腦，尤其是人類(lèi)的大腦，構(gòu)造非常復(fù)雜。腦有上百億的神經(jīng)元，還有分支等連接起來(lái)，是一個(gè)非常復(fù)雜的結(jié)構(gòu)。

生命科學(xué)發(fā)展至今，從基因組到單細(xì)胞，從轉(zhuǎn)化醫(yī)學(xué)到精準(zhǔn)醫(yī)學(xué)，均取得了長(zhǎng)足的發(fā)展。但是，人類(lèi)自始至終還不夠明白，腦究竟起什么作用？腦的作用是非常復(fù)雜的，它有兩個(gè)系統(tǒng)，一個(gè)是從腦神經(jīng)到各個(gè)器官的連接系統(tǒng);另一個(gè)是通過(guò)免疫系統(tǒng)的再反饋系統(tǒng)。

這樣復(fù)雜的系統(tǒng)，怎樣把腦的東西了解清楚，一直是人類(lèi)要探索的重要方向。尤其是在本世紀(jì)，科學(xué)家應(yīng)該力圖去解決這個(gè)問(wèn)題。

神秘的腦科學(xué)

腦神經(jīng)的連接，是由800多個(gè)神經(jīng)元和整個(gè)器官免疫系統(tǒng)連接，加起來(lái)超過(guò)整個(gè)光纖網(wǎng)絡(luò)的總和。

在本世紀(jì)初，對(duì)于腦的困惑和問(wèn)題主要集中在以下幾個(gè)方面？

一是我們居然不知道800多個(gè)腦神經(jīng)有哪些行為動(dòng)作？二是我們不知道大腦的結(jié)構(gòu)圖。三是大腦的神經(jīng)元在控制我們的語(yǔ)音和視覺(jué)時(shí)，我們不知道哪些神經(jīng)元在視覺(jué)或者是聽(tīng)覺(jué)中起作用？四是如何了解神經(jīng)細(xì)胞與個(gè)體行為的相關(guān)性？

所以，這四個(gè)方向是腦科學(xué)當(dāng)前和今后要做的工作，它與人工智能有著密切的關(guān)系。

現(xiàn)代神經(jīng)生物學(xué)之父Cajal，是腦科學(xué)研究領(lǐng)域第一個(gè)獲得諾貝爾獎(jiǎng)的人。100多年來(lái)有20多位科學(xué)家獲得了腦科學(xué)方面的諾貝爾獎(jiǎng)。神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，信息傳遞、神經(jīng)細(xì)胞怎么傳遞，大腦認(rèn)知和感知，還有其他的神經(jīng)科學(xué)，這些領(lǐng)域的研究產(chǎn)生了多個(gè)諾貝爾獎(jiǎng)。網(wǎng)格細(xì)胞與人工智能有極大關(guān)系。

相比較于2013年的腦科學(xué)計(jì)劃，現(xiàn)在提出的研究計(jì)劃中多了一項(xiàng)內(nèi)容，即提出新一代人工智能的理論與方法。從機(jī)器感知、機(jī)器學(xué)習(xí)到機(jī)器思維和機(jī)器決策的顛覆性模型和人工智能的方式，這是腦科學(xué)的一個(gè)重要補(bǔ)充。

提到腦科學(xué)研究，美國(guó)相關(guān)研究分成四大組成部分，其中兩個(gè)部分都和觀測(cè)有關(guān)。具體圍繞在怎么去看細(xì)胞的信息傳遞和關(guān)聯(lián)關(guān)系，以及細(xì)胞本身的特點(diǎn)。這也意味著，觀測(cè)儀器是腦科學(xué)的重要工具。

進(jìn)一步調(diào)研發(fā)現(xiàn)，在成像時(shí)：我們看到的分辨率足夠高時(shí)，看到的視野就非常小;而看到視野非常大時(shí)，分辨率就比較低。要做寬視場(chǎng)和高分辨率是核心的難題，怎樣巧妙設(shè)計(jì)這樣的系統(tǒng)？這里存在的問(wèn)題非常大。

