1
| 本文作者： 黃鑫 | 2016-08-28 03:02 |
我們曾經(jīng)說過，在人工智能的研究中有一個流派，傾向于認(rèn)為對大腦的恰當(dāng)模擬會是制造出人工智能的關(guān)鍵，但事實上，直到今天我們對人腦的工作原理的了解仍然十分粗淺，更談不上對它的精確模擬了。對大腦的研究、以及對以此為基礎(chǔ)的人工智能的研究，早已脫離了單個學(xué)科可以應(yīng)對的范疇，而需要多個學(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，并最終推動這些領(lǐng)域的進(jìn)步。
不過即使是我們目前對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。這其中蘊含的奧妙讓我們絲毫不會懷疑，我們的大腦是世界上最精妙（同時居然是自然進(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)同計算機科學(xué)能夠更加緊密的結(jié)合起來，沒有人能想象將會爆發(fā)出多大的能量。
在剛剛結(jié)束的中國人工智能大會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詳細(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)乃悸泛蛯嶒灧椒ú唤屓速潎@，雷鋒網(wǎng)在此精編了整個演講實錄，并為大家做出了注釋，在大家閱讀的同時，不妨想象一下，在你閱讀的同時，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？
演講者：蒲慕明
非常高興今天有機會能來參加這個會，今天我想把神經(jīng)科學(xué)里面的一些進(jìn)展和我個人的一些看法給大家做個報告，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，大腦皮層的各個部位是分管各種功能的，就是說，功能是分區(qū)的，你的哪個區(qū)域受損，就會喪失相應(yīng)的腦功能。比如語言區(qū)域受損就不會說話，視覺皮層受損就會看不見，對此的實驗我們已經(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——在正常人的大腦中注入葡萄糖，產(chǎn)生活動的地方就會有信號，我們在實驗中觀察到當(dāng)被測者看到文字或別的東西的時候總是腦后部的一塊區(qū)域有活動，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)另外一個地方活動，那這個地方基本就是語言區(qū)。但是我們觀察到一個非常令人驚訝的現(xiàn)象，我們讓他不做任何事，光想象幾個字，這時我們會發(fā)現(xiàn)整個大腦皮層到處都是活動，這說明想象幾個字雖然看起來是個很簡單的事，但是實際上牽涉到了大腦的很多部位，到底為什么會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，而大腦工作時會消耗能量，會吸收掉葡萄糖，也就是說此時我們只要觀察哪個區(qū)域的放射信號在變?nèi)酰湍芘袛嗄莻€區(qū)域正在工作。
“想象”會調(diào)用大部分腦神經(jīng)結(jié)構(gòu)的事實正好契合了一個假設(shè)：人的大腦的潛在運算能力其實非常強大，但人類在進(jìn)行心算的時候其實是無法用最高效的手段完成計算的，因為人腦沒有那個能力。人腦會先將算式轉(zhuǎn)化成腦中抽象的概念，這需要調(diào)用到視覺中樞的功能，在模擬計算的時候我們又要調(diào)用許多高級功能，甚至在運算比較復(fù)雜的算式的時候，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”的計算方法才導(dǎo)致大腦的計算能力完全無法匹敵計算機。
不管是在對魚的或者對什么動物的腦部實驗，還是對人的腦部實驗里，我們都發(fā)現(xiàn)，即使他們在不做任何事情的時候，腦部也是有許多自發(fā)活動的，這些活動的意義是什么，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，我們會在顏色交界處發(fā)現(xiàn)其實它們有很多網(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現(xiàn)的。人的大腦有上千億個神經(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，我們得到了一個由百萬億計的連接組成的一個復(fù)雜的神經(jīng)網(wǎng)絡(luò)，用來進(jìn)行感知、運動、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：其實這一段好多東西高中生物都教過，紅紅火火恍恍惚惚）
我們在這里演示一個斯坦福大學(xué)實驗室做的一個實驗，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制。在過去的許多年里，我們對這個問題已經(jīng)有了比較清楚的答案，而且這個過程中誕生了一連串的諾貝爾獎：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序決定的，而與幅度無關(guān)。脈沖在細(xì)胞內(nèi)運動，而在細(xì)胞之間需要通信的時候，傳遞信息的細(xì)胞會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)生離子流動造成電位變化，在膜外傳播到下一個接收細(xì)胞的樹突上，這個過程非常復(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)或者壓抑這個信號，從而干預(yù)這個傳遞的過程和結(jié)果。
