本文系網易智能工作室（公眾號 smartman163）出品。聚焦AI，讀懂下一個大時代！

　　【網易智能訊 4月27日消息】2018 GMIC全球移動互聯網大會昨日在北京開幕，本屆大會主題為“AI生萬物”。論壇上，神經生物學家、中科院神經科學研究所所長蒲慕明發表了演講，闡述了腦科學的研究現狀，以及如何助力人工智能和類腦智能的發展。

　　蒲慕明稱，大腦最關鍵的是學習和記憶，學習和記憶也是人工網絡關鍵的功能。人工網絡在過去幾十年來，最關鍵的一個從大腦，腦科學得到的啟發，就是連接的可塑性。

　　“記憶的產生是靠神經之間的連接加強，通過同步的電活動。”蒲慕明解釋稱，現在研究的難點在于面孔識別的神經機制，比如你如何識別你祖母的面孔，是因為小時候祖母不斷出現在你的視野里，她臉上每一個部位都激活一群神經元。超級細胞群在你祖母面孔出現的時候，就把這個超級的細胞群連在一起。這個集群讓你看到祖母的眼睛，就可以想起她整個面孔，甚至是她的聲音，因為我把整個集群記憶提取了。

　　蒲慕明解釋稱，現在新生結構，連接可以新生，可以消減，它可以減少能耗，增加效率，這個已經被證實了，它已經被我們中心的程序員在芯片上實現了。“什么信息需要遺忘，這也是需要解決的問題，什么樣的信息需要長期保存，這個在人工智能方面也需要找到一個很好的算法。”

　　總之，腦科學與類腦人工智能的協同發展，相互支撐、相互促進、共同發展。（小羿）

　　以下為中科院神經科學研究所所長蒲慕明演講實錄：

　　蒲慕明：各位來賓，大家都知道人工智能現在是方興未艾，可以做的事情很多，而且發展還有很大的前景。但是我們考慮未來的下一代人工智能，五年、十年、十五年之后，人工智能會需要更智能，首先需要知道我們目前的人工智能是專用的，不是通用的。我們現在最關鍵的技術，深度學習，機器學習的方法是大數據，高能耗，跟人腦比起來是差遠了。所以怎么樣從監督學習進入到非監督學習，像人腦一樣，怎么像人腦那樣有效率，我們應該從腦科學里得到一些啟發。

　　我今天跟大家大部分是講腦科學，但是最后會提到我講的這些內容就可以代表將來科學如何能夠對人工智能有所幫助。最重要的是包在大腦外面的皮層，這個皮層是人類特有，特別發達，在低等哺乳動物是沒有的。但是內層的皮層也很重要，但是這個在進化上是保守的。我們知道這個復雜性來源于什么呢，重要的就是它的組成結構復雜，這個結構包含著大量的神經元，我說上千億的神經細胞，我們神經元。不光數量多，種類也多，現在具體有多少種我們也還沒有搞清楚。所形成的網絡，在這個網絡中長出這些凸起形成網絡。在網絡中有特殊的一些環路是進行各種功能的，所以整個網是連在一起的。但是種類多是一個很大的問題，不但它的形態多，形態不一樣，功能也不一樣，脈沖發送模式也不一樣。所以要理解這個，就是知道在大腦，比如在動物系統里我們現在能做研究的，看它有多復雜。

　　說明這個復雜性我可以舉這個例子，這個只有52個細胞皮層的神經細胞，我們把它連接再追蹤出來，它所造成的網絡結構是如此復雜，只有52個。想想我們人類大腦有千億的神經細胞，它的連接是多么復雜。但是基本結構是很簡單的，就是它一個細胞，細胞有一個細胞體，它長出很多凸起，這個凸起一邊是輸入，一邊是輸出。基本結構很簡單，但是每個細胞種類性質不一樣，所以是很復雜的。這跟人工網絡大不相同。

　　大腦最關鍵的是學習和記憶，學習和記憶也是人工網絡關鍵的功能。但是人的學習是怎么來的呢？我們感覺、運動、認知、行為，所有的都有電活動。這個電活動造成了我們神經系統網絡結構的變化，包括功能的變化，神經元它自己的構造變化。還有圖數，就是神經元連接的節點，這個節點就是記憶儲存的地方。人工網絡在過去幾十年來，最關鍵的一個從大腦，腦科學得到的啟發，就是連接的可塑性。功能可以變，而且結構也可以變，我們現在人工網絡的結構大致上是不變，所以這是可以借鑒的地方。結果是一個新的網絡產生之后，它就有新的認知行為的改變。

　　我們說這個結構怎么變呢，在幾十年前有一個加拿大的科學家提出來了，網絡的結構變了最好的一個方式，就是假如這個結構，這兩個神經細胞它假如是同步放電，同樣時間放電的話，把連接加強；假如放電時間不一樣，它的連接可能減弱。他提出來這樣一個假說。這個假說最后是簡單的一句話，就是一起發放神經元連在一起，這是一個規則。這個規則也被哈佛用在他的人工網絡里，他也開始把這個假說放進去，就是非常有用的人工網絡可以做記憶學習。這個有實驗證據，就是神經連接在高頻刺激之后，它兩個前后的細胞都有電活動，它就有增強；低頻刺激之后，只有前面的這個細胞有活動，后面的細胞因為低頻不能夠激活，所以就弱，沒有活動，所以就變成一個減弱。我想我們現在神經網絡最大的功能就是感知，要知道外界的事情，要記憶，要學習。

