论文部分内容阅读
人工智能会取代人类吗？这个问题一度引发全民热议。虽然目前人工智能正在快速提“智”，但是这不代表它真的很聪明。相反，很多时候它还很傻很天真，仍然需要向人脑学习。
近日，以色列魏茨曼科学研究学院计算机科学系教授希蒙·厄尔曼发文表示，相信神经科学能为人工智能发展提供进一步的助力。那么，人工智能和神经科学究竟有什么关系？神经科学到底如何进一步助力人工智能发展？深度融合神经科学的人工智能将发生哪些变化？
神经科学和人工智能本属同源
谈到人工智能和神经科学之间的关系，中国科学院上海生命科学研究院副研究员王小理用两句话来概括：同源分流、学科独立;交叉融合、分久必合。
最初，人工智能与神经科学是两门各自独立的学科，有着不太一样的研究对象、研究方法体系。从学科起源的时间原点来看，人工智能学科以1956年美国达特茅斯学院夏季讨论班为缘起;而神经科学诞生的标志可以回溯到1891年的神经元学说。这样看神经科学算是人工智能学科的“前辈”。
神经科学更多地侧重于生物学意义上的神经活动的规律，解析包括思维、情感、智能等在内的高级神经活动的发生机制，而意识起源问题，则是神经科学的终极目标，研究方法上神经科学是以自然现象归纳为主的“实验科学”。而人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究对象不是智能而是智能操控，现阶段研究方法上是侧重于对复杂现象进行模拟仿真的“计算科学”。
“但可以将神经科学和人工智能的关系简单理解为源和流。”王小理告诉笔者，人工智能的兴起和发展离不开神经科学成果的滋养。
正如希蒙·厄尔曼文章所述，早期人工智能领域的科学家将生物神经系统作为参照对象，创造出了近年来盛行的“深度网络”脑启发架构，这是一个非常鲜明的“源流”案例，也一直为神经科学家和人工智能领域科学家所津津乐道。但有些人工智能领域的专家，认为深度网络前期是仿脑，后期发展了独立的方法，因此认为，人工智能有自己的方法体系，基本可以抛开脑科学。这样的观点其实是值得深入讨论的。
中国科学院神经科学研究所蒲慕明院士曾向笔者表示，近年来，脑与神经科学、认知科学的进展使得人们在脑区、神经微环路、神经元等不同尺度观测的各种认知任务中，获取脑组织的部分活动数据已成为可能，获知人脑信息处理过程不再仅凭猜测，通过多学科交叉和实验研究获得的人脑工作机制更具可靠性。因此，脑科学有望为机器学习、类脑计算的突破提供借鉴。
但是，人工智能对神经科学发展的反哺或反馈作用也是客观存在的。在神经科学基础研究阶段，人工智能可以辅助研究人员解析复杂的脑神经信号、脑神经图谱实验数据，构建和模拟大脑模型系统等。在转化应用阶段，人工智能还能加速脑科学成果的应用，例如大脑疾病诊断与新疗法成果的临床转化等。
打开人工智能“黑箱”的几条通路
事实上，没有神经科学大的理论突破，没有对智能生物本原的认识，人工智能中的“智能”概念很可能就一直是个“黑箱”，而智能模拟与扩展就可能一直在“外围”打转。比如，美国国家工程院《21世纪人类面临的14大科技挑战》报告就认为，人工智能目前存在的部分问题是源于设计中并没有充分考虑真实的大脑情况。而通过对人脑的逆向工程来揭示大脑的秘密，可以更好地设计出能同时处理多重信息流的计算设备。
目前神经科学在助力人工智能发展上有几条通路。王小理介绍，具体路径上，可以延续认知经验主义思路的人工智能发展方向。例如，对于人工智能而言，目前总是用一个特定的任务去训练它，而忽略了它接触其他事物的过程。如果给智能体一个类似成长环境和成长过程，是不是会让它更智能呢？人类的智慧是建立在沟通之上的，目前的人工智能体还没有自主沟通能力，这也是目前的人工智能水平与强人工智能的差距所在，也是未来的发展方向。
但也可能，希蒙·厄尔曼提出的借鉴人类先天认知系统更具有意义。深入理解大脑的原始能力，从而实现高级的机器逻辑能力。人类具备学习如何学习的能力，如果让智能体学习如何学习，那么这种二阶学习的关系也许会让它学得更快，如果未来智能体有了想象力和计划能力，那么它也许真的可以创造出一些我们人类很难创造出的东西。