雷鋒網(wǎng)注：
目前哪怕是做出一個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，讓代表痛覺的信號極少，乃至無法傳遞至我們的大腦中，從而達(dá)到暫時消除痛覺的目的，這正是這個傳播方式的典型案例。
另外，在每一個突觸釋放多少化學(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預(yù)值就發(fā)放脈沖，也就是神經(jīng)要發(fā)出的信號，但有些物質(zhì)產(chǎn)生超級化，就是使膜電位變的更高就會產(chǎn)生相反作用，一個神經(jīng)元接收到數(shù)百個甚至上千個輸入，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)放之后就是信號整合，就傳到下一個神經(jīng)元了，這是信息傳遞的原理。
環(huán)路、網(wǎng)絡(luò)、神經(jīng)活動
接下來我們將更復(fù)雜一點的結(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，在這個網(wǎng)絡(luò)里抑制性神經(jīng)元有關(guān)鍵的作用。很多時候通過促進(jìn)和抑制的共同作用，我們才能完成一些行為活動。
前面提到的這個神經(jīng)可塑性，我個人認(rèn)為是過去50年來對大腦的理解中最重要的理解，因為這個理解間接驗證了一個假說：60年前加拿大的心理學(xué)家海布(Donald Olding Hebb)提出了這個假說：如果兩個細(xì)胞間多次發(fā)生同步的電活動，那么它們突觸間的連接就會加強或者說穩(wěn)固，如果出現(xiàn)不同步的電活動，這些突觸就會削弱甚至消失，我們管它叫海布學(xué)習(xí)法則。可以理解為：如果大腦經(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），大腦就會對這個東西越來越敏感。這個說法在70、80年代得到了實驗證據(jù)：電活動可以造成突觸的長期強化或者長期弱化現(xiàn)象。如果你刺激高頻刺激突觸，維持一秒鐘，刺激后的突觸點位會比刺激前上升，而且這個上升的幅度可以維持很長一段時間，而如果使用低頻刺激，結(jié)果會是相反的，效率會下降，變得弱化。最近也有實驗室發(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)生在成年個體的大腦里面也會出現(xiàn)，但是出現(xiàn)的頻率會遠(yuǎn)小于發(fā)育過程中。
海布的這個假說非常了不起，神經(jīng)元的可塑性也支持了他的假說。而這個假說進(jìn)一步推理下去，還可以形成對感知記憶形成原理的一個假說：感知信息傳遞到大腦中之后，強化了一群神經(jīng)元之間的聯(lián)系，而這些被強化的聯(lián)系其實就是記憶。這些被感知信息所刺激而加強的細(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細(xì)胞群重新開始活動。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：如果我們主動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很久沒有見面的好朋友一起吃的，可能在這個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。這個現(xiàn)象很好的符合了這個假說的內(nèi)容。
海布的假說有一個轉(zhuǎn)折，就像人工智能的發(fā)展一樣，每隔一段時間就有個轉(zhuǎn)折。原來海布的假說里說的同步，到底什么叫同步，兩個神經(jīng)元間放電的順序是怎樣，時間是怎樣？這個假說并沒有描述，所以后來很多實驗都表明海布的假說應(yīng)該修正為一個時序的假說，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就是強化，如果是后有電活動就是弱化。
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)的過程也就是這個網(wǎng)絡(luò)變成一個復(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?？?。而成年后這個過程仍然會有，但會減少很多。因為大多數(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。現(xiàn)在流行的深度學(xué)習(xí)其實就是基于人工神經(jīng)網(wǎng)絡(luò)的一個很好的應(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)算法來做這個事的，神經(jīng)系統(tǒng)沒有這個機制。
雷鋒網(wǎng)注：
因為人工神經(jīng)網(wǎng)絡(luò)通常是通過通過對預(yù)期結(jié)果與實際結(jié)果的差值、節(jié)點權(quán)重等數(shù)據(jù)的運算后直接對節(jié)點進(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)中的信號傳遞只能是單向的，輸出信號如何反饋給輸入呢？蒲慕明和他的團(tuán)隊做了一個實驗
