腦科學(xué)突破性理論和技術(shù)尚未出現(xiàn)

　　蒲慕明 中國科學(xué)院院士、中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心學(xué)術(shù)主任

　　回顧腦科學(xué)100年來的發(fā)展歷史，其最主要的研究目標(biāo)就是理解大腦神經(jīng)信息是怎么處理的、各種大腦功能是怎么產(chǎn)生的。過去，科學(xué)家主要在大腦元件、神經(jīng)細(xì)胞編碼、儲存和提取神經(jīng)信息的機(jī)制等方面取得了一定成果，但對于思維產(chǎn)生、抉擇、意識、語言等高等腦認(rèn)知功能的機(jī)制理解極為粗淺。

　　實際上，腦科學(xué)發(fā)展還處在非常初期的階段，尚未真正出現(xiàn)具有突破性的理論和技術(shù)。

　　成熟大腦的神經(jīng)網(wǎng)絡(luò)仍有可塑性

　　與腦功能相關(guān)的神經(jīng)環(huán)路結(jié)構(gòu)以及這些環(huán)路如何產(chǎn)生大腦的各種功能是腦科學(xué)重要的研究內(nèi)容之一。上千億個、數(shù)百種以上神經(jīng)元通過百萬億個突觸聯(lián)結(jié)組成人腦神經(jīng)網(wǎng)絡(luò)，以特殊的神經(jīng)環(huán)路實現(xiàn)感知、運(yùn)動、思維等功能。這個神經(jīng)網(wǎng)絡(luò)中有特殊的神經(jīng)環(huán)路和通路，當(dāng)人類要實現(xiàn)某一特殊功能時，這些通路就會被激活。在具體研究中，我們不僅要分析整個神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，還要了解環(huán)路、通路的工作原理，這是腦科學(xué)目前要努力的方向。

　　雖然神經(jīng)元的基本結(jié)構(gòu)很簡單，但神經(jīng)元的種類非常復(fù)雜，現(xiàn)在有4種分類法。至于大腦里有多少種細(xì)胞、怎樣進(jìn)行分類，我們目前仍沒有答案。

　　復(fù)雜的神經(jīng)網(wǎng)絡(luò)是在人類出生后便慢慢形成的。神經(jīng)網(wǎng)絡(luò)是智力、大腦功能形成的基礎(chǔ)。但人的智力、大腦功能并非生下來就有，而是受后天環(huán)境、經(jīng)驗等因素影響逐步形成的。剛出生的嬰兒，其大多數(shù)神經(jīng)元已經(jīng)出現(xiàn)，但神經(jīng)網(wǎng)絡(luò)還非常簡單;到了青春期，大部分的神經(jīng)網(wǎng)絡(luò)才趨于成熟。

　　在神經(jīng)網(wǎng)絡(luò)發(fā)育的過程中，如果神經(jīng)元與突觸功能和構(gòu)造的修飾不正常，就會導(dǎo)致各種疾病出現(xiàn)，比如自閉癥、精神分裂癥等。不過，已經(jīng)成熟大腦的神經(jīng)網(wǎng)絡(luò)仍具有可塑性。人類的運(yùn)動、認(rèn)知行為等都會產(chǎn)生相關(guān)的電活動，電活動會造成神經(jīng)元和突觸功能的細(xì)微變化，這些變化會導(dǎo)致認(rèn)知行為的改變。

　　希望未來類腦算法超越深度學(xué)習(xí)算法

　　人工智能研究包含很多內(nèi)容，其中最關(guān)鍵的是機(jī)器學(xué)習(xí)方法。大家目前最關(guān)注的深度學(xué)習(xí)算法，屬于多層神經(jīng)網(wǎng)絡(luò)，不過它有局限性，需要很強(qiáng)的算力和大量標(biāo)記好的數(shù)據(jù)作支撐。

　　人腦最大的特點(diǎn)是能效更高，人腦只需30瓦的能量就可以運(yùn)作起來，這種效率是人工智能難以匹敵的。我們希望未來的類腦算法能夠超越深度學(xué)習(xí)算法，這就是人工智能下一步發(fā)展的重要突破點(diǎn)。目前ChatGPT尚未解決此問題，因為它仍需要高算力和海量數(shù)據(jù)。

　　1950年，圖靈提出建立“兒童機(jī)器”，研究人員希望模擬兒童通過學(xué)習(xí)改變神經(jīng)網(wǎng)絡(luò)的過程來探究神經(jīng)網(wǎng)絡(luò)的奧秘。這可能是類腦人工智能探索新型機(jī)器學(xué)習(xí)算法和研發(fā)類腦計算器件架構(gòu)的一個有益嘗試。

　　我們可以借鑒前人的研究方式。想了解人工神經(jīng)網(wǎng)絡(luò)的架構(gòu)是如何通過學(xué)習(xí)產(chǎn)生變化的，即其怎么消除無用的聯(lián)接、建立新的有用的連接，可以借鑒人類大腦網(wǎng)絡(luò)在學(xué)習(xí)過程中的修飾方式進(jìn)行研究。

　　除此之外，還有一個很值得借鑒的概念是赫伯神經(jīng)元集群，其主要內(nèi)容是可以使用嵌套式集群(或淺層網(wǎng)絡(luò))組合，讓處理不同信息的集群，通過連接、學(xué)習(xí)建立嵌套式、可處理多模態(tài)信息的大集群。每個大集群中的小集群間的連接都要通過神經(jīng)元或集群的共步(或有固定時序)放電。要有效做到這一點(diǎn)，就需要使用脈沖神經(jīng)網(wǎng)絡(luò)。脈沖神經(jīng)網(wǎng)絡(luò)目前在人工智能、機(jī)器學(xué)習(xí)算法中還沒有受到足夠的重視，如果我們研發(fā)出有效的脈沖神經(jīng)網(wǎng)絡(luò)，就可以做出很多有意義的事。

（責(zé)任編輯：華康）