前日凌晨，小馬哥Pony在知乎上發問，瞬間引來網友潮水般湧動，筆者也藉著這股東風，來分享一點自己的不成熟看法。
“未來十年哪些基礎科學突破會影響互聯網科技產業？產業互聯網和消費互聯網融合創新，會帶來哪些改變？”——Pony
對於這個問題，筆者認為，腦科學研究的突破首當其衝。
以下將從七個部分來分別進行闡述，提綱如下：
- 腦科學研究的意義
- 腦認知研究的難處
- 腦認知研究的曙光
- 腦科學研究的樣板和彎路
- 腦認知研究的最新稚嫩成果
- 腦認知成果對互聯網科技產業的影響
- 產業互聯網與消費互聯網的融合創新
一、腦科學研究的意義
復旦大學腦科學研究院學術委員會主任楊雄裡院士指出：“腦科學研究成果以及腦科學未來的應用，如今已引起科學界乃至大眾的廣泛關注。唯有對大腦的運作機制有更深刻的認識，才能推動各個相關學科領域的發展。對在宏觀與微觀層面之間的介觀層面的認識，還十分匱乏。”
意識問題是腦認知的基本問題，唐孝威教授指出：“意識問題是當代自然科學最基本和最困難的問題之一。意識研究不但有基本的理論意義，而且有重要的應用價值。世界最寶貴的識人，人最寶貴的是意識。人們開始重視意識與健康、教育、創新、社會等實際問題的研究，這些應用研究的成果將造福與人類。”
人類目前所沉澱的一切知識成果，都是由同一個機器生產出來的，那就是人的大腦。這一基點意味著，人類的所有知識成果都有一個共同的起始、共同的關聯、共同的映射空間，因此，如果獲得了大腦認知的奧秘，就等同於獲得了所有知識成果的共有內涵、共有邏輯、乃至共有規律。
社會經濟的發展，其核心主體就是個人，人的本性成為牽引和影響社會形態發展的內在動因，然而，包括經濟學在內，現有的社會科學卻很難有效的去推演社會經濟的實際演化，其根本原因就在於對人性缺乏深入而系統的瞭解。腦認知研究的突破，將有機會揭示人性的演繹規律，進而為社會科學建立重要的理論根基，同時藉助於當前充沛的超算能力，來推算演繹這種底層規律究竟會湧現出怎樣的社會百態。這種系統性推演將使得我們對社會經濟的理解上升到一個全新的高度。
因此，腦科學的突破，不僅會對整個學術體系產生革命性的影響，同時也將極大的衝擊社會的發展演變。
二、腦認知研究的難處
上圖是關於老虎的兩張照片，對於許多成人來說，可能從未見過真老虎，但是當面對圖示場景時，一般能快速識別出兩者的差異：左圖死定了，右圖還有得救……
現在的問題是：為什麼人能夠快速判斷出欄杆和一個老虎之間的邏輯關聯？為什麼人從未被老虎咬過，也能建立這種邏輯關聯？這種事物間關係的快速識別是怎麼被加工出來的？如果換做一個機器人，它能夠快速區別兩個場景的差別嗎？它能夠理解欄杆在其中所起的作用嗎？
下面有一個相對更復雜的場景：一輛轎車與一輛摩托車發生了碰撞，轎車車頭受損嚴重，作為轎車車主的你極度生氣，開始下車找摩托車車主理論……
現在的問題是：你為什麼會生氣？外面的摩托車車主並沒有直接碰到你，你生氣時為什麼將矛頭指向摩托車主，而不是指向自己的轎車、或者是摩托車？如果開轎車的是一個機器人，它能及時而準確的判斷摩托車主、摩托車、轎車、轎車司機在事故當中的關聯關係嗎？
上面列舉的兩個問題都是日常生活中的基本認知問題，遺憾的是，認知科學目前還無法有效給出令人滿意而信服的答案。