此外，神经科学助力人工智能，在人工智能重大技术领域也有几个方向。例如，构建统计关联与特征关联相结合的新型学习理论，实现“知识驱动”与“语义驱动”关联统一;构建融合深度学习与强化学习、演化计算、主动学习、毕生学习等仿生和自然计算理论的新型理论框架;实现大规模并行神经网络、进化算法和其他复杂理论计算;具有自主学习能力的通用性人工智能系统等。
未来两者深度融合大有可为
那么，深度融合神经科学的人工智能将会发生什么变化呢？
对此，王小理认为，目前神经科学与人工智能的融合，只占生物大脑计算原理的冰山一角。准确预见未来人工智能将如何发展很难，但如果洞察神经科学、人工智能的学科发展规律和人类经济社会发展大趋势，粗略勾勒未来发展阶段还是可能的，这对于找准创新突破口，明确创新主攻方向非常关键。这也是包括我国在内开展相关脑科学预测和技术预见的初衷之一。
从当前到2025年，神经科学继续保持高速发展态势，但颠覆性的理论成果还不多，在這一时期，人工智能和大数据技术是神经科学发展的“加速器”。而到2030—2035年，神经科学将迎来第一轮重大突破，在神经感知和神经认知理解方面出现颠覆性成果，从而反哺、革新人工智能的原有算法基础和元器件基础，人类社会进入实质性类脑智能研究阶段。
到2050年，神经科学将迎来第二轮重大突破，在情感、意识理解方面出现颠覆性成果，开发出一个多尺度、整合、可验证的大脑模型理论，类脑智能进入升级版，并将推动人脑的超生物进化，神经科学和类脑智能学科融为一体，人类社会全面进入强人工智能时代。当然，围绕神经科学和人工智能特别是强人工智能，还有许多科学理论和社会与伦理方面的问题。
“我们相信，未来神经科学领域大有可为、未来神经科学与人工智能融合大有可为。”王小理说，从人类科技文明长河来看，神经科学和人工智能是同一枚硬币的两个面，虽然相互独立，但都有共同的指向：为人类的生存和意识演化提供新可能。
近日，以色列魏茨曼科学研究学院计算机科学系教授希蒙·厄尔曼发文表示，相信神经科学能为人工智能发展提供进一步的助力。那么，人工智能和神经科学究竟有什么关系？神经科学到底如何进一步助力人工智能发展？深度融合神经科学的人工智能将发生哪些变化？
神经科学和人工智能本属同源
谈到人工智能和神经科学之间的关系，中国科学院上海生命科学研究院副研究员王小理用两句话来概括：同源分流、学科独立;交叉融合、分久必合。
最初，人工智能与神经科学是两门各自独立的学科，有着不太一样的研究对象、研究方法体系。从学科起源的时间原点来看，人工智能学科以1956年美国达特茅斯学院夏季讨论班为缘起;而神经科学诞生的标志可以回溯到1891年的神经元学说。这样看神经科学算是人工智能学科的“前辈”。
神经科学更多地侧重于生物学意义上的神经活动的规律，解析包括思维、情感、智能等在内的高级神经活动的发生机制，而意识起源问题，则是神经科学的终极目标，研究方法上神经科学是以自然现象归纳为主的“实验科学”。而人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究对象不是智能而是智能操控，现阶段研究方法上是侧重于对复杂现象进行模拟仿真的“计算科学”。
“但可以将神经科学和人工智能的关系简单理解为源和流。”王小理告诉笔者，人工智能的兴起和发展离不开神经科学成果的滋养。
正如希蒙·厄尔曼文章所述，早期人工智能领域的科学家将生物神经系统作为参照对象，创造出了近年来盛行的“深度网络”脑启发架构，这是一个非常鲜明的“源流”案例，也一直为神经科学家和人工智能领域科学家所津津乐道。但有些人工智能领域的专家，认为深度网络前期是仿脑，后期发展了独立的方法，因此认为，人工智能有自己的方法体系，基本可以抛开脑科学。这样的观点其实是值得深入讨论的。
