中國(guó)科學(xué)院院士、中科院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心學(xué)術(shù)主任蒲慕明在2021世界機(jī)器人大會(huì)上指出，在腦科學(xué)基礎(chǔ)研究外有兩項(xiàng)應(yīng)用研究，一是腦疾病的診斷和治療，另一個(gè)是腦機(jī)智能技術(shù)。類腦研究并不是模擬腦，而是將相關(guān)概念應(yīng)用到人工智能中。以下為現(xiàn)場(chǎng)報(bào)告整理。

首先談?wù)労沃^“認(rèn)知神經(jīng)原理”，到底包含哪些認(rèn)知功能？最重要的基本認(rèn)知功能包括感覺、知覺、記憶、學(xué)習(xí)，還有情感、情緒、注意、抉擇等，這些是很多動(dòng)物神經(jīng)系統(tǒng)都有的認(rèn)知功能，需要理解其工作原理。

另一方面還有一些高級(jí)的認(rèn)知功能，包括要通過長(zhǎng)期證據(jù)搜集做出的比較復(fù)雜的抉擇、根據(jù)證據(jù)的評(píng)價(jià)做出的抉擇、共情心、對(duì)他人的理解等，這是所謂的社會(huì)行為與親社會(huì)行為的基礎(chǔ)。還有更高級(jí)的意識(shí)和語言的認(rèn)知功能。這些神經(jīng)環(huán)路和工作原理是很多低等動(dòng)物所沒有的，必須研究靈長(zhǎng)類以上的動(dòng)物才能夠解析這些功能。

對(duì)于基本和高級(jí)的認(rèn)知功能，我們想知道其發(fā)育過程是怎么產(chǎn)生的。因?yàn)檫@些環(huán)路的形成與遺傳因素、環(huán)境因素直接相關(guān)。環(huán)境和遺傳因素怎樣交互作用而產(chǎn)生神經(jīng)環(huán)路，這是神經(jīng)科學(xué)的一個(gè)重大問題。

在研究基礎(chǔ)問題時(shí)，我們需要各種模式動(dòng)物——即脊椎動(dòng)物中最基本的斑馬魚到哺乳類的小鼠、獼猴等。我們希望能夠有一個(gè)全景式的繪制圖譜，取得結(jié)構(gòu)的信息，進(jìn)一步認(rèn)識(shí)它的工作原理。

重大腦疾病的定義是在早期、幼年期的各種自閉癥和智障，這是發(fā)育性疾病。在成年期的抑郁癥和成癮屬于精神類疾病。在老年期有退行性疾病，就是神經(jīng)系統(tǒng)退化造成的阿爾茲海默癥、帕金森等。這些均是造成目前社會(huì)負(fù)擔(dān)的重大疾病，我們希望能夠了解其致病機(jī)理，然后針對(duì)機(jī)理做診斷和治療。

到現(xiàn)在為止，絕大多數(shù)的腦疾病機(jī)理仍然尚未厘清。真正要理解這些機(jī)理可能還要數(shù)十年的時(shí)間，但是社會(huì)醫(yī)療可能等不了那么久。因此希望在沒有完全理解致病機(jī)理前，能夠確定疾病的預(yù)警信息和早期診斷指標(biāo)。我們可以獲得血液和腦脊液分子、腦影像數(shù)據(jù)、腦功能直接檢測(cè)指標(biāo)等，獲得這些指標(biāo)之后，如果能夠判斷哪些指標(biāo)在早期就出現(xiàn)異?，F(xiàn)象，可以針對(duì)癥狀提前做出干預(yù)。

這些干預(yù)包含了各種藥理、藥物的研發(fā)，還包含了各種生理和物理的刺激技術(shù)。藥物研發(fā)通常是比較緩慢的一個(gè)過程，但是物理和生理刺激技術(shù)在很多臨床中已經(jīng)開始廣泛地被應(yīng)用。所謂的干預(yù)其實(shí)包括藥理、生理和物理的干預(yù)。研究這些干預(yù)手段需要有各種模式，希望有與人類比較相近的、帶有人類疾病癥狀的動(dòng)物如獼猴模型來做藥物研發(fā)，并以其做為各種生理、物理干預(yù)研發(fā)的對(duì)象。在這種猴類模型中獲得了結(jié)果后，再進(jìn)入人體進(jìn)行臨床研究，這是最有效的開發(fā)干預(yù)手段的方法。

