Panel  脑科学与人工智能：从交叉到融合

主持人（王跃明）：下面有点时间可以讨论一下。

问题：首先对尧老师刚才提到的在莫札特效应中会出现神经元的增减？

尧德中：形成神经元。
 
问题：这是在什么时间尺度上的效应？
 
尧德中：听到莫札特一个星期之后，图上有，一个星期、十几天，最多二十多天，之后把老鼠干掉。
  
问题：这个增减是怎么监测到的呢？
 
尧德中：把老鼠取出来之后，专门有一个神经，生物学有一套方式，是离体的，老鼠被杀掉之后做的。
   
问题：杀掉老鼠只能杀一次。

尧德中：做一批老鼠在这个时间点干掉一批，下一个时间点再干掉一批。
 
问题：第二个问题对唐老师的，视频中机器人可以实现一个空间定位行走，我想问在这个过程中是不是也涉及到对一些模式的识别，是基于对特征的识别还是像您说的它是进行了一些语义上的识别？
 
唐华锦：我们目前做的是基于特征方面的识别，所以刚才提到接下来很重要的是怎么把领域化空间结合进来这是非常好的方向。
   
问题：你的slam里面地图同步扩展还是？
 
唐华锦：有。两边都有。

问题：唐老师我对这个方向非常感兴趣做了一些学习，现在咱们的方向里面怎么保持生物真实性和性能方面的结合，比如生物里面刚开始主要是三类细胞，实际上可能还有五类、六类更多的细胞，怎么平衡的问题？
  
唐华锦：我做这个工作当中还是不得已要做很多简化，因为神经细胞和大脑有非常大的复杂性，不能完全模拟，所以往往是实现其中最主要的一些，比如位置细胞、网格细胞，对空间感觉最主要的，其他的就用一个数学模型，比如一维的很容易实现的东西，这样可以跳出方向细胞复杂的建模。
 
问题：咱们这种方式跟现有的比真正的优势、先进性在什么地方？
 
唐华锦：可能有颠覆性的优势是接下来一年之内通过更多工程化的实践来做，但是我应该对这个方向是比较有自信的，因为现在机器人所依赖的是外部的地图或者工程师告诉它的编码地图，机器是完全不能理解地图的，很难想象我们走的时候拿着地图走，是人自己有个空间地位，我的看法是机器人要有自己能够理解的地图，通过机器人自己来构造slam才能理解这个地图。
 
问题：我是来自太原理工大学的老师，我之所以参加这个会是想听一听，去年我参加过唐老师、潘老师的讲座，我们在做一些脑卒中的信号处理研究，想寻找脑科学和脑卒中的研究，想把他们结合起来，但是现在还在比较迷盲的阶段，想请各位专家提点比较好的建议。
 
尧德中：用的什么手段？
   
问题：目前我们和医院合作的，目前还是从信号处理的角度对脑卒中的病人。

尧德中：处理什么信号？
 
问题：现在有对1G信号的处理还有MRI的，这几方面都着手在做，但是都属于起步阶段。
   
尧德中：套路都是一样的，做卒中、做癫痫，应该找一篇相关的文章都有整个处理流程，顺着这个做就可以。
 
问题：主要是从建立预测模型的角度做。
 
尧德中：预测卒中会不会发？
 
问题：对。
 
尧德中：人工智能的方法都可以用上去，有发生之前的有发生之后的，这个套路都是一样的。
   
问题：也就是说我沿着信号处理角度做也是没有问题的？
 
尧德中：对。
 
问题：尧老师您好像7月份要办脑神经科学的会议，我已经安排我的学生写这方面的论文了。

尧德中：这个套路应该没问题的。

问题：几位专家都是从脑神经科学的角度说，我们是从信号处理的角度，感觉有一点和你们离一点远。
  
尧德中：我们那儿80%都是做信号处理的。
  
潘纲：其实这位老师提的很好，我觉得就它具体的没有共性，但是私下可以交流，其实我们论坛是脑科学和人工智能，我这些年一直在这两个之间，像唐老师和宋森都是这方面的，有两个个人的看法，一是认知方面的机理怎么启发我们做人工智能的算法。唐华锦和宋森都是这方面的，唐华锦提出的是GPS怎么形成算法把机器人当中的slam提的更加好。包括宋森老师也是，他这两年非常着重于，虽然他讲了很多都是神经科学的东西，其实更多关注于把这些东西怎么转化为人工智能的算法。刚才这方面可能没讲特别多，但实际上有一大块就是想这里人的机制，刚才说深度学习，为什么我们这里面都不知道，神经学当中我们原来了解的更加清楚，包括人是怎么做的，有些东西了解的更加清楚是可以启发智能的算法的。

