计算神经科学:一切感觉都是神经的一丝电波

　　你要承认也许在某一方面你被一台计算机打败了，但在现阶段你仍是地球上最复杂最高等级的生物。 　　现有计算机仍难以完成许多对人类大脑来说轻而易举的复杂任务

　　你要承认也许在某一方面你被一台计算机打败了，但在现阶段你仍是地球上最复杂最高等级的生物。

　　现有计算机仍难以完成许多对人类大脑来说轻而易举的复杂任务。所以，新一代信息技术产业很关注对于大脑功能和神经网络的研究，希望在理解其工作机制的基础上设计出新型的“人脑式电脑和机器人” 。今年3月，百度董事长兼首席执行官李彦宏在人大、政协两会上提出了“中国大脑”提案，呼吁一个新技术革命，并希望以此“带动整个民族创新能力的提升”。

　　对基础研究的投入将带来脑科学、脑科技的突飞猛进

　　中国要在信息技术产业上成为世界领军人，应该大力发展神经科学，带动下一个信息技术产业革命。在美国， 硅谷一些公司(高通(Qualcomm), IBM等)已开始向这一新兴的“脑科技”(NeuroTech)产业进军。同时，发展神经科学也具有战略意义。 美国国防部高级研究计划局(DARPA，Defense Advanced Research Projects Agency)、高级情报研究计划署(IARPA，Intelligence Advanced Research Projects Activity)，以及海军等军事部门在神经科学领域已投入大量资金研发最新的神经技术。

　　但是，在基础研究让我们真正了解大脑的生物学原理之前， 这些应用都缺乏坚实的基础、难于发展。就好像一个国家如果不重视固体物理研究，不可能在国际上成为芯片和电脑技术创新的领军人。所以，最重要的是对神经科学基础研究提供长期稳定的资金支持。即使美国情报高级研究计划署这样以应用为目标的机构，目前也主要资助“大脑皮层网络的机器智能”(Machine Intelligence from Cortical Networks， MICrONS)的基础研究。该项目“旨在逆向大脑的运算法则，彻底改变机器学习”，并且“ 参与者将利用他们对大脑表征、转换和学习规则的深入研究和理解，来创造能力更强的类脑机器学习算法。”这样的规划正是基于长远的战略考虑。

　　学科交叉推动新兴的计算神经科学发展

　　“类脑人工智能” 至今最成功的例子，是“深度学习”(Deep Learning) 。“深度学习”植根于对大脑视觉系统的研究。视觉系统由很多“层”神经网络组成(因此叫“深度网络”)。神经信号经第一层处理后送至第二层，经第二层进一步处理后送至第三层，以此类推。层与层之间的网络连接是通过学习训练而形成的(故名“深度学习”)。深度学习系统在完成某些任务上(比如二维物体识别)已接近人的能力。然而目前这个理论还有相当大的局限。例如，深度网络模型通常只有“前馈” 连接(从第一层到第二层、第二层到第三层，等等)，而人脑的神经系统有很多“反馈” 连接(从第三层回到第二层，等等)，比如视觉注意力就来自于从高级“控制”脑区到初级视觉脑区的反馈信号。训练深度网络的学习算法目前也十分有限，需要千万张图来训练网络。人们对视觉注意力、抉择、学习等认知功能的大脑神经网络机制的研究方兴未艾。发展脑科学基础研究，将促进“深度学习” 等类脑智能技术的蓬勃发展。

　　计算神经科学是脑科学中新兴的、跨领域的交叉学科。它把实验神经科学和理论研究联系在一起，运用物理、数学以及工程学的概念和分析工具来研究大脑的功能。 各种新实验技术的快速发展，给我们带来了海量数据。但指数增长的实验数据，并不保证带来指数增长的知识。就像物理学一样，只有当理论的发展与实验同步时，我们才能找到大脑运作的基本规律。因此侧重于理论和模型的计算神经科学与实验神经科学的互动，将会对认识大脑工作机制起到十分关键的作用。大脑是一个异常复杂的动力学系统，具有多种在不同时空层次上的反馈机制，定量分析和计算模型上深入解析是至关重要的。这也就是为什么理论和计算神经科学成为了美国的“脑计划“中的七大优先研究方向之一：“严谨的理论，模型建造和统计分析，使我们对于复杂的，非线性的大脑功能有深入的了解，这是仅凭直觉无法做到的。为了推动理论和数据分析的发展，我们必须加强来自多学科的实验科学家和理论科学家的合作，如统计学，物理学，数学，工程以及信息科学等。”。