另一應(yīng)用被統(tǒng)稱為“腦機(jī)智能技術(shù)”，包含了大腦與機(jī)器之間的融合，即腦機(jī)接口和腦機(jī)融合的各種方法和模型。這些腦機(jī)接口也可以被用于調(diào)控大腦的活動(dòng)，包括光、電、磁、超聲等。這種調(diào)控技術(shù)也包含在研發(fā)的腦機(jī)智能技術(shù)中。如今國(guó)際上有一些腦機(jī)接口應(yīng)用在醫(yī)療上的例子，這些腦機(jī)接口包含著如何從大腦獲取信息，然后操控身體外的器械。另外一方面是用身體外的信息來控制大腦，用器械產(chǎn)生的信息控制大腦。這種雙向的腦機(jī)接口，一個(gè)是記錄，一個(gè)是調(diào)控。閉環(huán)式的、有反饋式的腦機(jī)接口調(diào)控技術(shù)，是未來這一領(lǐng)域開發(fā)的重要前景。

另一方面，腦機(jī)智能技術(shù)還包括對(duì)機(jī)器人工智能的研究，包括新一代機(jī)器學(xué)習(xí)的算法。類腦芯片、類腦處理器、類腦計(jì)算機(jī)等，這些都是目前正在前沿研究中的技術(shù)，也是人工智能的前沿領(lǐng)域中很受關(guān)注的領(lǐng)域。

當(dāng)然，我們希望未來的機(jī)器人、基于類腦研究獲得的智能體，能夠應(yīng)用于服務(wù)人類的機(jī)器人系統(tǒng)。目前許多腦基智能技術(shù)——包含對(duì)大數(shù)據(jù)的處理、如何有效地處理外界的信息等，是否可以從中獲得新的信息處理機(jī)制和新算法理論等，都是這個(gè)領(lǐng)域需要關(guān)注的內(nèi)容。

大腦的網(wǎng)絡(luò)極其復(fù)雜，人類的大腦可能是宇宙中最復(fù)雜的物體。從結(jié)構(gòu)上說，大腦包含近千億的神經(jīng)細(xì)胞，通過百萬億的連接組成了網(wǎng)絡(luò)。每個(gè)神經(jīng)細(xì)胞都至少與一千個(gè)以上的神經(jīng)元連接。這些網(wǎng)絡(luò)非常復(fù)雜且有特異性，并不是混亂的連接。它的連接具有自己的功能，在網(wǎng)絡(luò)中有特殊的環(huán)路與通道，這些通道是實(shí)現(xiàn)各種感知運(yùn)動(dòng)和思維功能的環(huán)路。

因此，我們需要理解的是一個(gè)復(fù)雜網(wǎng)絡(luò)中各種特殊環(huán)路的功能，這是研究大腦功能的目標(biāo)。但在這個(gè)網(wǎng)絡(luò)中，復(fù)雜性不光指神經(jīng)元的數(shù)目多，事實(shí)上神經(jīng)元的種類也非常多，現(xiàn)在估計(jì)至少有上千類不同的神經(jīng)元，它的形態(tài)、生理性質(zhì)都不同。

因此腦科學(xué)所面臨的一個(gè)大問題就是，怎樣能夠區(qū)分這么多不同種類的神經(jīng)元？要了解不同的種類才能知道它的功能，才能夠真正理解其工作原理。

大腦神經(jīng)網(wǎng)絡(luò)從結(jié)構(gòu)上看就非常復(fù)雜，我們必須理解其在結(jié)構(gòu)上是什么樣的模式，才能進(jìn)一步理解整個(gè)網(wǎng)絡(luò)的結(jié)構(gòu)。在此基礎(chǔ)上，還要了解這些連接不是完全混亂的，也不是一成不變。在大腦使用的過程中，會(huì)有電波動(dòng)產(chǎn)生，也會(huì)改變神經(jīng)元的結(jié)構(gòu)和功能，連接也會(huì)產(chǎn)生變化。這個(gè)過程我們稱為“學(xué)習(xí)”，事實(shí)上學(xué)習(xí)的過程就是感覺信息、認(rèn)知信息，把神經(jīng)元結(jié)構(gòu)、網(wǎng)絡(luò)結(jié)構(gòu)變到新的狀態(tài)，形成記憶。學(xué)習(xí)記憶的過程，就是整個(gè)網(wǎng)絡(luò)的可塑性，而這個(gè)可塑性是非常重要的，大腦認(rèn)知功能最主要的基礎(chǔ)就是可塑。

