作為代表自然界擁有最通用智能的生物大腦，可以借助低功耗和少量后天數據，實(shí)現在復雜環(huán)境下執行復雜任務(wù)的智能行為。因此，探索生物大腦智能認知的底層機理和復雜行為背后的神經(jīng)科學(xué)基礎，對于探索智能的本質(zhì)，以及推動(dòng)通用人工智能（AI）研究發(fā)展具有重要意義。

在近期舉辦的2021北京智源大會(huì )上，國內外科學(xué)家圍繞通用AI的發(fā)展，分享了類(lèi)腦研究領(lǐng)域最新成果，以及AI未來(lái)發(fā)展可能存在的瓶頸及相應的解決思路。

通用AI成研究熱點(diǎn)

通用AI是指具有一般人類(lèi)智慧，可以執行人類(lèi)能夠執行的任何智力任務(wù)的機器智能。一些研究人員也將通用AI稱(chēng)為強AI或者完全AI。

日本理化學(xué)研究所榮休教授甘利俊一曾在1967年提出了隨機梯度下降算法，并首次將其用于多層感知機訓練。在1972年，甘利俊一提出了聯(lián)想式記憶模型?！巴ㄓ肁I是未來(lái)發(fā)展趨勢，而我們的工作是努力用算法、學(xué)習機制來(lái)貼近通用AI?！备世∫槐硎?，例如深度網(wǎng)絡(luò )學(xué)習等方法的發(fā)展，將有助于通用AI的實(shí)現。

目前，AI主要用于定制解決方案。大多數AI系統是建立在單一類(lèi)型上的，例如在圖片或聲音數據上工作。大部分AI系統都只為解決一個(gè)特定的問(wèn)題，且很多系統都只針對單個(gè)數據集進(jìn)行優(yōu)化。

隨著(zhù)通用AI的發(fā)展，大腦學(xué)習機制和AI的聯(lián)系越來(lái)越深刻。英國倫敦大學(xué)學(xué)院蓋茨比計算神經(jīng)科學(xué)中心主任彼得·達揚表示，可以從AI的算法獲得啟發(fā)解釋腦科學(xué)機制，也可以從豐富而有效的大腦學(xué)習機制中獲得啟發(fā)和學(xué)習，發(fā)展更多新的人工強化學(xué)習方法，AI應與大腦“聯(lián)姻”。

借鑒大腦學(xué)習機制

瑞典皇家理工學(xué)院教授科塔萊斯基是歐盟人類(lèi)腦計劃的負責人?？扑R斯基表示，可以在高精度模型上探索大腦的通用智能，從大腦結構和功能入手探索通用AI的新方向。

基底核是大腦中多巴胺分泌最豐富的核團，在醫學(xué)上和帕金森氏癥密切相關(guān)，而AI領(lǐng)域目前最熱的強化學(xué)習理論也源自基底核工作原理。

“借鑒大腦的功能，以無(wú)監督學(xué)習的方式，可以實(shí)現機器的自感知、自適應、自驅動(dòng)，同時(shí)進(jìn)行躲避障礙與向目標物體游動(dòng)的行為?！笨扑R斯基展現了如何從分子、細胞和神經(jīng)回路的尺度上，精巧地還原大腦運動(dòng)和感知相結合的工作原理，并成功模擬了鰻魚(yú)在復雜水流中的運動(dòng)情況。

“大腦的機制與機器的學(xué)習機制有很大差別，這些差異使一些對人來(lái)說(shuō)很簡(jiǎn)單的事情，對AI卻很困難，也使得AI只能勝任特定任務(wù)，而不具備通用智能?！钡聡ㄌm克福高等研究院的丹科·尼科利奇通過(guò)多個(gè)方面的對比研究闡述了大腦的工作機理和與深度學(xué)習的差異。

不過(guò)，尼科利奇表示，類(lèi)腦智能的研究需要進(jìn)一步深入理解這些本質(zhì)差異，并提出有效的解決方案；同時(shí)，可以借鑒人類(lèi)大腦在概念表征、情境信息處理等方面的工作機理，提高機器智能的感知和認知能力。

美國約翰斯·霍普金斯大學(xué)認知科學(xué)系和計算機科學(xué)系特聘教授艾倫·尤爾建議，應該通過(guò)研究人類(lèi)視覺(jué)感知的規律，并使用更嚴格的性能指標來(lái)挑戰和評估算法，解決對抗性攻擊、對環(huán)境信息過(guò)于敏感等算法弱點(diǎn)?！坝绕涫窍蛉祟?lèi)視覺(jué)學(xué)習，開(kāi)發(fā)具有組合性的模型，并開(kāi)發(fā)出性能與人類(lèi)視覺(jué)系統一樣好或更好的算法?！?/span>

打造生物智能開(kāi)源開(kāi)放平臺

AI的發(fā)展得益于神經(jīng)科學(xué)、認知科學(xué)等領(lǐng)域的重大發(fā)現，而目前的AI與腦科學(xué)之間還存在一些錯位，彌合這些缺口可能是解決當前AI某些不足的關(guān)鍵。

北京大學(xué)人工智能研究院助理研究員杜凱認為，當前的AI與大腦的神經(jīng)計算差距還非常大，例如在處理基本的視覺(jué)信息輸入時(shí)，人工神經(jīng)網(wǎng)絡(luò )還依賴(lài)于對靜態(tài)圖像的學(xué)習，而人類(lèi)視覺(jué)系統的神經(jīng)網(wǎng)絡(luò )處理信息是一個(gè)動(dòng)態(tài)的過(guò)程。

“應該借鑒生物智能的研究，開(kāi)辟通用智能研究的新路徑?！鼻迦A大學(xué)基礎科學(xué)講席教授劉嘉表示，通過(guò)對認知科學(xué)、神經(jīng)科學(xué)與計算科學(xué)等多學(xué)科的交叉研究，將現有認知神經(jīng)科學(xué)等領(lǐng)域的最新成果、技術(shù)、研究工具和理論方法應用到AI中，模擬生物大腦，利用人工網(wǎng)絡(luò )研究生物大腦的特性等，可以推動(dòng)AI的發(fā)展。

目前，北京智源人工智能研究院正在通過(guò)高精度生物大腦模擬仿真，構建生命智能模型，探索新一代人工智能發(fā)展的可行路徑。

該研究院生命模擬研究中心負責人馬雷表示，結合來(lái)自神經(jīng)科學(xué)、信息科學(xué)等交叉科學(xué)的前沿技術(shù)，該機構的“天演”生命模型旨在模擬仿真經(jīng)歷億萬(wàn)年進(jìn)化演進(jìn)的生物神經(jīng)系統和身體，通過(guò)搭建高精度模擬仿真軟硬件系統，構建生命智能模型并挖掘生物智能機制機理，逐步啟發(fā)和探索新一代人工智能。

“大腦模型的規模越大、精細程度越高，越能表征生物智能性，而當今大規模高精度仿真依然存在諸多瓶頸，其中最關(guān)鍵的挑戰要數計算的復雜性，現有的超級計算系統難以承擔大腦突觸級別的超微精細計算?！瘪R雷表示。

劉嘉表示，人工智能研究者應積極通過(guò)對生物腦內部認知過(guò)程的探索，比較生物智能與神經(jīng)網(wǎng)絡(luò )的異同，從而了解大腦在實(shí)現特定認知功能方面的神經(jīng)機理和認知范式，完善和革新現有的人工神經(jīng)網(wǎng)絡(luò )模型與算法，探索智能的邊界和腦啟發(fā)/類(lèi)腦的通用智能研究新路徑。

來(lái)源：《中國科學(xué)報》