gè)特性，我們現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)里的節(jié)點(diǎn)沒有種類之分，我們所有的單元都是一樣的，但是神經(jīng)系統(tǒng)的關(guān)鍵就是抑制性的神經(jīng)元，沒有抑制性神經(jīng)元很多功能無法出現(xiàn)，抑制性的跟興奮性的神經(jīng)元還有亞型，不是說每一個(gè)單元都是同樣的性質(zhì)，有些單元對(duì)高頻信號(hào)有輸出反應(yīng)，對(duì)低頻沒有反應(yīng)，亞型有各種信號(hào)傳遞的特性，這都是未來人工智能可以考慮加進(jìn)去的特性，

第二點(diǎn)是在神經(jīng)網(wǎng)絡(luò)里面有順向的，現(xiàn)在都是順向的網(wǎng)絡(luò)，但是也有逆向的網(wǎng)絡(luò)也有側(cè)向的網(wǎng)絡(luò)，這都可以是抑制性也可以是興奮性聯(lián)接，局部網(wǎng)絡(luò)里面最關(guān)鍵三種網(wǎng)絡(luò)，一種是Feedback網(wǎng)絡(luò)，神經(jīng)元被激活之后自己軸突輸出到旁邊的抑制性神經(jīng)元回來抑制自己，所以他有控制，不是無限制不斷的高，他是可以壓制高幅度的電活動(dòng)，第二種是Feed-forward，除了輸入興奮性神經(jīng)元，同樣的輸入到旁邊的抑制性神經(jīng)元，通過延遲這個(gè)信號(hào)抑制神經(jīng)元，還有旁側(cè)的，把神經(jīng)系統(tǒng)一連串的信息尖銳化，因?yàn)橛幸粋€(gè)抑制性延遲，所以開始的時(shí)候有信息，后面一連串的信息把后面消掉，所以就時(shí)間變的更準(zhǔn)確，可以強(qiáng)化中間這個(gè)被刺激的神經(jīng)元，通過側(cè)向的抑制使旁邊的下降，這樣子可以突出該強(qiáng)化的通路，把不該強(qiáng)化的通路壓下去，這些都是抑制性神經(jīng)元造成的。

第三類最重要的可以借鑒的特性就是神經(jīng)突觸可塑性，有功能的可塑性，就是效率的增強(qiáng)或減低LTP（突觸長時(shí)增強(qiáng)）跟LTD（突觸長時(shí)抑制），這是我們最常見的，這其中我們需要注意的是增強(qiáng)跟削弱的規(guī)律是什么，我們可以依賴突觸前后電活動(dòng)的頻率決定LTP或LTD，但也可以依賴時(shí)序，就是突觸前跟突觸后的電發(fā)放順序，這些可以思考如何在人工神經(jīng)網(wǎng)絡(luò)里做到類似的應(yīng)用。還有一個(gè)就是結(jié)構(gòu)可塑性，就是這個(gè)突觸尤其在發(fā)育過程中有新生的有修剪的，這個(gè)連接是可以變化的，而人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)連接現(xiàn)在是不能變化的，而只能變突觸的權(quán)重。在計(jì)算所的實(shí)驗(yàn)室里我們已經(jīng)把這個(gè)聯(lián)接可變性加入進(jìn)去，發(fā)現(xiàn)有很好的效果，還有一個(gè)就是可塑性的傳播，LTD的傳播是我們的BP的來源，但是LTP為什么不可以傳播，傳播為什么一定要指定，可以有自己的逆向傳播、側(cè)向傳播，而且是可以自發(fā)的，不需要指令的神經(jīng)元自己的有序的傳播來進(jìn)行突觸的變化。

第四類，記憶儲(chǔ)存、提取與消退，按照我們說的假設(shè)，記憶是怎么回事呢，就是突觸群在感知記憶或者其他記憶激活的時(shí)候之間聯(lián)接增強(qiáng)或者結(jié)構(gòu)修剪，就是在進(jìn)行處理的網(wǎng)絡(luò)上的儲(chǔ)存，他這個(gè)儲(chǔ)存的修飾在神經(jīng)系統(tǒng)里面會(huì)隨時(shí)間消退，LTP、LTD不是長期的，你來一次的話過一陣子幾十分鐘之后就不見了，這是有道理的，因?yàn)椴皇撬械耐挥|都可以強(qiáng)化，都可以弱化的，這樣子的話你得不到有意義的信息，所以他有遺忘，這個(gè)短期記憶長期記憶是同樣的網(wǎng)絡(luò)可以進(jìn)行轉(zhuǎn)化，短期記憶就是可以消退的，有規(guī)則的重復(fù)性有意義的信息他可以把這個(gè)網(wǎng)絡(luò)之間突觸之間的強(qiáng)化和弱化轉(zhuǎn)化為長期的變化，結(jié)構(gòu)上的變化，這就是神經(jīng)系統(tǒng)的機(jī)制，記憶儲(chǔ)存是什么，就是在這個(gè)網(wǎng)絡(luò)使部分突觸群的活動(dòng)在線，就可以把這個(gè)記憶提取出來。人工智能中的強(qiáng)化學(xué)習(xí)里，現(xiàn)在是用算法來完成這個(gè)強(qiáng)化，但事實(shí)上我們可以考慮加入特別的神經(jīng)單元來做這個(gè)功能。

