人工智能會取代人類嗎?這個問題一度引發全民熱議。雖然目前人工智能正在快速提“智”，但是這不代表它真的很聰明。相反，很多時候它還很傻很天真，仍然需要向人腦學習。

 

 

    近日，以色列魏茨曼科學研究學院計算機科學系教授希蒙·厄爾曼發文表示，相信神經科學能為人工智能發展提供進一步的助力。那么，人工智能和神經科學究竟有什么關系?神經科學到底如何進一步助力人工智能發展?深度融合神經科學的人工智能將發生哪些變化?

 

    神經科學和人工智能本屬同源

 

    談到人工智能和神經科學之間的關系，中國科學院上海生命科學研究院副研究員王小理用兩句話來概括：同源分流、學科獨立;交叉融合、分久必合。

 

    最初，人工智能與神經科學是兩門各自獨立的學科，有著不太一樣的研究對象、研究方法體系。從學科起源的時間原點來看，人工智能學科以1956年美國達特茅斯學院夏季討論班為緣起;而神經科學誕生的標志可以回溯到1891年的神經元學說。這樣看神經科學算是人工智能學科的“前輩”。

 

    神經科學更多地側重于生物學意義上的神經活動的規律，解析包括思維、情感、智能等在內的高級神經活動的發生機制，而意識起源問題，則是神經科學的終極目標，研究方法上神經科學是以自然現象歸納為主的“實驗科學”。而人工智能是研究開發能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學，研究對象不是智能而是智能操控，現階段研究方法上是側重于對復雜現象進行模擬仿真的“計算科學”。

 

    “但可以將神經科學和人工智能的關系簡單理解為源和流。”王小理告訴科技日報記者，人工智能的興起和發展離不開神經科學成果的滋養。

 

    正如希蒙·厄爾曼文章所述，早期人工智能領域的科學家將生物神經系統作為參照對象，創造出了近年來盛行的“深度網絡”腦啟發架構，這是一個非常鮮明的“源流”案例，也一直為神經科學家和人工智能領域科學家所津津樂道。但有些人工智能領域的專家，認為深度網絡前期是仿腦，后期發展了獨立的方法，因此認為，人工智能有自己的方法體系，基本可以拋開腦科學。這樣的觀點其實是值得深入討論的。

 

    中國科學院神經科學研究所蒲慕明院士曾向記者表示，近年來，腦與神經科學、認知科學的進展使得人們在腦區、神經微環路、神經元等不同尺度觀測的各種認知任務中，獲取腦組織的部分活動數據已成為可能，獲知人腦信息處理過程不再僅憑猜測，通過多學科交叉和實驗研究獲得的人腦工作機制更具可靠性。因此，腦科學有望為機器學習、類腦計算的突破提供借鑒。

 

    但是，人工智能對神經科學發展的反哺或反饋作用也是客觀存在的。在神經科學基礎研究階段，人工智能可以輔助研究人員解析復雜的腦神經信號、腦神經圖譜實驗數據，構建和模擬大腦模型系統等。在轉化應用階段，人工智能還能加速腦科學成果的應用，例如大腦疾病診斷與新療法成果的臨床轉化等。

 

    打開人工智能“黑箱”的幾條通路

 

    事實上，沒有神經科學大的理論突破，沒有對智能生物本原的認識，人工智能中的“智能”概念很可能就一直是個“黑箱”，而智能模擬與擴展就可能一直在“外圍”打轉。比如，美國國家工程院《21世紀人類面臨的14大科技挑戰》報告就認為，人工智能目前存在的部分問題是源于設計中并沒有充分考慮真實的大腦情況。而通過對人腦的逆向工程來揭示大腦的秘密，可以更好地設計出能同時處理多重信息流的計算設備。

 

    目前神經科學在助力人工智能發展上有幾條通路。王小理介紹，具體路徑上，可以延續認知經驗主義思路的人工智能發展方向。例如，對于人工智能而言，目前總是用一個特定的任務去訓練它，而忽略了它接觸其他事物的過程。如果給智能體一個類似成長環境和成長過程，是不是會讓它更智能呢?人類的智慧是建立在溝通之上的，目前的人工智能體還沒有自主溝通能力， 這也是目前的人工智能水平與強人工智能的差距所在，也是未來的發展方向。

 

    但也可能，希蒙·厄爾曼提出的借鑒人類先天認知系統更具有意義。深入理解大腦的原始能力，從而實現高級的機器邏輯能力。人類具備學習如何學習的能力，如果讓智能體學習如何學習，那么這種二階學習的關系也許會讓它學得更快，如果未來智能體有了想象力和計劃能力，那么它也許真的可以創造出一些我們人類很難創造出的東西。

 

    此外，神經科學助力人工智能，在人工智能重大技術領域也有幾個方向。例如，構建統計關聯與特征關聯相結合的新型學習理論，實現“知識驅動”與“語義驅動”關聯統一;構建融合深度學習與強化學習、演化計算、主動學習、畢生學習等仿生和自然計算理論的新型理論框架;實現大規模并行神經網絡、進化算法和其他復雜理論計算;具有自主學習能力的通用性人工智能系統等。

 

    未來兩者深度融合大有可為

 

    那么，深度融合神經科學的人工智能將會發生什么變化呢?

 

    對此，王小理認為，目前神經科學與人工智能的融合，只占生物大腦計算原理的冰山一角。準確預見未來人工智能將如何發展很難，但如果洞察神經科學、人工智能的學科發展規律和人類經濟社會發展大趨勢，粗略勾勒未來發展階段還是可能的，這對于找準創新突破口，明確創新主攻方向非常關鍵。這也是包括我國在內開展相關腦科學預測和技術預見的初衷之一。

 

    從當前到2025年，神經科學繼續保持高速發展態勢，但顛覆性的理論成果還不多，在這一時期，人工智能和大數據技術是神經科學發展的“加速器”。而到2030—2035年，神經科學將迎來第一輪重大突破，在神經感知和神經認知理解方面出現顛覆性成果，從而反哺、革新人工智能的原有算法基礎和元器件基礎，人類社會進入實質性類腦智能研究階段。

 

    到2050年，神經科學將迎來第二輪重大突破，在情感、意識理解方面出現顛覆性成果，開發出一個多尺度、整合、可驗證的大腦模型理論，類腦智能進入升級版，并將推動人腦的超生物進化，神經科學和類腦智能學科融為一體，人類社會全面進入強人工智能時代。當然，圍繞神經科學和人工智能特別是強人工智能，還有許多科學理論和社會與倫理方面的問題。

 

    “我們相信，未來神經科學領域大有可為、未來神經科學與人工智能融合大有可為。”王小理說，從人類科技文明長河來看，神經科學和人工智能是同一枚硬幣的兩個面，雖然相互獨立，但都有共同的指向：為人類的生存和意識演化提供新可能。