根據(jù)這方面的工作，我們也聯(lián)合了國(guó)內(nèi)幾家單位開(kāi)始攻關(guān)。2009年我們?cè)谏钲陂_(kāi)會(huì)，研討了到底需要什么樣的東西才能和我們的信息結(jié)合起來(lái);2012年我們開(kāi)始做腦皮層神經(jīng)、腫瘤轉(zhuǎn)移的觀測(cè)。現(xiàn)在有清華大學(xué)、浙江大學(xué)、中國(guó)科學(xué)院上海生命科學(xué)研究院三家單位聯(lián)合研制，設(shè)計(jì)了一個(gè)計(jì)算攝像的系統(tǒng)。通過(guò)幾年的努力，我們完成了這樣一個(gè)儀器，其創(chuàng)新點(diǎn)是用儀器成像原理做了曲面、做成像，用多個(gè)傳感器取得曲面成像。

智能成像模型有兩個(gè)成果，一個(gè)是壓縮感知，我們提出了LOGSUM范數(shù)算法;一個(gè)是metric Learning度量學(xué)習(xí)，完成了一個(gè)算法的工作。通過(guò)幾年的工作，我們研制了很多儀器，如RUSH，實(shí)時(shí)的動(dòng)態(tài)成像系統(tǒng)。

與國(guó)際上先進(jìn)儀器相比，1cm×1.2cm的視場(chǎng)足夠大。通量越多，描述時(shí)間的細(xì)節(jié)越豐富。其最大的特點(diǎn)是國(guó)際上同類(lèi)儀器中成像速度最快的，還有通量也是國(guó)際儀器中最大的。2017年，我們拍到了第一張全腦的圖。不同的顏色，代表了不同的深度。腦皮層達(dá)到了100μm。這張圖誕生于2017年7月，我們做的第一張完全事動(dòng)態(tài)的圖，一張圖7個(gè)GB。這樣的儀器也帶來(lái)了很多生命科學(xué)的實(shí)驗(yàn)。那么腦科學(xué)如何推動(dòng)人工智能的發(fā)展呢？

推動(dòng)人工智能發(fā)展

腦神經(jīng)元之間的信息傳遞機(jī)制是什么？怎么解釋人工智能才能提供生物學(xué)的范例？

國(guó)際上為了做這件事，也投入了1億美元，啟動(dòng)了阿波羅腦計(jì)劃。想要摸清一個(gè)立方毫米10萬(wàn)個(gè)神經(jīng)元的研究關(guān)系，包括活動(dòng)和連接關(guān)系，最后形成大數(shù)據(jù)。我們?cè)谙?，?jì)算神經(jīng)元的模型和機(jī)器學(xué)習(xí)的模型能不能打通，能不能在這里找到他們是如何工作的。

實(shí)際上，現(xiàn)有人工智能基本上是同類(lèi)大數(shù)據(jù)的學(xué)習(xí)，未來(lái)的人工智能會(huì)融入各種感知與記憶數(shù)據(jù)和信息傳遞機(jī)制是什么？現(xiàn)在我們還沒(méi)有找到這個(gè)信息傳遞的機(jī)制，我們硬學(xué)。

怎樣從感知到?jīng)Q策與控制，做到認(rèn)知到?jīng)Q策與控制，這樣的一個(gè)工作使得人工智能具有主動(dòng)性。

我們希望能夠通過(guò)腦觀測(cè)和腦認(rèn)知的結(jié)合來(lái)做腦模擬?，F(xiàn)在我們的儀器，可以看到百萬(wàn)級(jí)的神經(jīng)元，對(duì)于它的連接狀態(tài)是什么？現(xiàn)在還沒(méi)有看到它的視覺(jué)連接行為，雖然還沒(méi)有找到全部的鏈接，但是我們已經(jīng)找到了它聽(tīng)覺(jué)和視覺(jué)的環(huán)路部分。

在國(guó)際上，我們是第一個(gè)看到小鼠聽(tīng)音樂(lè)時(shí)全腦神經(jīng)元變化的團(tuán)隊(duì)，包括小鼠在聽(tīng)音樂(lè)時(shí)，神經(jīng)元的整個(gè)連接狀態(tài)。亞細(xì)胞級(jí)、結(jié)構(gòu)功能的統(tǒng)一，在國(guó)際上我們第一個(gè)拿出結(jié)果。