可塑使得一個(gè)大腦在使用后，未來在進(jìn)一步活動(dòng)時(shí)行為會(huì)有改變，這就是認(rèn)知行為。大腦為什么會(huì)有這么多復(fù)雜、強(qiáng)大的能力，其原因就是認(rèn)知行為的改變。

我們研發(fā)類腦的人工智能或者類腦的機(jī)器學(xué)習(xí)算法時(shí)，關(guān)鍵就是如何通過網(wǎng)絡(luò)的使用來改變結(jié)構(gòu)與功能，能夠?qū)W習(xí)大腦是怎么變化的，然后在人工網(wǎng)絡(luò)上實(shí)現(xiàn)，這是類腦人工智能的關(guān)鍵。

要理解類腦人工智能，首先要理解自然大腦的可塑性。近半個(gè)世紀(jì)前，就有科學(xué)家提出了電波動(dòng)如何改變大腦。一個(gè)最通用的學(xué)習(xí)的法則，多年來統(tǒng)治著腦科學(xué)對(duì)于可塑性的理解，即赫伯的學(xué)習(xí)法則——這種法則就是突觸強(qiáng)化或弱化的法則。

還有一個(gè)很重要的發(fā)現(xiàn)是大腦的記憶分為短期記憶與長(zhǎng)期記憶。一次性學(xué)習(xí)之后都是短期記憶，而在間隔性學(xué)習(xí)之后能形成長(zhǎng)期記憶。

有意思的是，我們發(fā)現(xiàn)重復(fù)學(xué)習(xí)的時(shí)間間隔是非常重要的。特殊的最佳間隔也可以造成最高的強(qiáng)化，但間隔時(shí)間太長(zhǎng)也不能強(qiáng)化，要有效地轉(zhuǎn)化。從短期轉(zhuǎn)化成長(zhǎng)期記憶，必須在一個(gè)optimal（最優(yōu)的）時(shí)間間隔來進(jìn)行，這在學(xué)習(xí)理論中有發(fā)現(xiàn)，在心理學(xué)上同樣也有這樣的特性。

學(xué)習(xí)突觸效率的變化，可以造成長(zhǎng)期的記憶，但是突觸結(jié)構(gòu)其實(shí)是很復(fù)雜的，并不是一個(gè)簡(jiǎn)單的突觸神經(jīng)終端。因此，除了功能上的長(zhǎng)期強(qiáng)化與長(zhǎng)期弱化、LTP與LTD的變化，伴隨的還有結(jié)構(gòu)上的變化。這種結(jié)構(gòu)上的變化，可以在大腦儲(chǔ)存長(zhǎng)期記憶時(shí)被發(fā)現(xiàn)。突觸的變化包括功能上傳遞效率的增加、結(jié)構(gòu)變化，可以造成突觸效率的改變，這就是可塑性結(jié)構(gòu)的基礎(chǔ)。

人類的認(rèn)知都是很多外界信息的元素與成分。比如認(rèn)識(shí)一個(gè)面孔，就包含了對(duì)方的眼睛、鼻子、嘴巴、頭發(fā)等各種各樣的信息，再整合成一個(gè)面孔。那么，這個(gè)整合到底是怎么在神經(jīng)網(wǎng)絡(luò)中形成呢？這就是信息捆綁的問題。如今腦科學(xué)神經(jīng)網(wǎng)絡(luò)連接面臨的最大問題之一，就是理解信息是如何捆綁的、是怎么成為整體而感知到信息的？

目前有兩種理論，一種成為聚合模型，另一種就是不需要連接上的聚合，而是用同步放電的模式來聚合。同步放電的模式與連接聚合的模式，都是當(dāng)前流行的對(duì)信息捆綁問題的理解。

