北京智源人工智能研究院：人工智能的认知神经基础白皮书（105页）.pdf

1、 人工智能的认知神经基础Brain and Machine Intelligence 智源人工智能的认知神经基础重大研究方向 编著 白皮书| 北京智源人工智能研究院 2022 年 1 月 搭建脑科学与人工智能的桥梁 智源研究院院长 黄铁军 智源研究院 2021 年度人工智能的认知神经基础白皮书如期和大家见面了！延续去年的传统，今年的白皮书盘点了神经科学、认知科学、智能技术等相关领域的重要进展；同时，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，以飨读者！ 脑科学对人工智能的重要性不言

2、而喻。 把人工智能这个概念送上历史舞台的1956 年达特茅斯夏季研讨会共讨论了七大问题，问题 3 就是“神经网络：一群神经元是如何形成概念的？”，我认为这是人工智能需要回答的最重要的问题，也是脑科学需要回答的最重要的问题。 “一群神经元”，这是神经科学的研究对象，“形成概念”，这是认知科学的研究对象，这个最重要的问题，正是认知科学和神经科学的连接点。认知科学研究智能现象，主要采用自顶向下的方法，神经科学研究脑的结构，主要采用自底向上方法。 认知科学和神经科学都属于脑科学，它的研究对象是脑及其智能现象，被称为“自然科学的最后疆域”，进展速度不如人工智能那么让人眼花缭乱。这是因为，人工智能是一门技

3、术，目的是构造越来越智能，因而越来越复杂的系统，它的进步比较容易看得到。相比之下，生物神经系统是个盘根错节的黑暗丛林，生物智能是复杂的动力学现象，还缺乏有效的数学工具，因此任何一点儿进步都十分艰难。 人工智能并不能因为进步快而沾沾自喜。 当前人工智能系统和生物神经系统相比， 还是小巫见大巫。 例如智源研究院去年发布的人工智能大模型 “悟道 2.0”，参数规模达到 1.75 万亿，但还不到人类大脑连接数量的 2%，而且其基本单元和连接方式都比生物系统简单得多。视觉是研究人员最多、应用最广的方向，但是已有视觉模型都难望生物视觉之项背，今年热点是视觉大模型，如果要在像素级进行视觉空间关系训练，集合全

4、球算力都不够，更逞论时空关系联合训练。 说到算力，人们往往会说强大的人脑是个低功耗系统，这是认识错位。用人工智能的术语来说，人脑的低功耗是“推理”过程低功耗，而不是“训练”过程低功耗。人脑是亿万年进化的产物，进化就是一种训练过程，大自然训练出人脑这个复杂网络，消耗了巨量太阳能，相比之下，全球算力功耗算得了什么呢？ 推 荐 语 这就是人工智能离不开脑科学的原因。以“机器学习+大数据/复杂环境+大算力”模式训练大规模智能模型，确实可以解决不少问题，但天下没有免费的午餐，强大智能是以巨大训练成本为前提的，训练人脑花费的“天价”，人类付得起吗？因此，借鉴生物大脑这个已经训练成功的“蓝本”，模拟生物大脑

5、的精细神经结构和信息加工机理，却可能是实现更强大、更通用人工智能的最短路径。 借鉴脑科学研究成果，并不是说默默等待脑科学最新进展，事实上，脑科学大量已有进展尚未在人工智能领域得到有效利用。例如，目前人工神经网络所用的神经元模型，还是 1943 年的麦卡洛克-皮茨（M-P）模型，训练的理论依据，还是 1949 年提出的赫布学习规则（Hebb Learning Rule）。在脑科学领域，有许多与智能行为密切相关的认知范式、神经活动机理等“宝藏”等待人工智能领域研究者开发和利用， 并以此推动生物智能启发的人工智能模型算法研究新范式。 因此，智源研究院于 2020 年 8 月，设立“人工智能的认知神经

6、基础重大研究方向”，就是要促进脑科学和人工智能的交叉，促进两个领域学者的交流和合作。 作为认知神经基础重大研究方向的重要成果，智源生物智能开源开放平台已经在去年正式上线。同时智源研究院还在去年设立了生命模型研究中心，从模拟高精度生命系统的角度开展交叉领域前沿探索。 为了进一步加强脑科学和人工智能的合作， 架起连接脑科学与人工智能的实际桥梁，我专门造了一个新词：“智元（Wiston）”，意思是具有独立智能功能的基本神经回路。事实上，脑科学已经发现了很多“智元”，例如这份报告第 2章提到的位置细胞和网格细胞、第 3 章提到的吸引子网络、赢者通吃网络，众所周知的视皮层简单细胞和复杂细胞，以及近期热门