文：《千人》雜誌記者 何中花
原標題：《斯白露：格物致知，知腦明“智”》
注：原文載於《千人》雜誌2018年第68期（內容有刪減），轉載請註明來源，未註明來源轉載將視為侵權。
機器人會不會擁有像人類一樣的意識？能思考問題、分辨對錯？近年來，隨著圖像處理、目標識別、機器翻譯、數據挖掘等一系列以智能為核心的應用加速興起，傳統“電腦”愈發顯得“力不從心”，人們也開啟了比“曼哈頓計劃”更具挑戰性的“仿腦”和“造腦”計劃。那麼，腦與如今方興未艾的人工智能到底有何聯繫？中國科學院瀋陽自動化研究所研究員斯白露對此有著獨到的見解。
斯白露，中國科學院瀋陽自動化研究所研究員
腦是自然界最複雜的系統之一
“腦是自然界最複雜的系統之一。認知科學與神經科學解析腦神經系統的連接結構、電活動，積累了大量數據，揭示了腦產生認知功能的諸多基本規律。系統地認識腦、提煉認知和行為的原理性規律離不開建立系統的腦理論。”對於自己所研究的領域，斯白露有著客觀理性的認知。
在學習和研究期間，斯白露的科研水平取得了長足進步，他系統性地學習了計算神經科學理論，並通過數學建模和計算機仿真研究腦產生記憶的原理。“我們與系統神經科學家合作，提出了哺乳動物內嗅皮層和海馬體形成空間記憶的理論與計算模型，明確了哺乳動物在導航過程中生成的環境空間記憶可能需要的腦連接結構和信息處理機制。實驗發現，哺乳動物大腦的內嗅皮層和海馬體具有柵格細胞、位置細胞等可以編碼空間位置的多種神經細胞，這些構成了內在的空間定位系統。”斯白露及其團隊建立了內嗅皮層柵格細胞的自組織神經網絡模型，該模型可以通過自組織學習形成遞歸網絡、根據陸標信息產生多尺度的空間編碼用於空間定位。在此基礎上，研究團隊進一步提出了位置和速度聯合編碼的連續吸引子網絡模型，可以整合運動速度，在環境中定位。另外，通過建立海馬體中位置細胞的競爭學習神經網絡模型，斯白露及其團隊發現了海馬體能夠整合多種信息，形成環境認知地圖表達。
腦是人工智能產生的唯一樣本
2013年，斯白露加入了中國科學院瀋陽自動化研究所擔任研究員，一直從事著計算神經科學、類腦智能、機器學習與智能機器人方面的研究。創造智能機器是人類不斷求索的夢想。美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”這說明人工智能研究的是人類智能活動的規律，構造具有一定智能的人工系統，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術，而人類行為受大腦神經機制控制，要想開發人工智能系統離不開解析腦的奧秘。腦是自然界提供給我們理解智能產生的唯一樣本。通過解析自然演化形成的智能，人類可以舉一反三創造新的智能系統。神經科學對腦的探索積累了豐富的信息，通過腦的逆向工程借鑑腦產生智能的原理，構建類腦智能系統是全世界面臨的一個重大挑戰。迎接這一重大挑戰需要在神經科學與人工智能的前沿交叉領域開展研究，打破學科細分造成的隔閡，融合多個領域的基本知識和原理，發現問題、尋找值得深入挖掘的方向。
類腦智能的研究，一方面需要熟悉人工智能領域的方法和理論工具；另一方面需要把神經科學的知識和原理跨界應用到人工智能系統中，建立新的理論，發展新的模型。比如，人工智能包含模式識別、計算機視覺、自然語言處理等研究方向，這些細分領域專注於解決各自的科學問題，分別形成了一套自有的理論和方法。神經科學的研究結果表明，不同腦區的組織和計算原則往往是相似的，複雜的認知和行為背後很可能有著相同的原理。如何借鑑腦的組織和計算原則，發展出統一的智能信息處理框架和方法，是類腦智能需要集中突破的難題。