第二方面我理解，其实做神经科学、脑科学做认知也好，最近几年我的感受是，他们的数据越来越多，因为采取的手段越来越多，数据越来越多，就需要有手段帮助它认知的，以后需要用数据量数据建模方式辅助证据做，这是很大做人工智能领域的人可以跟他们做结合的，但是那样的话它研究的问题重点是他们想解决什么问题，然后去做。比如一个交叉的，前面出来一二十年了，计算神经科学，我理解最重要就是用计算的方法怎么到神经科学里面为他们做一些事情。
 
问题：相当于用信号处理的手段为他们做事。
   
潘纲：比如我们主要目的不是为了算法，人脸识别更加准确，人脸识别更加快，目的不是这个，目的是计算的方式，这个复杂网络，数据到了之后，我们总结出规律是什么样子的，如果有很好的规律，真是脑科学里面的牛顿定律，相对论，现在没有，现在就是缺这种理论，如果有了以后我们真正把这些东西做出来，对他们是一个突破，对计算信息的人也是一个大的方向可以去努力的。

问题：您提到兴奋性神经元是进行记忆的事情，抑制性功能是功能的调控，控制人睡眠或者癫痫发作，您认为在人工智能的全集网络里面，怎么样模拟兴奋和抑制，或者兴奋和抑制有什么启示？

宋森：大脑神经元有两类，其中兴奋性神经元比较像深度学习中用的神经元，它主要是用一些分布式编码的方式进行的，这个比较像我刚才提到的兴奋神经元，因为它要表明一些很细节的信息，储存很细节的记忆。但是大脑存在另外一大类神经元，包括刚才讲的抑制神经元、结点神经元更多是调控作用，它本身不去表征非常细节的信息。 最近有一篇文章说到，丘脑里面的一些神经元激活的时候是把皮层中现在的编码模式延长了，起到调控作用。另外比如抑制性神经元也起到调控作用。 这是比较大的原则，细微编码和调控能力的两类神经元。这个现在的深度学习有点往那个方向走了，但是还是不够的。    

问题：唐老师你做的工作是简单几个稀疏的采样点来恢复空间中的感觉吗？通过空间中的稀疏的采样感知恢复空间中整体的全貌还是位置感？
 
唐华锦：这里利用了空间记忆的概念，这个记忆根据外列信息来的，比如我们走这个路有一些信息结点，如果空间很大，细胞核负责的区域就很大，精度就会降低，是个成熟关键的信息，比如在某个结点保留了对这块区域关键信息的理解，目前采用的比较简单的特征提取和记忆的功能，接下来另外一个也提到怎么把运用加进去，这样会更加完善一些。
 
问题：我不是做这个方向的，加了很多存储记忆的在里面，不光是瞬间的？
   
唐华锦：每走到一个阶段会判断当前获取的信息跟之前的信息是否相似，如果相似或者一样就不保留这个东西了，就认为是一个旧的信息，只有到新的信息才会增加所谓的经验，会保留一个经验信息，在地图里经验信息是对空间记忆的表达。
 
问题：人工智能在医疗领域里的应用里面，国内跟国外比自有产权在什么位置？
   
赵毅武：刚才举了一些例子，有些企业做的蛮好的，只是在某些点上有先进性，但是现在有些企业也在跟风，但是感觉怎么把学界用在应用上，我还是比较看好的，因为国内的研究还是有一定基础条件的。
 
问题：如果我做跟医疗器械有关系的，怎么样从科研阶段转化到产品阶段，应该是非常长的周期，中间还需要很多部门的批准。
  
赵毅武：我也提到对它诊断上、研究上的应用和对整体临床上的应用相对来说前者比较容易，我建议集中在前者迅速形成一些产品、方法和技术，后者上其实一是争取国家在这方面能够在管制上对创新的技术更放开一点，这个不容易，但是可以用于辅助的工作，那是可能的。

问题：预测诊断还可以，我们不干扰它，也没有侵入这个事情。但是治疗。
 
赵毅武：治疗本身对医疗技术和产品引入还有很多药监局的限制，可以力图通过它的绿色通道做这个工作，但是我觉得研究上应该不要放弃。否则我们会超过一段时间以后就跟不上了。目前还是需要很大的努力才行，比国外还是有距离的。
 
