業界普遍認為，AI未來的演進方向就是計算智能、感知智能和認知智能，在此期間，真正需要突破的就是讓計算機理解、思考和進行自我學習，腦科學則為發展類腦計算系統和器件、擺脫傳統計算機架構的束縛提供了重要的依據。

人工智能（AI）雖然發展得如火如荼，但總有一個界限無法逾越，那就是擁有人類大腦的思維能力。例如擁有卷積神經網絡技術的AlphaGo，下棋之外的能力或許連嬰兒都不如。

全球科學家日漸達成共識——要想突破AI的技術壁壘，就要在腦科學領域有所建樹。腦科學與類腦研究也被列為我國《新一代人工智能發展規劃》中的重要研究方向之一。

“AI未來要想進一步發展，就需要從腦科學得到啟發。”作為中國“腦計劃”的領軍人物，中國科學院院士、美國國家科學院院士、中科院神經科學研究所所長蒲慕明就在全力推動AI與腦科學的融合發展。

在日前召開的2018騰訊WE大會上，蒲慕明表示，如何從腦啟發的這個概念來設計新的計算模式、新的類似人腦神經元結構的器件、芯片，甚至是機器人，都是今后需要解決的問題。

類腦是AI的前沿

機器會不會比人類更聰明？

在一檔《機智過人》的節目里，中科院深圳先進院認知中心主任張建偉找到監控中一個模糊的小女孩圖像，讓機器和警官進行辨認并指出小女孩的父母，結果機器犯了錯誤，而警官順利通過孩子的畫像鎖定了兩對父母，顯而易見是人戰勝了機器。

“機器不會犯小錯，但會犯大錯，而人腦相反，如何參考人腦模型對AI進行更多改善和提升，是未來研究的一個方向。”張建偉說。

人腦是宇宙中最為復雜的系統之一，人腦學會了一件事就能夠舉一反三，而這正是AI難以企及的能力。“人工智能的前沿就是類腦人工智能，因為只有人類大腦才是智能的最高點，是在進化過程中發揮到最高極限的智能。”蒲慕明對記者說。

業界普遍認為，AI未來的演進方向就是計算智能、感知智能和認知智能，在此期間，真正需要突破的就是讓計算機理解、思考和進行自我學習，腦科學則為發展類腦計算系統和器件、擺脫傳統計算機架構的束縛提供了重要的依據。

而要想理解大腦是怎么工作的，就需要一個精準的大腦“地圖”，即腦聯接圖譜。人腦有1000億個神經元，腦聯接圖譜是認識腦和發展類腦人工智能技術的重要基礎。

11月23日，在于北京召開的2018年中關村生命科學園發展論壇上，中國科學院院士、中科院上海分院副院長張旭對《中國科學報》記者表示，在全球大視野下，腦聯接圖譜在未來幾年內將會產生系統性的研究成果，從而更精準地解析我們大腦的結構。

“AI無論是原理性設計，比如智能芯片或智能機器，還是工程化設計等，都將與腦科學合作得越來越密切。”張旭表示，智能技術發展面臨新瓶頸，需要從腦科學和神經科學獲得啟發。而智能技術的發展也有助于腦科學取得進一步突破，比如深度學習神經網絡處理器、語音識別及多語種翻譯技術等。

AI怎樣向人腦學習？

可是，當我們根本沒搞清人腦工作機理的時候，又如何仿照人腦開發AI呢？

“把大腦完全研究清楚，再來考慮人工智能，這太晚了。”在蒲慕明看來，機器學習網絡的架構也可以像腦網絡一樣被學習塑造。此外，機器學習網絡還可以借鑒人腦中的許多其他特性，例如，對信號做不同處理（興奮性、抑制性等）的多種處理單元（神經元）可以同時存在，單元之間的連接也可以是多樣化的，不但可以前饋，也可以有反饋和側向連接。

“機器學習完全靠的是監督學習，而人腦不是。人腦的網絡可以在學習過程中不斷地修剪、改變，它有另外一套非監督學習的辦法，能有效地找到最佳、最有可能成功的途徑。所以，我們要從人腦的非監督學習去看高效低能量的網絡結構到底是怎么回事。”蒲慕明說。

“這也意味著‘中國腦計劃’的重要性。”蒲慕明表示，“中國腦計劃”就是要解決上述基本環路的問題，即到底是什么樣的網絡造成這樣有效的功能。“從這個有效的網絡我們就可以設計有效的人工網絡算法，或者是硬件、器件、芯片等，這就是未來的前景。”

復旦大學在世界上首次構建了大腦的動態圖譜，發現了腦網絡的可變性，這意味著人類可以控制大腦的可學習性；比如發展了腦機融合技術，實現了大腦的功能精準調控。

不過，張旭告訴記者，目前還沒有類似大腦智能的生物傳感器、處理器和計算機，結合腦科學的神經網絡解析，包括不同腦區之間的相互調配控制、資源利用，這些基礎理論都有待進一步發展。從數學和計算科學來講，無論更貼近大腦皮層結構網絡的模型，還是更貼近計算的模型，都處在不斷的研發過程中。

“我們永遠不可能造出一模一樣的大腦，全覆蓋的模擬仿生大腦可能性也很小，只可能實現更加接近的仿生。”張旭表示，類腦就是最大范圍的包容性，將腦科學或神經科學的一些基本原理以及腦運行的基本原理，應用于智能器械芯片、神經網絡計算、智能機器人等結構和功能設計上。

張旭課題組目前要做的事情就是突破一系列基于神經網絡的智能關鍵技術。通過腦感知功能圖譜和中國人腦分子、結構和功能圖譜，加強腦影像技術裝備、神經網絡關聯技術、智能基礎部件的研發以及構建最后的智能系統。

“在神經網絡關鍵技術方面，寒武紀、科大訊飛等都參與了研發。我們從模型的認知技術到智能及其制造上，都有研發結果和原理上的突破。”張旭介紹說。

交叉融合并不容易

不過，蒲慕明與張旭都坦言，腦科學與AI要想融合發展，目前來說仍很困難。

“做AI或信息領域的人的背景、語言，跟做神經科學、腦科學的完全不一樣，兩個領域的人各講各的話，講出來的話對方還都聽不懂。”在蒲慕明看來，兩者要想融合在一起，AI就要理解腦科學的進展，腦科學也要理解AI到底是做什么的。

為此，我國也開始加強“AI+腦科學”方面的團隊建設，例如中科院腦科學與智能技術卓越創新中心就是一個跨學科、跨院校的組織，通過團隊合作和學科交叉融合，解決在腦科學和類腦智能技術兩個前沿領域的重大問題。

張旭告訴記者，類腦人工智能是分布式的社會集體創新的一個結合點。目前，上海也正在組建腦科學與類腦研究中心，一方面滿足國家科技戰略發展的需求；另一方面，打造一個研究開發平臺和人才匯聚知識交融的平臺。

“就像當年我們建立很多具有前瞻性的先進交叉學科研究一樣，要突破傳統的學科和專業的局限，才能開辟新的研究領域，開發新的發展方向。”張旭說。