我們培養(yǎng)了一群互相連接的細(xì)胞，就記錄其中四個細(xì)胞，他們之間有有16個連接，不過最開始這16個連接點其實只有9個連接點是有電活動的，我們就想改變其中一個連接點的強度，看他會不會影響其他的連接點，比如我們把這個連接E1到E2的連接增強，突觸電位增強出現(xiàn)了，但是我們發(fā)現(xiàn)除了開始的這9個連接，有4個其他的連接也增強了，這個連接增強也造成其他的連接增強，這證明突觸電位的改變確實有一個擴散，（輸出的信號通過某種方式傳遞到了輸入端去）我們對這個現(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)了兩個記錄，第一個是Nature長文，有10頁紙長，另外一個就是這篇文章是引用率最低的文章，因為當(dāng)時沒人知道我們?yōu)槭裁匆鲞@個實驗，神經(jīng)科學(xué)的人看到這個他不知道這個結(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，我希望大家對這個重視，我們花了10年功夫證實突觸的增強、抑制的反向跟側(cè)向傳播是存在的，這個現(xiàn)象我覺得是相當(dāng)有意思的，是不是我們在人工智能上也可以應(yīng)用這個機制呢？
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：
第一個特性，我們現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)里的節(jié)點沒有種類之分，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，不是說每一個單元都是同樣的性質(zhì)，有些單元對高頻信號有輸出反應(yīng)，對低頻沒有反應(yīng)，亞型有各種信號傳遞的特性，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，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，通過延遲這個信號抑制神經(jīng)元，還有旁側(cè)的，把神經(jīng)系統(tǒng)一連串的信息尖銳化，因為有一個抑制性延遲，所以開始的時候有信息，后面一連串的信息把后面消掉，所以就時間變的更準(zhǔn)確，可以強化中間這個被刺激的神經(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化的通路，把不該強化的通路壓下去，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，就是效率的增強或減低LTP（突觸長時增強）跟LTD（突觸長時抑制），這是我們最常見的，這其中我們需要注意的是增強跟削弱的規(guī)律是什么，我們可以依賴突觸前后電活動的頻率決定LTP或LTD，但也可以依賴時序，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。還有一個就是結(jié)構(gòu)可塑性，就是這個突觸尤其在發(fā)育過程中有新生的有修剪的，這個連接是可以變化的，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。在計算所的實驗室里我們已經(jīng)把這個聯(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候之間聯(lián)接增強或者結(jié)構(gòu)修剪，就是在進(jìn)行處理的網(wǎng)絡(luò)上的儲存，他這個儲存的修飾在神經(jīng)系統(tǒng)里面會隨時間消退，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，因為不是所有的突觸都可以強化，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網(wǎng)絡(luò)之間突觸之間的強化和弱化轉(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)的機制，記憶儲存是什么，就是在這個網(wǎng)絡(luò)使部分突觸群的活動在線，就可以把這個記憶提取出來。人工智能中的強化學(xué)習(xí)里，現(xiàn)在是用算法來完成這個強化，但事實上我們可以考慮加入特別的神經(jīng)單元來做這個功能。
最后就是海布的理論，最有興趣的一個集群概念，這個海布的神經(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之后可以變成時序，包括語言信息的儲存也是嵌套的，就是句子出現(xiàn)的時候產(chǎn)生的集群，這句話的集群跟另外一句話的集群不一樣，同樣的一個字一個語句，在不同的句子里面意義不一樣，就是因為不同的集群里面他產(chǎn)生了連接，所以這個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在不同區(qū)域同時震蕩，或者震蕩有一個相差，一個先一個后，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)有這個現(xiàn)象，現(xiàn)在那個現(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。
人類有太多的發(fā)明是從羨慕動物擁有的能力開始，從仿生結(jié)構(gòu)開始發(fā)展一點一點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（舉個不是很恰當(dāng)?shù)睦樱猴w機剛出現(xiàn)時，曾經(jīng)有多位身經(jīng)百戰(zhàn)的高級軍官認(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值。而且，與其說我們會被人工智能所取代，更大的可能說不定是，就像現(xiàn)在的腦科學(xué)和計算機科學(xué)的緊密合作一樣，我們會與人工智能形成一種取長補短的合作，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。
