从脑科学到人工智能

2020-12-08 02:06戴琼海
中国信息化周报 2020年44期
关键词:脑神经脑科学神经元

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。)

猜你喜欢
脑神经脑科学神经元
从STEM到STEAM:脑科学基础及教育启示
脑科学在语文阅读教学中的应用举隅
《从光子到神经元》书评
Nurr1基因修饰胚胎中脑神经干细胞移植治疗帕金森病
脑科学改变教育
董奇:脑科学研究与未来教育
跃动的神经元——波兰Brain Embassy联合办公
基于二次型单神经元PID的MPPT控制
microRNAs在脑神经系统中的作用
毫米波导引头预定回路改进单神经元控制