最后就是海布的理論，最有興趣的一個(gè)集群概念，這個(gè)海布的神經(jīng)元集群概念，就是嵌套的集群，可以用來做圖像的記憶，做概念的形成，這都是嵌套式集群，加入STDP之后可以變成時(shí)序，包括語言信息的儲(chǔ)存也是嵌套的，就是句子出現(xiàn)的時(shí)候產(chǎn)生的集群，這句話的集群跟另外一句話的集群不一樣，同樣的一個(gè)字一個(gè)語句，在不同的句子里面意義不一樣，就是因?yàn)椴煌募豪锩嫠a(chǎn)生了連接，所以這個(gè)集群可以把多成分多模態(tài)的信息放在一起，視覺的、聽覺、嗅覺的，都可以連在一起，不同模態(tài)的信息在網(wǎng)絡(luò)的不同區(qū)域處理，在神經(jīng)網(wǎng)絡(luò)里面自然網(wǎng)絡(luò)里面把這些怎樣捆綁不同模態(tài)的信息呢，他就是用同步的活動(dòng)在不同區(qū)域同時(shí)震蕩，或者震蕩有一個(gè)相差，一個(gè)先一個(gè)后，這也是同步來捆綁各種集群，輸入信息，在神經(jīng)系統(tǒng)中這是很重要的圖譜，視覺系統(tǒng)不是亂輸入，而是有圖譜，有些圖譜結(jié)構(gòu)已經(jīng)用在人工網(wǎng)絡(luò)里面開始使用了。

腦科學(xué)與類腦人工智能的協(xié)同發(fā)展也是我們未來的前景，強(qiáng)調(diào)相互共同支撐、相互促進(jìn)、共同發(fā)展，我是看到人工智能BP神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，讓我想知道在自然網(wǎng)絡(luò)中有沒有自然形成的，不需要指令的BP算法，發(fā)現(xiàn)有這個(gè)現(xiàn)象，現(xiàn)在那個(gè)現(xiàn)象發(fā)現(xiàn)之后還沒有回饋應(yīng)用到人工神經(jīng)網(wǎng)絡(luò)上去，所以我說假如再回饋到人工神經(jīng)網(wǎng)絡(luò)上，應(yīng)該也可以發(fā)現(xiàn)這個(gè)特性很有用，我想說的是，我們應(yīng)該就算是腦科學(xué)跟人工智能結(jié)合的一個(gè)最好的例子，腦科學(xué)可以應(yīng)用在人工神經(jīng)網(wǎng)絡(luò)上，反過來也是可以的，為了有效結(jié)合這兩個(gè)領(lǐng)域，中國科學(xué)院去年成立了腦科學(xué)智能技術(shù)卓越創(chuàng)新中心，這個(gè)中心跟一般的中心不一樣，我們真的在一起工作，我們相信未來哪一個(gè)國家的人工智能跟腦智能的融合協(xié)同發(fā)展進(jìn)展最好，那個(gè)國家就最有前途，希望大家未來關(guān)心腦智中心的發(fā)展，我今天就講到這里，謝謝。

后記

人類有太多的發(fā)明是從羨慕動(dòng)物擁有的能力開始，從仿生結(jié)構(gòu)開始發(fā)展一點(diǎn)一點(diǎn)的找到適合自己的最終產(chǎn)品形態(tài)的了。如果按照這條路來理解，人工智能未嘗不能理解成人類羨慕完了所有的動(dòng)物，終于開始想要模仿自己的最難的能力——智能了，之前的許多發(fā)明除了達(dá)到人類本身的愿望外，還為人類帶來了許多未曾想到的附加值（舉個(gè)不是很恰當(dāng)?shù)睦樱猴w機(jī)剛出現(xiàn)時(shí)，曾經(jīng)有多位身經(jīng)百戰(zhàn)的高級(jí)軍官認(rèn)定它在戰(zhàn)爭中發(fā)揮不了任何作用。），而人工智能的出現(xiàn)，或許也能給我們帶來我們現(xiàn)在根本想象不到的附加價(jià)值。而且，與其說我們會(huì)被人工智能所取代，更大的可能說不定是，就像現(xiàn)在的腦科學(xué)和計(jì)算機(jī)科學(xué)的緊密合作一樣，我們會(huì)與人工智能形成一種取長補(bǔ)短的合作，甚至共生？我們究竟能不能在有生之年看到這一切的發(fā)生？且讓我們拭目以待。

題圖來自 nipic.com

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。