　　赫伯還一個假說，就是把很多活動，把很多神經元連到一起，而且記憶就儲存在他的記憶之中。假如提取記憶的話，就同樣把機器學習細胞再激活，你就是記憶的提取。我們舉個例子，比如在你的視野里有一個圓形，這個圓形激活了一大批細胞，每個細胞都是對圓形的曲線段有反映。這個細胞都是在圓形一起出現了激活，所以它的連接就加強了。所以得到了一個神經細胞的集群的連接的加強，加強以后，只要有部分信息來了，它就可以通過原來已經加強的連接就可以喚起整個記憶，圓形的記憶就出來了。所以說明記憶的產生，就是靠著這樣把神經之間的連接加強，通過同步的電活動。

　　其實這個很有用的，現在的面孔怎么識別，比如怎么識別你祖母的面孔，因為你小時候你的祖母不斷出現在你的視野里，她臉上每一個部位都激活一群神經元。現在這一個圈不代表一個神經元，是代表一圈，代表眼睛的一群，代表頭發的一群，等等，這些全加到一起，這一都是一起被激活。所以超級的細胞群在你祖母面孔出現的時候，就把這個超級的細胞群連在一起。這個集群，實際上將來看到祖母的眼睛，我就可以想起她整個面孔，因為我把整個集群記憶提取了。這個集群我們說是千耗時集群，每個集群一部分是一個集群，所有的群加在一起又成了一個大群。這個大腦處理祖母信息，每個人都有不同的面孔記憶，他的記憶很可能就是這樣產生的。這也變成了一個概念的記憶也可以這么來說，我們不光祖母的面孔，這是一個超級細胞群，這一圈就代表了一個超級細胞群。但是實際上還有跟祖母相關的細胞群，像她的聲音等等都在這里。這個超級細胞群，就是祖母概率。你小時候聽到祖母的面孔該想起她的聲音。所以這就是我們現在在腦科學最好的假說，認知是怎么回事。當然這是一個假說，各種概念在腦區，概念把各個腦區的網絡連到一起，然后讓它產生強化。

　　這個跟怎么樣產生網絡，原來網絡怎么出現了，我覺得腦科學里重要的一個，過去幾十年最重要的一個進展，就是理解了人類大腦在發育過程中是怎么產生網絡的。像嬰兒出生一個月的時候沒有什么網絡，只有神經細胞。然后在兩個月到最右邊的兩歲，他的網絡大量生成。所以可以想像，網絡生成的過程是干什么，就是小孩子一開始學習所有的能力，包括認知能力，包括對他的記憶，包括開始學語言，都在這個網絡形成的過程中，所以跟我們人工網絡不一樣，人工網絡是在那個地方，然后把大數據拿來學。但是知道的大腦網絡是沒有網絡，是你信息不斷的來，不斷的形成新的，不斷有新的網絡產生，但是信息來的時候是把這個已經不斷生成的網絡有所修飾。

　　假如看到這個網絡修飾的過程，產生的圖數的數目，開始出生之后，是大量的上升的，上升之后要修剪，修剪是什么意思呢，就是學習，就是經驗造成你大腦的結構。每個人的大腦都不一樣，都有不一樣的性格，想的不一樣，記的事情不一樣，因為在過去的一生你的經驗不斷修改你的大腦，圍棋大師大腦跟我們普通人大腦不一樣，因為他下了很多棋，已經對大腦經驗進行了修改。我們常說人不需要大數據學習，一看到幾個數據就知道怎么做決定了，因為他不需要這個大數據，他的大數據早已經在過去一輩子把他的網絡修成了一個能夠用小數據就把這個問題解決的。所以要一個真正有效的，未來人工網絡必須要能夠從網絡形成的過程中來得到啟發，來看我們怎么樣用新的機器學習的算法。

　　我最后講一下，我們自然神經網絡有什么可以學的，我今天稍稍講了一些。其實神經元網絡有不同的亞型和功能，這樣造成了它的復雜性，這個復雜性不止是有網絡連接。還有我們人工網絡的連接，都是正向的，往前運作的。也有一些逆向的連接也可以在用。側向的連接，逆向的連接，其實在自然網絡里非常復雜，而且是關鍵，就是各種不同種類的神經元，它是可以往回頭送信息，也可以往前面送信息。最重要的是可以借鑒神經圖數的可塑性。現在圖數我們知道在功能上可塑，現在這是機器學習的方法，它是跟所需要的信息看有沒有錯誤，有錯誤就調整上游的圖數，這個是調整以后它的功能增強、減弱。但是我們現在已經知道調的方法是通過圖數的頻率可以變，頻率代表高低頻，代表他的網絡節點前后細胞電活動的相關性。但是我們現在知道有跟時序相關的調法。還有剛才講到結構是可以改變的，這個是非常重要的。

　　現在新生結構，連接可以新生，可以消減，它可以減少能耗，增加效率，這個已經被證實了，它已經被我們中心的程序員在芯片上實現了。還有可塑性可以有序的傳播，還有逆向傳播。還有網絡圖存，我們談到效率和記憶的代表圖存，假如消失了就是遺忘。什么信息需要遺忘，這也是需要解決的問題，什么樣的信息需要長期保存，這個在人工智能方面也需要找到一個很好的算法。記憶提取的方式，還有強化學習的，在神經網絡的內容是不一樣。我今天講了一個很重要的集群的概念，就是赫伯集群，這是嵌套式的，一群一群神經元代表不同的信息，然后捆綁在一起。捆綁的方式就是用同步的活動在大腦了有電活動捆綁集群。最后還有輸入的圖譜結構等等。

　　今天講到這里，就是腦科學，和類腦智能有很多可以交換的地方，不光是腦科學為智能領域有影響，智能語義對腦科學的發展也有影響，這個細節我今天沒有時間說了。所以我就講到這里，謝謝大家。（完）

　　關注網易智能公眾號（smartman163），為你解讀AI領域大公司大事件，新觀點新應用。