你也許覺得這些問題有些簡單無聊，但對於腦科學來說，它們卻是相當複雜的，一種特定的場景刺激信號，如何與人的特定心理認知和行為反應之間建立關聯，這種關聯建立的背後又有怎樣的深層規律，這都是腦認知研究的重點。然而，要探究出答案，可謂是難上加難。這是因為，人的小腦有700億神經元，大腦有100多億神經元，在不同的刺激信號灌養下，每個人的大腦神經元連接都是獨一無二的，僅有整體功能模塊上的相近。要系統性的梳理神經系統連接的確切含義，要檢驗每一種連接對應著怎樣的行為關聯，按照現有的實驗效率，在相當長的時間內都很難預期到樂觀的結果。
人的認知與行為體系是如此的龐雜，表現是如此的豐富，人類幾乎所有的知識都脫離不開這套系統的影響，以至於認知系統就像是一個無底的黑洞，它可以包容和吞噬一切，而想要窺探黑洞的內在和本質，似乎是一件不太可能的事情。
三、腦認知研究的曙光
自上世紀50年代提出人工智能概念以來，幾經起伏，人工智能研究曾一度陷入低谷，直到深度學習的出現。這一技術突破很大程度上是對人腦神經系統的模仿反思的結果。而當前越來越豐富的學習算法，又反過來給腦認知研究以諸多的啟迪。當一個個計算程序通過不斷迭代，在特定領域能夠達到甚至是超過人腦的智慧時，我們終於有了一種實質上的可以隱喻大腦認知的人造系統。
當前高速發展的腦功能連接圖譜計劃，也讓神經系統的內在鏈路得以清晰的展示在人們面前。神經科學也與越來越多的複雜系統科學之間建立了聯繫，許多研究人工智能的大公司也引入了神經科學方面的專家。人工智能除了算法上的突破，硬件方面也有了長足的進步，Handle、SportMini機器人就是其中的佼佼者。
當對複雜的人腦神經系統如何生成關係認知產生迷茫時，通過建構一套與特定認知功能相近的機器系統，那麼我們就有了可以解讀這個迷茫的關鍵參照。於是，研究腦認知的全新窗口就被開啟了。對此，庫茲韋爾則樂觀的聲稱：那個認知能力反超人類的奇點在2029年就有可能到來。
四、腦科學研究走過的彎路和可學習的樣板
腦科學的重大現實意義，激勵著各大國家和組織投入重金進行研究。美國、歐洲、日本等均已開展了相應的腦科學研究計劃，中國也進行了相關的規劃工作。
蒲慕明——中國腦計劃
今年，北京、上海先後成立了腦科學與類腦研究中心，浙江大學也聯合中科院發佈了“雙腦計劃”。在這些計劃中，神經科學成為其中的重心。
然而，Google卻給了我們演示了開發腦科學的另外一條研究進路，我們先從Boston動力說起。2013年12月，Google收購Boston Dynamics，2017年6月，又將其賣給軟銀公司。
Google為什麼要賣掉Boston Dynamics，很多人說它不賺錢，這其實是表面原因，本質原因是，智能機器人研發費效比極低，相對而言，基於軟件仿真進行機器人動力系統升級迭代，其效率要高得多！機器人完成一個版本的升級，軟件仿真可能會完成幾十上百個版本迭代，甚至更多。例如Deepmind提出的SAC-X學習範式，無需先驗知識就能解決稀疏獎勵任務，更為關鍵的是，在實驗室裡SAC-X能在真實的機械臂上從零學習拾取和放置任務。這在過去是很有難度的，然而現在通過訓練一個模擬智能體，可以更快速在機械臂上實現已經被仿真驗證過的功能。
AlphaGo的橫空出世，意味著Google已經初步摸到了多層嵌套價值網絡的規律特點，隨後的AlphaGo Zero則進一步夯實了其研究成果。而今，Google正在努力將其研究成果輻射至更多的領域，並且已經有了新的收穫。與之相對的是，國內同領域的工程師卻一直在翹首以盼DeepMind的最新論文，以便改進自己的蹩腳程序，這不能不說是一種悲哀。
