《白皮书》由智源“人工智能的认知神经基础方向”首席科学家刘嘉教授牵头,联合方向智源学者和博士后科研人员共同编著,盘点了神经科学、认知科学、智能技术等相关领域的重要进展,同时还囊括了脑机接口、新型脑成像等学科热点。
推荐语
「与去年不同的是,除了从认知科学和神经科学两大领域系统梳理重要进展及对人工智能的启示外,今年还集中介绍了类脑视觉、脑机接口和交叉学科技术这三个方向的热点和趋势。」
「生物智能很强大,但已是完成时;而机器智能是现在进行时,虽然还很弱小。正所谓“已有的事,后必再有;已行的事,后必再行。阳光之下并无新事”。基于脑科学与认知科学的人工智能,正是要借助脑科学与认知科学来逆向工程生物智能以洞悉自然演化的机制,从而指明机器智能的进化道路,最终以触达智能的未来时。」
章节速览
“AIx脑科学”前沿阵地
智源学者打造面向未来
通用智能研究专业指南
大脑作为通用智能的唯一样本,为人工智能的发展提供了重要参照。
随着近年来人工智能技术的快速发展,计算机算力和大数据可及性快速提升,以深度人工神经网络为核心的人工智能系统在物体识别、自然语言处理等领域取得了令人瞩目的成绩,在围棋、星际争霸等竞技游戏中一骑绝尘,甚至在蛋白质结构解析、提出和解决数学难题等方面展现出超越人类专家的潜力。但目前的人工智能与通用智能之间,还存在巨大的能力鸿沟。
人工智能研究亟待来自脑科学领域的启发:通过对生物脑如何实现智能的研究,提出可借鉴的原理、模型、算法和系统实现方案,从而促进类脑智能发展,推动人工智能向人类水平、甚至超越人类水平逼近——
三层面经典阐析脑智能原理
一览脑机接口等学科热点
上世纪 70 年代末期,计算神经科学的先驱,英国科学家David Marr 指出,我们可以从三个层面理解脑的工作原理:
计算层面 (Level of Computation) :脑在做什么计算,为什么要进行计算。
表征/算法层面 (Level of Representation/Algorithm):如何表征脑在计算过程中的信息,选择怎样的算法来实现计算目标。
物理实现层面 (Level of Implementation):脑选择什么样的“硬件”实现形式来执行这些计算。
█ 计算层面
在物理实现层面,我们在第三章中基于认知神经科学原理提出类脑视觉的新范式,并重点介绍了受生物视网膜启发的动态视觉传感器(Dynamical vision sensor,简称DVS)和脉冲摄像头(Spiking camera)。
与传统的视觉传感器不同,这两类模拟视网膜的感知设备能够将图像信息转化为脉冲事件流进行表征,具备高动态范围、高时间分辨率、低能量消耗以及高像素带宽等特性。
相应的,我们也系统地梳理了适宜于处理脉冲事件流信号,并可以开展运动目标快速探测、有效跟踪和精确识别的类脑视觉计算模型和算法。
█ 智能技术前沿进展
在上述三个方面的内容之外,我们还在第四章和第五章针对脑科学与类脑智能研究中近年来涌现的新技术,特别是脑机接口技术、新型脑成像、连接组学与数据处理方法等进行了梳理和介绍。
脑机接口通过对于脑活动信息的检测和调控,在脑与外部世界间建立直接的信息通讯接口。这一技术的发展,有望对于人与环境、人与人的交互方式带来根本变化,从而引起社会、经济、教育、军事、医疗等众多领域的颠覆性变革。
新型脑成像、连接组学与数据处理方法,展现了以往观察不到的神经活动细节,解析了神经网络中各部分的相互作用机制,从而促进人们进一步理解神经系统的设计原则。
结语
编写白皮书的过程是智源认知神经基础方向一年一度盘点神经科学、认知科学、智能技术等相关领域重要进展的过程,也是智源科研团队成员不断思考什么是智能,以及如何发展类脑智能的过程。
希望这些努力能让对于这些领域的进展感兴趣,也对回答这些问题感兴趣的读者有所收获。
助力中国“脑-智研究”的交叉融合,推动类脑通用智能发展,期待我们尽一份心力。
相关人物