当脑科学研究“遭遇”未来机器人

□文/赵　地



当脑科学研究“遭遇”未来机器人

□文/赵地

近年来，发达国家纷纷发布各自的“脑计划”，而我国也早已对该研究进行布局，并发布了中国版“脑计划”。各国对于人脑的研究到底进展几何？脑科学研究又对于机器人技术的发展起到了何种关键作用？本文带你笃学一番。

现在，信息通信技术与生物学的融合已经到达了一定高度，所以让研究者们梦寐以求的、能够掌握人类大脑的愿景，有望成为现实。

方兴未艾的“脑计划”

2013年6月，美国白宫公布了“推进创新神经技术脑研究计划”；而在同年初，欧盟委员会也宣布“人脑工程”为欧盟未来10年的“新兴旗舰技术项目”；紧接着，2014 年9月，日本科学省亦宣布了大脑研究计划的首席科学家和组织模式。

美国侧重于绘制脑图并试图弄清人脑结构，欧洲则侧重于使用计算机模拟人脑……发达国家纷纷投入巨资，并将各自的“脑计划”提升至战略高度，可见这项工作的意义非常重大。

赵地 中国科学院计算机网络信息中心“百人计划”副研究员、计算机与应用数学专业博士

美国“脑计划”

美国的“脑计划”名为“推进创新神经技术脑研究计划”（Brain Research through Advancing Innovative Neurotechnologies，简称“BRAIN”），其进程有可能持续10年之久，以加速研发和应用新技术，使研究者看到脑的动态图景，显示各个脑细胞和复杂的神经回路如何以“思维的速度”相互作用。

“BRAIN”的脑模拟包含以下的研究内容：统计大脑细胞类型，建立大脑结构图，开发大规模神经网络记录技术，开发操作神经回路的工具，了解神经细胞与个体行为之间的联系，整合神经科学实验与理论、模型、统计学等，描述人类大脑成像技术的机制，为科学研究建立收集人类数据的机制，知识传播与培训等。

在欧洲的“人类脑计划”（Human Brain Project）和美国“脑计划”（BRAIN）中，大脑模拟是其重要的内容之一。

美国国家卫生研究院宣布，美国脑计划（BRAIN）将重点资助9个大脑研究领域（见图1）。这是美国相关政府科研机构首次公布“脑计划”的具体研究和实施细节。

图1　美国脑计划9大重点资助领域

欧盟人脑计划

欧盟人脑计划（Human Brain Project，简称“HBP”）于2013年入选了欧盟的未来旗舰技术项目，获得了10亿欧元的资金支持，共有26个国家的135个合作机构，数百名研究人员参与此计划，它也成为了全球范围内最重要的人类大脑研究项目之一。HBP主要任务是对人类大脑进行模拟，即是通过超级计算机的计算来整体模拟人类大脑。

在该项脑模拟计划中，研究者们打算继续开发人类大脑如何全面运作计算机模型。为实现该模型，研究者需要的是近1000PB的计算机，其能力超过当今超级计算机百倍甚至千倍。另外，它也将极大地加速人类对人脑结构和功能的全面理解，有助于人类更好地研究大脑疾病并发现更加优化的治疗方案，也会对现在开发基于人脑机理的信息通信技术起到极大的推动性意义。

“欧盟人脑计划”中对神经机器人的研究便是其中的典型代表，在计划开展的前30个月，该计划建设涉及神经信息学、大脑模拟、高性能计算、医学信息学、神经形态计算和神经机器人等6座大型试验与科研基础设施。可见，神经机器人研究的重要性。

“欧盟人脑计划”的重点领域如下：

第一，人脑计划的核心是信息和计算技术。这一计划将研发神经信息学、脑仿真和超级计算的ICT平台；

第二，全新的医学信息学平台将把全世界的临床数据都汇集起来，使医学研究人员得以提取有价值的临床信息，并结合到有关疾病的计算机模型中；

第三，仿神经计算平台和神经机器人学（neurorobotics）平台根据脑的构筑和回路研发新型的计算系统和机器人。

在信息和计算技术方面，通过应用云计算和分布数据库技术，再配合互联网和现代密码学，便有可能分析来自世界各处的科学研究与临床数据；通过各种数据挖掘技术和高性能计算，便有可能对大量数据进行分析，并在多个尺度上仿真脑模型，找出缺失之处，并设计新的实验以填补空白。通过仿神经计算技术则有可能造出更密集、能耗更低的计算装置，并促进神经机器人的研究。

图2　中国脑计划需要重点解决三个层面的认知问题

日本脑计划

日本也加入了脑模拟的行列。2013年，由日本和德国的研究人员合作，进行了一次较大规模的人脑神经模拟计算，在该计算中使用了超级计算机K Computer（中文名为“京”）。当时全球超级计算机世界排名第四的“京”，得出的结果是相当令人振奋的。当时模拟的是1秒内17.3亿神经细胞的活动情况，共计调用了K Computer的82944个处理器，并且使用了1PB内存进行计算，为数十年后的脑模拟带来了希望。

中国版“脑计划”