中国科学院神经科学研究所蒲慕明院士曾向笔者表示，近年来，脑与神经科学、认知科学的进展使得人们在脑区、神经微环路、神经元等不同尺度观测的各种认知任务中，获取脑组织的部分活动数据已成为可能，获知人脑信息处理过程不再仅凭猜测，通过多学科交叉和实验研究获得的人脑工作机制更具可靠性。因此，脑科学有望为机器学习、类脑计算的突破提供借鉴。
但是，人工智能对神经科学发展的反哺或反馈作用也是客观存在的。在神经科学基础研究阶段，人工智能可以辅助研究人员解析复杂的脑神经信号、脑神经图谱实验数据，构建和模拟大脑模型系统等。在转化应用阶段，人工智能还能加速脑科学成果的应用，例如大脑疾病诊断与新疗法成果的临床转化等。
打开人工智能“黑箱”的几条通路
事实上，没有神经科学大的理论突破，没有对智能生物本原的认识，人工智能中的“智能”概念很可能就一直是个“黑箱”，而智能模拟与扩展就可能一直在“外围”打转。比如，美国国家工程院《21世纪人类面临的14大科技挑战》报告就认为，人工智能目前存在的部分问题是源于设计中并没有充分考虑真实的大脑情况。而通过对人脑的逆向工程来揭示大脑的秘密，可以更好地设计出能同时处理多重信息流的计算设备。
目前神经科学在助力人工智能发展上有几条通路。王小理介绍，具体路径上，可以延续认知经验主义思路的人工智能发展方向。例如，对于人工智能而言，目前总是用一个特定的任务去训练它，而忽略了它接触其他事物的过程。如果给智能体一个类似成长环境和成长过程，是不是会让它更智能呢？人类的智慧是建立在沟通之上的，目前的人工智能体还没有自主沟通能力，这也是目前的人工智能水平与强人工智能的差距所在，也是未来的发展方向。
但也可能，希蒙·厄尔曼提出的借鉴人类先天认知系统更具有意义。深入理解大脑的原始能力，从而实现高级的机器逻辑能力。人类具备学习如何学习的能力，如果让智能体学习如何学习，那么这种二阶学习的关系也许会让它学得更快，如果未来智能体有了想象力和计划能力，那么它也许真的可以创造出一些我们人类很难创造出的东西。
此外，神经科学助力人工智能，在人工智能重大技术领域也有几个方向。例如，构建统计关联与特征关联相结合的新型学习理论，实现“知识驱动”与“语义驱动”关联统一;构建融合深度学习与强化学习、演化计算、主动学习、毕生学习等仿生和自然计算理论的新型理论框架;实现大规模并行神经网络、进化算法和其他复杂理论计算;具有自主学习能力的通用性人工智能系统等。
未来两者深度融合大有可为
那么，深度融合神经科学的人工智能将会发生什么变化呢？
对此，王小理认为，目前神经科学与人工智能的融合，只占生物大脑计算原理的冰山一角。准确预见未来人工智能将如何发展很难，但如果洞察神经科学、人工智能的学科发展规律和人类经济社会发展大趋势，粗略勾勒未来发展阶段还是可能的，这对于找准创新突破口，明确创新主攻方向非常关键。这也是包括我国在内开展相关脑科学预测和技术预见的初衷之一。
从当前到2025年，神经科学继续保持高速发展态势，但颠覆性的理论成果还不多，在這一时期，人工智能和大数据技术是神经科学发展的“加速器”。而到2030—2035年，神经科学将迎来第一轮重大突破，在神经感知和神经认知理解方面出现颠覆性成果，从而反哺、革新人工智能的原有算法基础和元器件基础，人类社会进入实质性类脑智能研究阶段。
到2050年，神经科学将迎来第二轮重大突破，在情感、意识理解方面出现颠覆性成果，开发出一个多尺度、整合、可验证的大脑模型理论，类脑智能进入升级版，并将推动人脑的超生物进化，神经科学和类脑智能学科融为一体，人类社会全面进入强人工智能时代。当然，围绕神经科学和人工智能特别是强人工智能，还有许多科学理论和社会与伦理方面的问题。
“我们相信，未来神经科学领域大有可为、未来神经科学与人工智能融合大有可为。”王小理说，从人类科技文明长河来看，神经科学和人工智能是同一枚硬币的两个面，虽然相互独立，但都有共同的指向：为人类的生存和意识演化提供新可能。