独家专访：未来几年，人工智能＋脑科学会有哪些突破？

近年来，随着欧盟"人脑工程"和美国"BRAIN 计划"的开展，脑科学的新型方法和手段得到了快速发展。美国国立卫生研究院还于2012 年启动了耗资3000 万美元的"人脑连接组计划"（HCP）。

在中国，脑计划则在蒲慕明等专家的推动下有望于今年启动，这将是一个由中国科学家主导的国际大科学计划，新的机遇之中最引人注目的就是与人工智能的结合。

（来源：Pixabay）

那么，脑科学在过去几年有哪些令人难忘的发展，未来几年又可能有怎样的突破，我们又该如何理解人工智能与脑科学碰撞给社会带来的影响，以及科技巨头在这些突破中扮演的角色和影响？这是业内和社会都很关心的话题，也是11 月6-7 日即将在北京怀柔科学城召开的"细胞科学北京学术会议：人工智能和脑科学"（Cell Press Beijing Conference –AI and The Brain）讨论的焦点。

这场由北京市科学技术委员会指导，全球领先学术出版机构细胞出版社（Cell Press）主办的会议，将邀请20 余位国内外人工智能和脑科学领域的顶尖科学家分享他们正在进行的前沿科学研究，并围绕计算机和认知领域的最新科研进展，以及两个领域交叉所碰撞出的火花进行深入讨论。这是近年来该领域少有的国际化高端论坛，演讲嘉宾包括麦戈文脑研究所神经科学教授James DiCarlo，中国科学院神经科学研究所所长、中科院脑科学与智能技术卓越创新中心主任蒲慕明，加州大学旧金山分校神经外科学教授Edward Chang，以色列魏兹曼科学研究所Samy 和Ruth Cohn 计算机科学教授、魏茨曼AI 中心主任Shimon Ullman，约翰·霍普金斯大学神经科学彭博杰出教授Daeyeol Lee 等。

DeepTech 在会前采访到了蒲慕明教授、Daeyeol Lee 及Shimon Ullman 三位讲者，他们都是人工智能与脑科学领域的顶尖科学家，让我们看看他们针对以上业界和大众关注的问题将给出怎样的答案。

图| 自左到右为蒲慕明、Daeyeol Lee 及Shimon Ullman

• 脑科学突破何在？

蒲慕明曾经对脑科学的过去100 年的进展作过总结：在过去的一个世纪里，诺贝尔奖涉及的神经科学中的重要发现都跟大脑的信息编码、储存相关。但是，我们只对神经细胞如何处理信息了解得很清楚，对整个大脑复杂的网络结构了解不多。

脑科学研究的关键是要实现对神经元集群活动的实时观察，进而在全脑尺度上解析神经环路的功能和结构，那么高时空分辨率、大范围神经元集群电活动的同时检测就是一个目标。Shimon Ullman 认为，在脑科学研究手段上，这几年来一个激动人心的突破是高时空分辨率下大量脑神经元活动的可视化。

借助包括共聚焦、双光子成像等技术，"人脑连接组计划"关注的是大量神经元如何相互连接形成神经环路。对于"人脑连接组计划"的实施，Shimon Ullman 说，通过绘制大脑连接组，科学家得到了详细的皮质环路接线图，这可能促成人们对皮层计算理解的飞跃，进而开发出新一代的人工智能网络模型。这个研究还能够帮助理解大脑对自上而下计算和自下而上计算的集成，而这类集成应用范围较小，目前仅应用于部分现有的网络模型中，例如用于计算机视觉方面的网络模型。

（来源：Pixabay）

在Shimon Ullman 眼中，对新生婴儿的大脑连接与特定脑区的研究，可以让我们了解人脑的先天能力并将之用于通用人工智能。

Daeyeol Lee 则关注大脑的决策机制，他认为近期这个领域最主要的突破是原本在机器学习（如强化学习）或数学心理学（如漂移扩散模型）中假设的动态变化与大脑中单个神经元（通常位于皮层）活动之间的产生了强相关。其意义在于，我们已经在开始了解大脑中抽象认知过程了。Daeyeol Lee 说，"只有用数学语言来描述人类大脑时，我们才有可能理解这个复杂器官。"

对于近几年的研究进展，蒲慕明关注激活和抑制大群神经细胞电活动技术的进展。他认为这些新技术可以让科学家开始研究脑电活动与脑功能的因果关系：大脑是如何认知外界环境，并能对环境的变化作出适当的反应。这些技术也为脑疾病的治疗带来新契机。