Google的努力給我們的啟示是，基於建構的方法來不斷推進一個類人的智能體仿真，基於此來解構人腦的工作機制，要比從極度複雜的神經元連接網絡中研究出人腦的工作機制，效果要好得多！這是因為，人腦本身就是數百萬年進化而來的產物，要理解人腦的功能，一個原始而笨拙的方法就是不斷的試錯迭代，從中找出最有可能的邏輯關聯，而基於AI的算法試錯迭代，要比基於神經科學的實證研究，其效率要高得多！當然，這裡並沒有否認神經科學不重要，其研究成果對AI進化依然有重要的作用。
五、腦認知研究的最新稚嫩成果
關於腦認知邏輯，最近確實出了一份稚嫩的成果，詳見文章——
一種刻畫腦認知原理的基本模型
之所以將其認定為腦認知方面的成果，是因為它揭示了大腦進行信息加工的底層原理，解構了人的心理認知和行為表現觸發轉變機理。這套理論不僅能完美解釋上文第二節提到的兩個案例（老虎欄杆的關係、權屬的生成邏輯和遷移表現），還能解釋更多的典型問題，筆者拙作中列舉的100個認知行為方面的問題（判定認知科學統一理論體系有效性的測試標準），絕大多數均可用這套理論來解釋。注意，這裡所有的解釋是可以拋離一種認知的主觀性，而回歸到一種既定的生理基準活動之上，這種可解釋的客觀性與統一性，是其他理論所難以達到的。
此外，羅傑·霍克所列舉的40項心理學關鍵實驗中的大部分成果、卡尼曼和特沃斯基的決策研究，也一樣可以用這套理論來解釋。
能夠解釋的問題列表
之所以說這個成果是稚嫩的，是因為它雖然給出了一套相對完整的理論體系，但還沒有經過系統的科學實證。由於理論體系略顯龐雜，要進行實證急需要時間，也需要資源和成本，更需要業界的重視和支持。不過，全新理論的出現，對既有學術體系多少會帶來一些影響，基於既有研究範式的學術傳統能否接納新觀點、新想法，依然是一個極為現實的問題，這也是科學極為審慎的一種體現。
六、腦認知成果對互聯網科技產業的影響
AI科技的落地項目越來越多，它側面上代表著大腦信息加工處理邏輯的延伸。不過，AI研究當中依然有許多尚未解決的難題。在圖像識別方面還有很多問題需要進行攻關；在不完全信息博弈方面還有待突破；在深度學習方面，一些學者認為已經觸及天花板；在多任務遷移上，算法還有許多硬傷……
對於腦認知的整體解析，實質上相當於暗示了一套通用智能體的可能建構模式，這為解決AI領域諸多的技術難題提供了重要的思路借鑑，這是其一。
其二，在AI算法開發中，很多工程師比較困惑的一點是，算法難以理解、難以解釋。腦認知邏輯體系的解構，將使得這個問題得到有效緩解，因為大腦的認知邏輯是非常全面的，能夠兼顧簡單的問題，也能夠處理複雜的問題，理解了大腦是如何一步步處理各種問題的，也就能夠從中提煉出AI算法在大腦處理邏輯當中的可能位置，以及它可能的功能或意義。有了這種整體理解，將極大的促進工程師去攻關突破更為複雜的問題，形成更多的實用性的產品。很多時候，這些產品可能是改變產業格局的重要利器。
七、產業互聯網與消費互聯網的融合創新
上文提到的腦認知模型，有著六個遞進的關係層次，這六個遞進層次不僅可以用來刻畫腦的認知邏輯，同樣也可以用來刻畫企業、團體、國家乃至社會等複雜主體的關係演繹。
這是一個需不斷吸食信息的六階張量系統
當把這套模型套用在企業之上時，就可以用來更好的對照企業的成長曆程，並從中剖析出企業發展當中所存在的問題，以及必要的改進舉措。當用上圖的邏輯來反思企業的運營時，可以給我們很多啟示：