“中国脑计划”的名称为“脑科学与类脑科学研究”（Brain Science and Brain-Like Intelligence Technology），人们简称为“中国脑计划”。该计划主要有两个研究方向：以探索大脑秘密、攻克大脑疾病为导向的脑科学研究，以及以建立和发展人工智能技术为导向的类脑研究。该计划将作为我国六个长期科学项目工程中的一个重要项目，被国家政府长期资助，资助时间达到15年之久（2016-2030年）。

作为“中国脑计划”要解决的问题，以下三个层面的认知问题是重点：

包括大脑对外界环境的感官认知，即探究人类对外界环境的感知，如人的注意力、学习、记忆以及决策制定等；

对人类以及非人灵长类自我意识的认知，通过动物模型研究人类以及非人灵长类的自我意识、同情心以及意识的形成；

对语言的认知，探究语法以及广泛的句式结构，用以研究人工智能技术。

2015年9月1日，“脑科学研究”的专项计划在北京市科委正式启动。会上饶毅、王拥军、王晓民等20余位脑科学研究专家参与。

会上发布了《北京市科学技术委员会“脑科学研究”专项实施方案》。该计划提出未来两个五年发展目标：到2020年，北京市科委将推动脑科学重大共性技术研究中心建设，形成跨部门、跨学科的“脑认知与脑医学”研究支撑平台，建成支撑“脑认知与类脑计算”基础研究和技术研发的公共平台。着力突破脑疾病领域关键技术，尽快实现成果转化惠及于民，提升人民脑健康水平。

同时，会上提出了北京脑计划的重点任务：

建立四大类脑计算研究平台，营造类脑计算的基础研究环境；

研制两类类脑计算核心芯片，掌握类脑计算技术主动权；

实现三类典型类脑智能应用，在大规模智能应用中发挥关键作用。

为保障脑科学研究专项的顺利实施，北京市科委给予了大力支持，建立以专家团队为核心的组织模式，成立以国内外专家组成的专家指导组，包括专项总体组和专家指导组。充分发挥人才作用，形成一批基础性、战略性研究成果，并将建立多方协同创新的工作机制，不仅鼓励北京大学、清华大学、中国科学院、首都医科大学等核心科研机构内部整合力量，更支持在北京地区用新体制、新机制整体构建跨地区、跨部门的“脑科学协同创新研究中心”。

法国强调艺术与文化教育的公平性，认为不应该让艺术与文化教育成为只是为社会中部分阶层孩子服务的“奢侈品”，而是所有孩子都能学习的基础内容之一。家庭文化艺术教育的政策应该确保所有的孩子，包括身体残疾、住院医疗，以及家庭条件差的孩子。特别是社会困难阶层的孩子，由于父母文化知识的局限，缺乏文化生活习惯，往往使其子女远离艺术文化环境。由于资源本身的平等性（如免费政策）并不能保证资源获取的平等性，法国更强调要保证100%的孩子能够“平等”地获得艺术与文化教育资源。

上海也紧随其后，开展了相应的脑计划研究。上海脑计划主要关注人脑科学研究领域的以下几个内容：

一是以脑神经研究、神经外科治疗等为切入点，配套协助国家脑科学卓越创新中心的相关工作；

二是争取建设成为亚洲最大的精神疾病治疗中心；

三是将脑科学研究与智能机器人研究有效结合；

四是提升研究机构和人员的数量和水平。

由复旦大学、上海交通大学、华东师范大学、上海纽约大学四所大学牵头，联合一批高校和科研院所以及企业开展。该计划将对接“中国脑计划”，并培养一批优秀的年轻科学家。上海市政府已将脑科学与人工智能列为本市重大科技项目，作为建设科技创新中心的重要举措。复旦大学牵头成立了“脑科学协同创新中心”，推进脑科学研究和转化应用，积极推进和参与“上海脑计划”的实施。“上海脑计划”未来主要目标在如下几个方面：解析复杂数据、模拟脑工作，探究记忆、学习、决策等原理，模拟智能交互，进行大数据挖掘，开展智能医疗诊断等。

中国执行脑计划拥有诸多方面的优势，例如中国灵长类动物种类和数量十分丰富，在非人灵长类脑疾病模型上也处于世界领先地位等。除了能够促进基础脑科学外，“中国脑计划”还有益于我们对大脑疾病的探索。该计划一旦落实，未来通过分子、影像以及相关标记物，我们即可在大脑疾病的早期诊断和干预上发挥重要作用，通过大脑疾病的遗传、表观遗传以及病理性功能失调等方面的研究，掌握大脑疾病的发生机制。

脑科学研究与未来机器人紧密关联

脑计划的开展是未来机器人发展的动力。脑计划的开展对机器人相关技术的发展也起到了促进作用。随着欧、美、日相继启动各种人脑计划，中国也将全面启动自己的脑科学计划。类脑计算和人工智能研究是“中国脑计划”的重要组成部分，而机器人是其一个重要的研究方向。设计类脑芯片和类脑机器人，研发类脑人工智能硬件系统，从各种智能可穿戴设备到工业和服务机器人。可见脑计划推动了硬件方面机器人的发展。