　　信息科学与现代神经科学真正结合起来，是一个很大的挑战，计算神经科学是二者之间的桥梁，将在类脑计算、人工智能和脑机接口(Brain-Machine Interface)的发展中起关键作用。可以说，没有世界一流的计算神经科学，就不可能有世界一流的类脑智能技术创新。反过来，机器学习(包括深度学习)能引进新的方法来处理脑科学数据，新的思路来模拟脑功能。因此，计算神经科学与信息科学应密切合作，对脑科学与类脑人工智能重大前沿问题进行联合攻关。

　　应鼓励更多的理工人才进入脑科学

　　我们需要利用物理学、数学的方法研究上千亿神经元组成的复杂结构及其非线性动态行为;需要用理论和数学模型从基因、到神经元、到神经网络、到脑系统的多个层次来研究，以解释认知功能;需要用新的信息科学的工具分析和解读实验中获得的海量数据;需要用生物医学工程的技术来制造脑机接口，使脊髓损伤和运动残疾的病人能够用脑电信号控制智能假肢。在这些方面，中国都具有很大的潜力优势，而发展计算神经科学是关键。

　　计算神经科学在我国还相对薄弱，但我们拥有大批杰出的理工科人才，尤其是年轻人。他们若有机会进入脑科学，计算神经科学的快速发展便指日可待。这不仅会培养基础研究的下一代领军人，同时会带出一大批类脑智能工程技术人才。举一个最近的例子，伦敦大学学院的两位计算神经科学博士后创办的DeepMind公司，创业后不久后便被谷歌以4亿美元(约25亿人民币)收购。 近年来，谷歌、Facebook等公司极力招计算神经科学的毕业生，这种需求会越来越大。

　　培养新一代计算神经科学家，可考虑几种方式。在美国，斯隆基金会(Sloan Foundation)与斯沃茨基金会(Swartz Foundation)从90年代中便开始建立理论神经科学中心，现在总共有11个斯隆-斯沃茨(Sloan-Swartz)中心，分布在各个大学。这些研究中心重点放在吸引培养有物理、数学或其他计算科学背景的研究生和博士后，帮助他们成功地转入计算神经科学领域。迄今这些中心培养出的一百多名学者已在世界各地的著名学府担任教授，使计算神经科学领域日趋成熟。中国应考虑建立几个理论与计算神经科学中心。另外，各强势大学应打破学科的界线，开本科和研究生的计算神经科学课，条件成熟后可建有关的专业。这不仅让物理学和数学学科的青年人有机会学习神经科学，也让实验科学家有机会学习建模的数学知识。暑期学校是另一种有效的途径。美国海洋生物实验室从1988年起办计算神经科学暑期学校，训练了大批从数理化、工程、信息科学转到脑科学的年轻人。我们在国内也于2010年起步创办了计算和认知科学的暑期学校，培养这方面的跨学科的年轻人才。还有，为了建立一个新的领域，必须有讨论会以便于各领域的专家和学生定期集会、交流和开展合作，这对计算神经科学这样的交叉学科尤为重要。因此，我们需要有条件举办定期的会议和暑期学校。

　　展望计算神经科学与类脑智能的未来

　　“十三五”规划，为我国发展这个新的交叉领域带来了良机。我们的目标应该包括：

　　第一，发展海量数据分析的方法，为处理脑数据(包括脑环路和联结组学数据、高密度成像数据、大规模认知功能测量和脑疾病研究数据) 服务。

　　第二，发展理论和计算神经学，尤其是大尺度的认知(包括记忆、决策、语言)功能脑系统计算模拟、跨层次(分子，细胞，多尺度网络，动态系统和行为)机制的分析。

　　第三，发展行为实验的测量方法，包括对脑疾病患者认知功能的定量测量及其标准化。

　　第四，发展计算神经学与类脑人工智能的交叉研究和应用，包括深度学习算法、智能机器人等。

　　第五，将人才从数理化、工程、信息科学吸引到神经科学来，培养受过良好定量训练的新一代脑科学家。

　　第六，建立专门支持跨科学研究的项目。

　　第七，在海量数据共享、跨学科的研究和人才培训等方面开展国际合作。 这一切都需要改革资助经费和管理运行的方式，还需要我们支持跨单位、跨学科的协同创新。

　　大脑是宇宙中最复杂的系统之一，近年来研究技术的大突破为人类认识大脑开创了新纪元。但我们对脑功能、尤其高级认知功能的神经网络机制的研究才刚刚起步，实验神经科学必须与理论和计算神经学携手共进。计算神经科学也是脑科学与人工智能两个领域之间的必要桥梁，这些领域的互动和协同创新将极大推动未来的信息科技、脑科技以及下一代超级计算机的发展。

　　你自己独一无二。