- 傳統企業的特點是，生產模式、業務模式、經營模式在較長時間內是固定的，而互聯網科技企業的業務模式則呈現出更為快速的迭代。業務模式就對應著上圖中的程式和系統，業務模式能否適應於環境，能否在更寬廣的時空中生存下去，是存在不確定性的，而在大量信息的灌輸下，進行快速的迭代能夠減少這種不確定性，從而把握主動權。
- 消費互聯網的核心在於準確把握用戶需求。迄今為止，學術界對“需求”這一概念的理解是有巨大偏差的，這種偏差也引發了企業界諸多的困惑。實際上，需求有四個基本要素，8種遷移學習模式，16種交互嵌套樣式，32種矛盾糾纏表現，深入理解需求的這些屬性，可以幫助企業更好的洞悉人性、洞悉社會圈子，從而更好的創造需求、開發需求、引導需求、擴大需求，進而掌控需求。
- 市場的不斷擴張，同時也意味著主體性的不斷延展。人對價值的分化處理有著較為明顯的邏輯層次性，但是不斷延展的企業或集團，在價值分化處理上面，其邏輯性可能要差得多。這種差距會很大程度上影響市場的融合創新，這是因為：當一線底層沒有有效的內部和外部數據採集傳入機制時，當集團沒有有效的企業內外信息分層處理表徵時（即多層次、多通道處理數據），同時沒有基於信息進行針對性的試錯迭代，並進行反向傳播從而優化信息加工處理機制，那麼企業將有可能浪費許多機會！
人的成熟，需要不斷的吸收環境的信息，以及自身與環境信息同步交互信息，這個吸收過程需要二三十年，才能沉澱出個人基本的決策反思能力（對應第六層關係認知），而一個人要能夠看透人情冷暖、認清社會現實、把握濟身處世之道，則需要終身學習歷練。
產業的融合創新，是一個非常高端的智力生產活動，它不僅需要一種高維的信息加工處理能力，同時還要以寬廣的作業尺度來作為支撐，從這個標準上來看，傳統行業、垂直領域、地區企業是很難做到這一點的。只有那些具備平臺承載能力、具備跨行業協同能力、具備多層級價值鏈華育能力的企業，才具備實踐融合創新的基礎條件。這是因為，企業的成長曆練同個人的成長曆練一樣，經歷越多，也就愈成熟。跨平臺、跨行業的產業協同，因為其涉及的價值鏈條信息龐大，也能成為探知社會形勢異變的關係觸角，這種高度複雜的信息交互，能夠推動企業不斷深入洞悉市場，也能夠成為不斷反思自身價值體系短板的參照。有了更為深入的價值認知，有了對自身結構相對於環境大勢的深刻體察，才有了進一步改進自身、融合環境價值的有效方案。阿里巴巴集團學術委員會主席曾鳴曾講過，每過一段時間，就會分析產業鏈上會生長出一些怎樣的新東西出來，然後看看能不能抓住和引導這些新的鏈條。這給我們的啟示是，底層平臺的試錯式創新，是沉澱出更高維度價值的必經之路。
生命遺傳的最小單位是細胞，它是生命進化的基核，這個基核當中儲存著生命發展形態和可持續壽命的DNA密碼。對於產業的融合創新來說，其發力的關鍵在於基核的成熟，這個成熟的標記在於：是否有一套動態管理體系，使得主體內部即具有高度靈活的自適應性（而不是一種僵化或價值內耗），同時又有高效且合宜的多層調節反饋機制，來引導把握這種自適應性不斷逼近環境大勢的上限（或是企業規劃願景的上限）。
融合創新，其最關鍵的不一定是進行高層設計，更為重要的是，是基於現有的市場生態，建立一套有效的價值管理體系，既能夠歷練底層，還能夠影響環境和改造自身。
更多精彩文章：
閱讀更多 認知維度 的文章