机器人的视觉系统技术就是典型案例之一。机器视觉系统是指用计算机来实现人的视觉功能，换句话说就是用计算机来实现对客观的三维世界的识别。人类视觉系统的感受部分是视网膜，而视网膜就是一个三维采样系统。三维物体的可见部分首先是投影到视网膜上，之后人们才按照投影到视网膜上的二维的像来对该物体进行三维理解。三维理解包括对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征等的理解。机器人视觉系统主要是利用颜色、形状等信息来识别环境目标。

以机器人对颜色的识别为例：当摄像头获得彩色图像以后，机器人上的嵌入计算机系统将模拟视频信号数字化，将像素根据颜色分成两部分，即感兴趣的像素（搜索的目标颜色）和不感兴趣的像素（背景颜色）。然后，对这些感兴趣的像素进行RGB 颜色分量的匹配。为了减少环境光强度的影响，可把RGB颜色域空间转化到HIS等颜色空间。

机器人视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成：照明、图像聚焦形成、图像确定和形成摄像机输出信号。视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

图3　机器人视觉系统主要由三部分组成

除了视觉，听觉也是人类大脑的重要组成之一，而听觉传感器便是机器人的“耳朵”。若仅要求其对声音作出反应，那么我们只需一个开关量输出形式的听觉传感器，利用一个“声—电”转换器就能办到。但是，如果让家用机器人能够听懂主人的语言指令，根据指令去打扫房间，开关房门，倒垃圾等，就已经很困难了；而若进一步要求机器人能与主人对话，区别主人和其他人的声音，从而只执行主人的命令，那就是“困难重重”了。

目前，现在的研究水平只是通过语音处理及辨识技术识别讲话人，还可以正确理解一些极简单的语句。由于人类的语言非常复杂、词汇量相当丰富，即使是同一个人，其发音也会随环境及身体状况变化而变化。因此，要使机器人的听觉系统具有接近人耳的功能，除了扩大计算机容量和提高其运算速度外，还需人们在其他方面做大量、艰苦的研究、探索工作。

当然，我们也可以通过软件来辅助实现机器人的语音识别。ROAR（机器人操作系统的开源音频识别器）软件工具就能够实现该功能。该软件能帮助机器人专家训练机器对更宽泛意义的声音作出反应。这个工具主要需要一个麦克风；训练开始时，机器人的麦克风首先捕捉周围的声音，ROAR对这些声音进行打磨；接下来，操作者通过反复重复某个动作教ROAR识别主要声音，在机器人听这些声音的同时标记这些独特的语音信号；最后，根据那套训练片断，程序会生成一套通用模式，包含各个动作对应的不同的声音。虽然这些技术还处在研发阶段，但是未来发展前景是巨大的。

近年来，具有自学习能力的机器人成为了一个新的研究热点。这个研究方向的一个关键问题是用学习技术增强机器人的智能。在机器人研究领域的多种学习方法中，最为广泛使用的方法就是“强化学习方法”。强化学习（reinforcement learning，又称再励学习、评价学习）是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用。常见的算法包括“Q-Learning”及“时间差学习”。

以日本发那科公司的一款工业机器人为例，给定机器人某一任务，比如从某盒子拾取小工具并放入另一个容器，该机器人能够用整个晚上想出如何完成该任务。上图为日本发那科公司的这款机器人。

发那科的机器人使用了一种名为“深度强化学习”的技术，以完成自我训练，可随时学习新的任务。它在尝试拾起物品的同时，还能够抓取这个过程的录像。不管每次成功与否，它都会记住物品的样子，进而通过学习到的知识，改进控制其行动的深度学习模型或大型神经网络。短短大约八个小时后，该机器人便达到了90％甚至更高的准确度，仿佛是一位程序专家一般。

脑科学研究已经得到了国家的高度重视，“中国脑计划”已经获得国务院批示，被列为“事关我国未来发展的重大科技项目”之一，并将从认识脑、保护脑和模拟脑三个方向全面启动。具有中国特色的“中国脑计划”也在机器人方面得到了体现。比如复旦科学家研究的一种能够“望、闻、问、切”的中医机器人，机器人围棋专业四、五段水平的“百度大脑”项目在研究中，以及国防科技大学研发出脑控机器人，他们通过将人脑电波转换成指挥机器人的计算机指令，实现用人脑直接控制机器人运动。可见，机器人的发展得益于脑科学的研究以及脑计划的开展。

总而言之，我们不得不承认，以计算机目前的能力仍然没有人类大脑那么“强悍”。从某种意义上说，也正由于此，种种技术难题限制了机器人的研发。虽然目前人们还没有开发出满意的算法，使其能够真实地模拟人脑进行运行的机制，但人类对智能化要求的提高促使机器人产业实现更快的发展。在这样的大背景下，机器人技术必将飞速发展。机器人将越来越像“人脑”一样去感受这个世界，实现更高级的视觉、听觉、味觉、嗅觉和触觉的感知。“由机器人到有‘人类感官’的机器人”，这也许就是人脑计划中人工智能的未来发展趋势。经过科学家以及相关研究者的共同努力，这一天离我们真的并不遥远。