问题：现在做机器人的说，功能机器人可能是将来的趋势，脑科学里面可能是重要的途径或者解决方案，目前在脑机接口方面可能存在哪些挑战？比如实现将来通过一个眼神跟机器人交互，或者机器人之间有个交互，这个路径还可以有多长？能不能谈一些观点？再一个现在脑科学交叉研究是不是对设备的要求，像潘老师的实验里面说的，要采集大鼠的脑电信号还要做机器的分析，包括新的方式，包括光和磁，对设备要求比较高？
   
潘纲：尧老师做脑机接口是国内特别早做的，只不过他现在重点感兴趣的在认知方面，我简单谈一谈，脑机接口大家概念上说都是很玄的东西，到底离产业有多远？其实我的理解是这样，虽然脑机接口现在是很好的东西，但是在技术的成熟度现在还远远不够，最主要的原因是信号的采集方面，这是很大的原因，现在信号采集，时间空间率太差了，噪音影响太大了，所以很多事情比较难做，这一块不但是采集，如果采集有了以后信号的处理包括解码也有很大空间，现在很多都是空白的，特别是解码，我觉得像这个从总体阶段来看是初级阶段的处理，如果从应用阶段来说我们也在研究探索阶段，但是有些局部点的应用是可以用的，比如脑电，如果是很简单的意念控制，刚才讲的篮球，这个准确率很高，不是一个人要训练好几个月，很多人一两天熟悉以后好多都可以操作了，这种就可以用游戏、娱乐，对要求不是特别高的，不像航空的操作那种要求特别高，手术要求特别高，但是特定的领域可以用了。所以只要应用点找好，其实我了解好多创业公司在做，只不过规模比较小，不知道赵总有没有已经开展可以用的。

第二如果植入式这一块更多是在医疗的角度看，但是这一块跃明也说了，可能在医疗要求特别高、特别严，要做的非常好才能用，但是医疗这块现在已经很多植入式的探索包括机电的应用，外骨骼小的应用，现在都已经在实验阶段，甚至很多都是在临床用的，我刚才没有准的例子，一个是人工耳蜗，美国已经做手术很多年了，我印象中是一九五几还是六几年有个非常另类的神经科学家做的，但是学术界不认同他的，现在人工耳蜗国内很多医院都可以做了，只不过价格比较贵，这是我们听觉上增强的。

第二个例子是视觉增强的，我刚才说好像很神的样子，但是人现在已经有设备去做也是美国FDA认证的，但是那个视觉不要认为人瞎了以后戴上它可以看出清楚，只不过有些信息可以提示而已，但是还远远不够，只不过从用的角度，有些点可以一直往前做，这是一个逐步的过程。但是这个过程可能有些比较特别前沿或者观点特别前卫的人大家也在关注，少数人也注意到了特斯拉的老总，几星期前刚刚发布了一个新闻，组织了一个9人的团队就是要做脑机接口的，概念跟刚才讲的混合制是一样的东西，大家想法是一样的，只不过名称不一样而已。这可能真的是以后很大的一个方向，但是总体上还是非常粗布的阶段，包括刚才提到的机器人上的应用一样，有些要求不是很严格，其实脑机已经可以用了，现在有一些场景，意念控制机器人的，都有，做一些简单的演示，而且真正可以用的，准确率不要寄希望99%，有时候还会控制错了。这是我个人不太成熟的想法。
  
问题：现在有做类脑计算和量子计算，像大脑里面量子效应这么小的地方还做计算，国家这方面投入很大的精力，有类脑的实验室，我想请问各位专家这个方向您判断可能性是多大？
 
宋森：清华有一个类脑计算中心，类脑芯片一个大的问题是计算和存储融合。类脑芯片现在看有两种，一种是从原有做GPU、CPU技术，慢慢把存储模块加进去，我个人认为中国在这方面在国际上不具有很大的竞争力，因为关键的技术专利全部被别人锁定了，清华也在做这个路径的一部分工作，在填补国内空白方面还是有一定意义。我更看好另外一个路径，就是利用新材料，以及在存储技术上的一些突破，慢慢把计算单元加进去，这方面两三年都不会是主流， 但可以提前做一些专利布局，再往后发展可能在国际上会更有竞争力一些。
   
唐华锦：我觉得这是非常有前途的方向是没有问题的，当然包括很多大公司都已经往这方面的投入做了，包括IBM都在往这方面做，但是可能还需要一点时间，我觉得一旦出现的话会有非常颠覆性的产品，一个比较成熟的概念它会成为一个GPU或者CPU边上会加一个神经处理器会是这样一个特殊的处理单元。
   