小鼠的狀態(tài)，對(duì)應(yīng)的神經(jīng)圖就是腦連接的狀態(tài)。同時(shí)，它的海馬區(qū)分層神經(jīng)元的連接狀態(tài)，在這里我們找到了部分信息傳遞的這種機(jī)制方式。這是一個(gè)毫米級(jí)的神經(jīng)元在傳遞。

我們希望分析它們的模型，找到它們的工作規(guī)律，為人工智能的信息傳遞機(jī)制帶來(lái)一些好的算法和模型。

因?yàn)檫@個(gè)儀器做出來(lái)以后，從2017年開(kāi)始我們做了近兩年的生命科學(xué)和人工智能方面的實(shí)驗(yàn)，也得到了國(guó)際上很多學(xué)者的關(guān)注。

目前，我們的分辨率和視場(chǎng)加起來(lái)不是國(guó)際最領(lǐng)先的，但我們的通量是領(lǐng)先的，要突破400nm，國(guó)際領(lǐng)先。元器件已經(jīng)完成了，希望未來(lái)能完成400nm最高分辨率集成。

現(xiàn)在我們有一個(gè)團(tuán)隊(duì)專(zhuān)門(mén)做大數(shù)據(jù)分析，有10位老師帶著博士生討論清晰動(dòng)物全腦實(shí)時(shí)成像數(shù)據(jù)，讓小鼠看不同的顏色、不同動(dòng)態(tài)的物體，它的視覺(jué)環(huán)路是怎樣的？另外還要研究比如神經(jīng)網(wǎng)絡(luò)的記憶決策和控制的機(jī)制。同時(shí)又組成了兩個(gè)團(tuán)隊(duì)在做微觀成像，就是分子成像，看個(gè)體細(xì)胞的特征和整體細(xì)胞的聯(lián)系。通過(guò)微觀和宏觀來(lái)看能不能做尺度上的總體成像，為人工智能提出一些新的線(xiàn)索和方式。這個(gè)研究非常復(fù)雜，也要持續(xù)的研究。

未來(lái)發(fā)展方向

第一個(gè)方向，生命是會(huì)發(fā)生變化的。生命進(jìn)化到現(xiàn)在，隨著人工智能的發(fā)展以及材料科學(xué)的發(fā)展，未來(lái)的生命會(huì)發(fā)生新形態(tài)和新業(yè)態(tài)的變化，比如人造器官的出現(xiàn)，人工智能和我們的器官都已經(jīng)在一起，真正實(shí)現(xiàn)了一個(gè)主動(dòng)式的人工智能。

第二個(gè)方向，意識(shí)的存儲(chǔ)問(wèn)題。我們還有團(tuán)隊(duì)正在調(diào)研腦聯(lián)網(wǎng)，就是解決國(guó)際上的下一個(gè)問(wèn)題：意識(shí)能不能存儲(chǔ)。這個(gè)問(wèn)題是比較前沿的，也正在做這方面的分析。希望能夠提出一點(diǎn)想法。

第三個(gè)方向是光電計(jì)算。現(xiàn)在的電子計(jì)算機(jī)基于硅級(jí)的納米，量子計(jì)算離我們還有不遠(yuǎn)的距離。因此我們提出了光電計(jì)算，把光子器件和硅基集成在一起，對(duì)人工智能的發(fā)展起到了非常大的作用?，F(xiàn)今復(fù)雜的算法使得我們很多工作沒(méi)有辦法往下推進(jìn)。光電計(jì)算如果用好了，是可以引領(lǐng)新一代摩爾定律的產(chǎn)生。如果光電計(jì)算形成，存儲(chǔ)和計(jì)算一體化就變成了什么？就變成了皮米級(jí)的工作?，F(xiàn)在是納米級(jí)的，如果做到皮米級(jí)的工作，可以帶來(lái)新的摩爾定律的變化。

（本文根據(jù)中國(guó)工程院院士戴瓊海公開(kāi)演講整理而成，未經(jīng)本人確認(rèn)。）