但是在真正大腦里，可能在同步放電的模式下即神經(jīng)元放電的時(shí)間相同，造成的反應(yīng)就是認(rèn)知。而這種模式，在人工智能網(wǎng)絡(luò)模型中很少有人應(yīng)用。赫伯同步放電模式的假說是非常有用的，對(duì)下一步怎么改進(jìn)人工網(wǎng)絡(luò)是一個(gè)關(guān)鍵性的思路。

赫伯細(xì)胞群假說認(rèn)為，同步電活動(dòng)可以強(qiáng)化細(xì)胞群之間的連接，連接強(qiáng)化后就是儲(chǔ)存的感知信息。比如看到一個(gè)圓形，怎么才能感知到這個(gè)圓形呢？這個(gè)圓形不斷在視野中出現(xiàn)的時(shí)候，就激活了一群大腦中的神經(jīng)元。每一個(gè)單一的神經(jīng)元都對(duì)這個(gè)圓形的每一個(gè)曲線段有反應(yīng)。當(dāng)這個(gè)圓形出現(xiàn)的時(shí)候，一群神經(jīng)元會(huì)同步放電，因?yàn)橥瑫r(shí)被激活。被激活后它們間的連接增強(qiáng)，形成一群連接在一起的神經(jīng)元，我們稱之為神經(jīng)元集群，它編碼了這個(gè)圓形。有部分的信息再來時(shí)，只要部分神經(jīng)元被激活，整體的這一群神經(jīng)元就都被激活。因此這樣的部分信息就可以提取我們的感知——確實(shí)有一個(gè)圓形，而且不需要整個(gè)圓形就可以認(rèn)知出來，這就代表了圓形的視覺。這種說法其實(shí)也可以同樣用于面孔識(shí)別的理解，細(xì)胞群儲(chǔ)存的記憶可以儲(chǔ)存相當(dāng)長(zhǎng)的一段時(shí)間，這就是細(xì)胞群假說的一種看法。

比如祖母的面孔就是一個(gè)部分的集群，對(duì)“祖母”是一個(gè)整體概念。還有各式各樣與祖母相關(guān)的概念，這都是一群大超級(jí)細(xì)胞群?！白婺浮钡母拍罹褪怯蛇@超級(jí)細(xì)胞群所形成。所以，當(dāng)我們看到祖母的名字就想起她的面孔，想起她唱的歌、她的聲音等。這都是可以提取的，我認(rèn)為這是最好的理解概念。一個(gè)網(wǎng)絡(luò)怎樣譜成概念的最好方式，就是把信息儲(chǔ)存在整個(gè)網(wǎng)絡(luò)中，分布式地儲(chǔ)存在一個(gè)大群細(xì)胞之間的連接中。這個(gè)假說我們現(xiàn)在正在做許多實(shí)驗(yàn)來加以證實(shí)

神經(jīng)網(wǎng)絡(luò)是怎么形成的？這是在出生之后，由于經(jīng)驗(yàn)造成網(wǎng)絡(luò)間的強(qiáng)化而形成的。尤其是在出生后到幾歲之間，有大量網(wǎng)絡(luò)形成時(shí)建立了各種網(wǎng)絡(luò)。有些網(wǎng)絡(luò)要不斷地修剪，好的網(wǎng)絡(luò)就留下來，不好的網(wǎng)絡(luò)就削減掉。

整體而言，在幼兒期到青春期時(shí)，網(wǎng)絡(luò)處于形成的過程，修剪大于生成。但成年后，慢慢地修剪大于生成，造成整體網(wǎng)絡(luò)的減化。這就是年紀(jì)大了后可塑性下降，記憶慢慢衰退的原因之一。但是如果這些網(wǎng)絡(luò)的形成與修剪過程不正常，就會(huì)造成各種疾病，這是現(xiàn)在對(duì)精神類疾病的網(wǎng)絡(luò)異常的一種看法。

在人工智能中、數(shù)字計(jì)算機(jī)中，要理解網(wǎng)絡(luò)怎樣處理信息，最好的模式是學(xué)習(xí)兒童是如何產(chǎn)生認(rèn)知的。我們現(xiàn)在研究類腦智能的發(fā)育過程，就是想從中獲知，網(wǎng)絡(luò)是怎樣實(shí)現(xiàn)自我改進(jìn)的？它的結(jié)構(gòu)是隨著學(xué)習(xí)而變，造成了一個(gè)新的、最有效、最高智能的人工網(wǎng)絡(luò)。