• 强人工智能可能吗？

Shimon Ullman 专注于人类视觉系统对视觉信息的处理以及计算机视觉。他说，深度网络模型目前在两个方面还不具备模仿人类视觉的基本能力。其一，人类具备利用视觉从零开始学习的能力，无需管理即可理解和认识世界。其二是将视觉与认知结合起来的能力。这些能力上的欠缺部分反映了真实的大脑网络和当前模型中使用的网络结构之间的差异。

Shimon Ullman 预测说，未来可能是两个方向的结合。那么原则上有两条途径可以将两者整合：一是利用对人脑和认知的研究结果，将相似的结构和功能整合到人工智能中；二是以计算方法替代进化过程，通过计算机模拟来发现独立于人脑的有用结构和连接模式。

蒲慕明对强人工智能持保守看法。他说，要发展出完全像人一样的智能机器人，即能像人一样可以很快学会做各种任务、能自我成长、能具有人一样的共情心和社会行为、能像最好的朋友一样理解你的机器人，这还是极其遥远的事。"我认为这个世纪还做不到，有些神经科学家则认为这是根本不可能做到的。"

• 脑科学与AI 结合的影响

如今脑科学与人工智能相结合的应用已经遍及医疗保健、工程、科学、运输、制造业等领域，经济发展将越来越依赖智能机器，一些国家将此类技术视作核心竞争力。Shimon Ullman 说，在社会上，这些领域会引发隐私、安全、教育和收入差距等问题。在心理学层面，涉及到生活所有层面的高阶智能人工系统的存在可能会改变人们的决策方式，甚至会改变人们对"人何以为人"的认识。

（来源：Pixabay）

Daeyeol Lee 看好人工智能行为交互的发展空间，尤其是能够与人类群体进行有效交互的人工智能。他认为这需要我们对人类决策和认知的社会本质有更深入认识。

蒲慕明主要从事神经元发育、突触可塑性和认知功能的神经环路机制研究，他表示，未来10 年内，脑机接口和脑信号解码技术的发展将可以利用脑颅外（无创性）或颅内皮层上（微创性）电极芯片检测到的脑电信号来控制（甚至遥控）体外器件，也可以有器件能调控大脑的电活动，改变人的行为。但他也表示担心这些新技术肯定会带来伦理问题，比如谁可以用这些技术？用它们做什么事？如何管控它们的使用？

• 巨头参与的忧虑

在人工智能和脑科学结合的新闻中，马斯克的Neuralink 公司、Facebook 等巨头屡次登上头条。事实上，如今不少领域的技术发展是由科技巨头们引领的。

Shimon Ullman 肯定说，商业巨头过去一直在参与技术和科学的发展，比如贝尔实验室和IBM 贡献了不少于14 个诺奖成就。如今的时代特点是，商业巨头和科技巨头创建、采用和控制了主要的新技术，并使用了大数据来为私人服务，过去并没有这样的角色。

Shimon Ullman 分析说，从积极方面看，大公司和学术界在相互成就。大公司有更多资源和工程实力，可以解决各种实际问题。学术界则擅长以好奇心驱动来研究基本问题，这也是过去诸多最重要科学发现和技术发明的推动力。正确将两者结合则可能加速解决人类面对的一系列根本问题。

人们必须看到巨头参与的消极方面。蒲慕明说，商业是利益驱动的，只有在社会强制管控下他们才会考虑伦理问题。

Shimon Ullman 则表示，公司是自身利益驱动的，其利益不一定总与人类整体利益相一致。对于那些巨头，其技术和数据总有被公司滥用或他人获得其资源访问权限的风险。潜在风险正在日益严峻，如何对这些商业和科技巨头进行监管是一个迫在眉睫的重大问题。

三位科学家都将在11 月6-7 日北京怀柔科学城召开的"细胞科学北京学术会议：人工智能和脑科学"（Cell Press Beijing Conference –AI and The Brain）上做学术报告。James DiCarlo 将分享"通过脑科学与人工智能的协作，逆转工程人类视觉智能"的研究，蒲慕明教授将做题为《从自然到人工神经网络的突触可塑性》的学术报告，Daeyeol Lee 则将介绍"人工智能的革命"。另外，还有17 位世界顶尖科学家将围绕认知加工及分层计算、运动与实体、神经回路构建、图像处理与生物视觉、健康和疾病中的脑连接网络及神经网络中的学习、发展的自我组织等话题展开讨论。

图| 演讲嘉宾名单（来源：Cell Press）

大会学术主办方细胞出版社（Cell Press）及旗下神经学旗舰期刊《神经元》（Neuron）、综述性期刊《神经学趋势》( Trends in Neurosciences）的编辑们也将到会与科学家们同场交流。

来源：DeepTech深科技