从脑科学到人工智能

脑，尤其是人类的大脑，构造非常复杂。脑有上百亿的神经元，还有分支等连接起来，是一个非常复杂的结构。

生命科学发展至今，从基因组到单细胞，从转化医学到精准医学，均取得了长足的发展。但是，人类自始至终还不够明白，脑究竟起什么作用？脑的作用是非常复杂的，它有两个系统，一个是从脑神经到各个器官的连接系统;另一个是通过免疫系统的再反馈系统。

这样复杂的系统，怎样把脑的东西了解清楚，一直是人类要探索的重要方向。尤其是在本世纪，科学家应该力图去解决这个问题。

神秘的脑科学

脑神经的连接，是由800多个神经元和整个器官免疫系统连接，加起来超过整个光纤网络的总和。

在本世纪初，对于脑的困惑和问题主要集中在以下几个方面？

一是我们居然不知道800多个脑神经有哪些行为动作？二是我们不知道大脑的结构图。三是大脑的神经元在控制我们的语音和视觉时，我们不知道哪些神经元在视觉或者是听觉中起作用？四是如何了解神经细胞与个体行为的相关性？

所以，这四个方向是脑科学当前和今后要做的工作，它与人工智能有着密切的关系。

现代神经生物学之父Cajal，是脑科学研究领域第一个获得诺贝尔奖的人。100多年来有20多位科学家获得了脑科学方面的诺贝尔奖。神经系统的结构和功能，信息传递、神经细胞怎么传递，大脑认知和感知，还有其他的神经科学，这些领域的研究产生了多个诺贝尔奖。网格细胞与人工智能有极大关系。

相比较于2013年的脑科学计划，现在提出的研究计划中多了一项内容，即提出新一代人工智能的理论与方法。从机器感知、机器学习到机器思维和机器决策的颠覆性模型和人工智能的方式，这是脑科学的一个重要补充。

提到脑科学研究，美国相关研究分成四大组成部分，其中两个部分都和观测有关。具体围绕在怎么去看细胞的信息传递和关联关系，以及细胞本身的特点。这也意味着，观测仪器是脑科学的重要工具。

进一步调研发现，在成像时：我们看到的分辨率足够高时，看到的视野就非常小;而看到视野非常大时，分辨率就比较低。要做宽视场和高分辨率是核心的难题，怎样巧妙设计这样的系统？这里存在的问题非常大。

根据这方面的工作，我们也联合了国内几家单位开始攻关。2009年我们在深圳开会，研讨了到底需要什么样的东西才能和我们的信息结合起来;2012年我们开始做脑皮层神经、肿瘤转移的观测。现在有清华大学、浙江大学、中国科学院上海生命科学研究院三家单位联合研制，设计了一个计算摄像的系统。通过几年的努力，我们完成了这样一个仪器，其创新点是用仪器成像原理做了曲面、做成像，用多个传感器取得曲面成像。

智能成像模型有两个成果，一个是压缩感知，我们提出了LOGSUM范数算法;一个是metric Learning度量学习，完成了一个算法的工作。通过几年的工作，我们研制了很多仪器，如RUSH，实时的动态成像系统。

与国际上先进仪器相比，1cm×1.2cm的视场足够大。通量越多，描述时间的细节越丰富。其最大的特点是国际上同类仪器中成像速度最快的，还有通量也是国际仪器中最大的。2017年，我们拍到了第一张全脑的图。不同的颜色，代表了不同的深度。脑皮层达到了100μm。这张图诞生于2017年7月，我们做的第一张完全事动态的图，一张图7个GB。这样的仪器也带来了很多生命科学的实验。那么脑科学如何推动人工智能的发展呢？

推动人工智能发展

脑神经元之间的信息传递机制是什么？怎么解释人工智能才能提供生物学的范例？

国际上为了做这件事，也投入了1亿美元，启动了阿波罗脑计划。想要摸清一个立方毫米10万个神经元的研究关系，包括活动和连接关系，最后形成大数据。我们在想，计算神经元的模型和机器学习的模型能不能打通，能不能在这里找到他们是如何工作的。

实际上，现有人工智能基本上是同类大数据的学习，未来的人工智能会融入各种感知与记忆数据和信息传递机制是什么？现在我们还没有找到这个信息传递的机制，我们硬学。

怎样从感知到决策与控制，做到认知到决策与控制，这样的一个工作使得人工智能具有主动性。

我们希望能够通过脑观测和脑认知的结合来做脑模拟。现在我们的仪器，可以看到百万级的神经元，对于它的连接状态是什么？现在还没有看到它的视觉连接行为，虽然还没有找到全部的链接，但是我们已经找到了它听觉和视觉的环路部分。

在国际上，我们是第一个看到小鼠听音乐时全脑神经元变化的团队，包括小鼠在听音乐时，神经元的整个连接状态。亚细胞级、结构功能的统一，在国际上我们第一个拿出结果。

小鼠的状态，对应的神经图就是脑连接的状态。同时，它的海马区分层神经元的连接状态，在这里我们找到了部分信息传递的这种机制方式。这是一个毫米级的神经元在传递。

我们希望分析它们的模型，找到它们的工作规律，为人工智能的信息传递机制带来一些好的算法和模型。

因为这个仪器做出来以后，从2017年开始我们做了近两年的生命科学和人工智能方面的实验，也得到了國际上很多学者的关注。

目前，我们的分辨率和视场加起来不是国际最领先的，但我们的通量是领先的，要突破400nm，国际领先。元器件已经完成了，希望未来能完成400nm最高分辨率集成。

现在我们有一个团队专门做大数据分析，有10位老师带着博士生讨论清晰动物全脑实时成像数据，让小鼠看不同的颜色、不同动态的物体，它的视觉环路是怎样的？另外还要研究比如神经网络的记忆决策和控制的机制。同时又组成了两个团队在做微观成像，就是分子成像，看个体细胞的特征和整体细胞的联系。通过微观和宏观来看能不能做尺度上的总体成像，为人工智能提出一些新的线索和方式。这个研究非常复杂，也要持续的研究。

未来发展方向

第一个方向，生命是会发生变化的。生命进化到现在，随着人工智能的发展以及材料科学的发展，未来的生命会发生新形态和新业态的变化，比如人造器官的出现，人工智能和我们的器官都已经在一起，真正实现了一个主动式的人工智能。

第二个方向，意识的存储问题。我们还有团队正在调研脑联网，就是解决国际上的下一个问题：意识能不能存储。这个问题是比较前沿的，也正在做这方面的分析。希望能够提出一点想法。

第三个方向是光电计算。现在的电子计算机基于硅级的纳米，量子计算离我们还有不远的距离。因此我们提出了光电计算，把光子器件和硅基集成在一起，对人工智能的发展起到了非常大的作用。现今复杂的算法使得我们很多工作没有办法往下推进。光电计算如果用好了，是可以引领新一代摩尔定律的产生。如果光电计算形成，存储和计算一体化就变成了什么？就变成了皮米级的工作。现在是纳米级的，如果做到皮米级的工作，可以带来新的摩尔定律的变化。

（本文根据中国工程院院士戴琼海公开演讲整理而成，未经本人确认。）