问题：我是一个医生，基于我刚毕业时候的一个想法，那时候在神经外科干过几年，后来不搞了，那时候也想为什么想做神经外科医生对脑科感兴趣，做手术的时候就可以看看病人了。当时真正让我做的时候，发现老师教我们的，对我而言脑子是非常神圣的，结果真正做的时候把病人放到手术台上脑组织不是那么整齐的，我当时特别的难受，从那以后对神经外科不太看好了，当然随着慢慢的了解发现尽管梦破灭了，但是还是对此有点想法。我想看脑科、功能结构更深入的有多少，我还是有点失望。我对二极管、三极管工作非常熟，但是细节不是特别懂，我知道它们之间的差别是相当大的，比如一个计算机的理论最本质的为什么保证计算机是0和1，是二进制的所以它非常精确，即使那样还非常容易出错，真正细胞的动作电位是乱七八糟的，如何保证它的精确性，物理上的东西区别还是非常之大的。
   
主持人（王跃明）：问题是什么？
   
尧德中：我大概明白你说的意思，觉得我们讲的还没有落到你关心的层次上面去，神经是非常宏观的层次，在非常微观的层次也有人做，用电子显微镜做的非常细，细节都可以做出来的，在那个层次上再建模，再看后面系统的反应。还有一种是宏观的，你刚才讲的做外科手术用吸管吸掉，看他的病是不是治好了，这是几厘米层次的，就是不同层次干不同层次的事情。我们今天脑科学这么大的范围，我们这几个人不太可能覆盖所有层次的，你关心的层次讲的少，但是脑科学里面神经元编码的问题不像电子那样很精确，但是有可能在组合层面上，干预层面上回答一些问题，不一定是数学层面的1+1=2的，原理上不一样。
  
问题：所以讲的细节对它有一定的影响的结果，实际上我是很怀疑的。

尧德中：这些都是实验做出来的，不是控制精度非常小的。
 
潘纲：我们大鼠控制都已经非常好了，大鼠在这么多、这么嘈杂的还有观众，视频大家看的很好，但是布置都要布置到半夜两点钟，大鼠都很累了，人的意念控制也很累的，这个结果没问题，但是有一点没有问题，现在生物上要控制的非常精确远远达不到，现在要让人的神经网络很细的要控制很难，这和我们原来想象的不一样，计算机给他一个信号，二极管、三极管为什么二进制做，因为让它的路棒一点，万一听到0.5和0.5没有关系，取一个阈值就干掉了。但是生物上很多地方跟机器不一样，为了故意让它鲁棒进化而来，为了让它的路棒很多地方要故意让它有随机性，甚至有时候故意要有噪音，这样神经整个系统才会比较鲁棒，目的就是为了细化来的，就是为了增加鲁棒性，这也是很难的点，我们怎么样对神经网络做调控，特别精细点调控特别难，但是现在有的粗的调控都已经有些手段了。尧老师也提到现在外部的刺激，怎么样调控它的神经网络，现在不是假的，是真的可以调控，但是效果可能受的影响不单单是一种因素的影响，有可能有些环境下还受其他因素的影响，有些很精细的东西可能搞的还没这么清楚。

刚才这位老师提的神经科学发展到什么程度了，我其实不做神经科学，但是这几年做这个以后发现，真的比我原来想象的进展要快很多，特别是一些新的手段出来以后真的非常多，比如美国脑科学、脑计划起来很大部分是通过新的技术测量单个神经元的行为，比如一个脑几百万个，但是目标在往这方面做。从现在来看纳米材料各方面的技术融合在一起，我们原来想象不到的一些技术可以观察到，有这些观察以后我们对大脑的研究可以更加客观，以前做认知的很多都是从行为上做，好像现在做心理学的文章很多都是行为上做，做实验也是很少几个，那个可靠性总是受到质疑，按照如果有大的数据量就可以更加客观的做，那个结果就会更加好。我刚才提到两种技术对神经学影响非常快，一个是光遗传学，第二就是双关制成像更加细节的把神经行为观测到，这个技术也会前进，过几年就有新的科学，对整个信息学、交叉学的融合，越来越紧密。

（本报告根据速记整理）

CAAI原创 丨 作者系上述嘉宾
未经授权严禁转载及翻译
如需转载合作请向学会或本人申请
转发请注明转自中国人工智能学会