既然發現了問題，就要想辦法去解決，科學研究只有在一次次的探索中才能取得突破。2018年6月，斯白露與其他團隊合作，根據海馬體中位置細胞的集群放電的實驗觀測，構建了一種用於記憶提取的神經計算機制，發現記憶神經環路充分利用了神經細胞類型的分化和連接結構，具有複雜的動力學行為。這一工作為發展類腦感知和記憶系統提供了理論依據。針對機器人在大規模環境中自主導航的需求，研究團隊借鑑了空間記憶神經環路中內嗅皮層的柵格細胞的神經編碼機制，構建了類腦導航系統，在室外大範圍區域內完成近60公里的導航定位。由於模擬了柵格細胞的連接結構和編碼機制，構建的類腦導航系統具有穩健性，系統中神經元的工作機理清晰，因此克服了深度學習神經網絡難解釋、難理解的“黑箱”侷限性。這一類腦導航系統可以應用於物流、廠區巡檢、小區安保等人類日常生活領域。
腦科學與人工智能交叉共生
傳統的神經科學與生物醫藥行業聯繫更為密切，隨著信息技術的發展，神經科學與信息科學的結合越來越緊密，推動了認知計算、計算神經科學、類腦智能、神經機器人等交叉領域的產生與發展。腦信號的解讀、腦連接組的繪製、腦機制的建模、腦疾病的診斷、腦功能的模擬和再現等技術均離不開多學科領域的共同攻關。
作為神經科學所涵蓋的範圍之一，神經環路的神經計算機制近年來得到人工智能研究者的密切關注，在人工智能領域的應用也越來越廣泛，近年來蓬勃發展的深度學習神經網絡就是一個典型的例子。深度學習神經網絡借鑑了神經環路的多層級信息處理機制，通過最優化的方法生成對輸入信息的層次化表徵，與傳統方法相比具有更好的可擴展性。深度學習神經網絡在模式識別、計算機視覺、自然語言處理、控制等多個領域取得了革命性的成功，但在可控性和可解釋性方面具有先天的弱勢。可以預見，神經科學揭示的神經計算機制能進一步提升深度學習神經網絡的靈活性、穩定性和可解釋性，推動類腦智能的蓬勃發展。
“從人工智能的角度來看，目前的機器學習方法比較死板，需要大量的數據才能建立精確的數學模型，而模型建立後缺乏抽象概括和舉一反三的能力，認知科學和神經科學的研究則能為人工智能提供原理性的指導，優化人工智能的探索路徑。從認知科學和神經科學的角度看，人工智能研究的技術積累能為認知科學和神經科學的大規模數據分析、理論建模提供有益的支撐。人工智能、認知科學和神經科學是相互支持、亦師亦友的關係，兩者形成了一種共生的學科生態，營造人工智能、認知科學和神經科學交叉共生的學科生態是腦與智能科學發展的催化劑。”斯白露分析。
人工智能，未來已來
《銀翼殺手》、《西部世界》、《機器姬》、《底特律·成為人類》……在大多數人的觀念裡，能掀起革命的人工智能只是小說、電影、遊戲裡的場景，真的是這樣嗎？走出影院，你會發現——搜索引擎、機器翻譯、圖像識別、虛擬工廠、服務機器人……這些在實踐中落地的人工智能，早已不是概念和噱頭。在斯白露看來，“人工智能正在從各個方面影響和改變人類的生活、生產以及學習。人工智能作為一項技術將越來越融入社會，無處不在，其有望逐步成為人類社會基礎性的推動力。”
2018年4月2日，教育部亦印發了《高等學校人工智能創新行動計劃》，規定中小學普及人工智能教育，2020年將建成100個特色專業。斯白露表示，這一政策具有前瞻性和及時性。建設人工智能複合特色專業離不開穩定的人才政策，中國的人工智能基礎教育應該大力發展與人工智能相關的師範教育，培養基礎教育的師資力量；普及中小學人工智能教育應該強調與已有的數學、信息技術課程銜接，通過學習代表性的人工智能基礎知識和基本程序設計，掌握人工智能的基本概念和方法。
人工智能是大勢所趨。中國的人工智能發展勢頭迅猛，在研究人員的數量、發表論文的數量、論文被引用的次數等方面都位列世界前茅；中國人工智能研究的整體水平處於世界前列，中國的人工智能在市場需求、數據資源等方面具有得天獨厚優勢。雖然前景可觀，但仍存在一些問題亟需解決。中國在人工智能的基礎理論、前沿引領方面還不夠突出；在交叉學科、基礎研究方面需要加強人才培育工作，為科研人員提供穩定、寬鬆的研究環境，創造潛心研究的氛圍。
談及未來發展方向，斯白露目標篤定：“我將展開更深層次的腦認知理論研究，發展感知、記憶、決策的類腦智能技術，推動類腦機器人的深入發展。”
閱讀更多 千人智庫 的文章