人工網(wǎng)絡(luò)可以借鑒的自然網(wǎng)絡(luò)性質(zhì)很多。人的種類很多，有抑制性、有興奮性的，還有各種不同調(diào)控神經(jīng)元的網(wǎng)絡(luò)，形狀、生理放電模式都不一樣。現(xiàn)在大多數(shù)的人工網(wǎng)絡(luò)是正向連接，其實(shí)在自然網(wǎng)絡(luò)中，有順向、逆向、側(cè)向連接，還有非常特異性的連接會(huì)造成各式各樣的環(huán)路。

還有功能的可塑性，就是效率可以增強(qiáng)或減弱。這在人工網(wǎng)絡(luò)中已經(jīng)得到應(yīng)用，人工網(wǎng)絡(luò)中最常用的學(xué)習(xí)模式和機(jī)器學(xué)習(xí)算法就是長(zhǎng)期學(xué)習(xí)、長(zhǎng)期增強(qiáng)或減弱可塑性的應(yīng)用。除了功能的可塑性，還有結(jié)構(gòu)的可塑性，及時(shí)網(wǎng)絡(luò)可以增加連接、減少連接，會(huì)出現(xiàn)新生與修剪。這是現(xiàn)在人工網(wǎng)絡(luò)還沒有真正考慮到的結(jié)構(gòu)變化。

此外，可塑性可以傳播，這也是在自然網(wǎng)絡(luò)中被發(fā)現(xiàn)的。它有各式各樣傳播的模式，可以造成可塑性的變化。記憶有短期和長(zhǎng)期記憶，結(jié)構(gòu)與效率的改變就是記憶的貯存。但是貯存的記憶會(huì)消退，隨著時(shí)間消退，自發(fā)活動(dòng)可以被清洗，但是短期記憶又可以轉(zhuǎn)換為長(zhǎng)期記憶。規(guī)則性的重復(fù)很重要，可以引進(jìn)到記憶學(xué)習(xí)的人工網(wǎng)絡(luò)中。記憶也可以消除，有各種模式和記憶提取等，在自然網(wǎng)絡(luò)中提取是將記憶再現(xiàn)，電活動(dòng)的重新出現(xiàn)作為記憶提取的模式。對(duì)與學(xué)習(xí)相關(guān)的一群突觸都可以同時(shí)修飾，這種強(qiáng)化學(xué)習(xí)在人工網(wǎng)絡(luò)已經(jīng)開始應(yīng)用，但是人工網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)沒有特異性。

集群是最重要的概念。在網(wǎng)絡(luò)之中，它是一個(gè)集群的概念、一種嵌套式的集群。各種成分是由不同的集群造成的，集群之間還可以造成連接的變化、造成集群的集群。這種嵌套式是各種信息捆綁的重要模式。這種多模態(tài)的信息就靠著這種捆綁，但是捆綁的關(guān)鍵是要同步活動(dòng)振蕩，或者有相差的耦合活動(dòng)來捆綁不同集群，而且是不同腦區(qū)的集群。

如何將其運(yùn)用到人工的類腦研究中、怎樣利用到人工網(wǎng)絡(luò)的學(xué)習(xí)算法中，其中很關(guān)鍵的就是要把時(shí)間的信息放到人工智能里。我認(rèn)為脈沖的神經(jīng)網(wǎng)絡(luò)非常重要，利用脈沖網(wǎng)絡(luò)可以更好地貯存時(shí)間信息。然后在時(shí)間信息之上可以做同步信息的捆綁，來實(shí)現(xiàn)嵌套式信息捆綁的過程，從而產(chǎn)生各種多模態(tài)的整合和各種概念的貯存、提取。

類腦研究并不是模擬腦，而是將這些概念怎樣應(yīng)用到人工智能中。這是概念的應(yīng)用，而不是要模擬整個(gè)人腦連接如何形成的，這就太復(fù)雜了，而且在目前來看是做不到的。