多位院士撰寫《中國科學院院刊》專題：腦科學與類腦研究概述

本文轉載自中國科學院院刊（2016年·31卷·第7期）

作者|蒲慕明 徐波 譚鐵牛

大數據文摘後台（不是評論區）回復「腦計劃」獲得論文全文PDF

導讀

腦科學和類腦智能技術是當前國際重要科技前沿，其對人類健康和新一代人工智慧技術及新型信息產業的發展意義重大，是國際科技界必爭的重要戰略領域。我國即將啟動「中國腦計劃」（腦科學和類腦研究）重大科技專項，以期在未來 15 年內，使我國在該領域處於國際前沿地位。本文系統評述國內外腦科學和類腦智能技術研究進展、未來 15 年發展趨勢和有望解決的重大科學問題，以及我國在該領域的特色和優勢。希望其對上述重大專項的實施、推進和我國相關領域的研究有所借鑒和助益。

引言

人類的大腦是生物演化的奇蹟，它是由數百種不同類型的上千億的神經細胞所構成的極為複雜的生物組織。理解大腦的結構與功能是 21 世紀最具挑戰性的前沿科學問題；理解認知、思維、意識和語言的神經基礎，是人類認識自然與自身的終極挑戰。腦科學對各種腦功能神經基礎的解析，對有效診斷和治療腦疾病有重要的臨床意義；腦科學所啟發的類腦研究可推動新一代人工智慧技術和新型信息產業的發展。

《國家中長期科學和技術發展規劃綱要（2006—2020）》對腦科學與認知科學研究做了戰略規劃：「腦功能的細胞和分子機理，腦重大疾病的發生髮展機理，腦發育、可塑性與人類智力的關係，學習記憶和思維等腦高級認知功能的過程及其神經基礎，腦信息表達與腦式信息處理系統，人腦與計算機對話等。」近年來，腦科學在基礎研究和應用方面醞釀著歷史性的重大突破，發達國家紛紛推出大型腦研究計劃；我國政府亦將啟動「腦科學與類腦研究」國家科技重大專項：側重以探索大腦認知原理的基礎研究為主體，以發展類腦人工智慧的計算技術和器件及研發腦重大疾病的診斷干預手段為應用導向。面對激烈的國際競爭以及迫切的社會需求，「腦科學與類腦研究」項目的實施，將有助於我國在腦認知原理、類腦人工智慧和腦疾病診治的前沿領域取得重大突破，在國際上產生引領作用。

國際腦科學和類腦研究的回顧與前瞻

腦科學的回顧

現代神經科學的起點是神經解剖學和組織學對神經系統結構的認識和分析。從宏觀層面， Broca 和 Wernicke 對大腦語言區的定位， Brodmann 對腦區的組織學分割， Penfield 對大腦運動和感覺皮層對應身體各部位的圖譜繪製、功能核磁共振成像對在活體進行任務時腦內依賴於電活動的血流信號等，使我們對大腦各腦區可能參與某種腦功能已有相當的理解。由於每一腦區的神經元種類多樣，局部微環路和長程投射環路錯綜複雜，要理解神經系統處理信息的工作原理，必須先具有神經元層面的神經聯結結構和電活動信息。 20 世紀在神經元層面從下而上的研究也有了一些標誌性的突破，如 Cajal 對神經系統的細胞基礎及神經元極性結構和多樣形態的分析， Sherrington 對神經環路和脊髓反射弧的定義， Adrian 發現神經信息以動作電位的頻率來編碼信息的幅度，Hodgkin 和 Huxley 對從動作電位的離子機制並發現各種神經遞質及其功能， Katz 和 Eccles 對化學突觸傳遞的分析， Hubel 和 Wiesel 發現各種視覺神經元從簡單到複雜的感受野特性， Bliss 和 Ito 等人發現突觸的長期強化和弱化現象， O』keefe 等人發現對特定空間定位有反應的神經元等，使我們對神經元如何編碼、轉導和儲存神經信息有了較清楚的理解，但是這些神經元的特性是如何通過局部環路和長程環路產生的，我們的理解還十分有限。至於對環路中的神經信息如何產生感知覺、情緒、思維、抉擇、意識、語言等各種腦認知功能的理解更為粗淺。問題的關鍵是，我們對腦功能相關的神經環路結構和神經信息處理機制的解析仍極不清楚。

腦科學領域的重大問題：從圖譜製作到機制解析

就像 20 世紀 90 年代「全基因組測序」是理解生物體基因基礎的關鍵，「全腦圖譜的製作」已成為腦科學必須攻克的關口。核磁共振等腦成像技術大大推動了人們在無創條件下對大腦宏觀結構和電活動的理解。但是由於這些宏觀成像技術的低時空解析度（秒、厘米級），不能滿足在解析大腦神經網路結構和工作原理時的需求，目前急需有介觀層面細胞級解析度（微米級）神經網路的圖譜和高時間解析度（毫秒級）的載體神經元集群的電活動圖譜。完整的全腦圖譜製作的必要過程中，對每個腦區神經元種類的鑒定是必要的一步。目前使用單細胞深度RNA測序技術對小鼠大腦進行的鑒定中，已發現許多新的神經元亞型。利用在這些神經元亞型特異表達的分子作為標記，可以繪製各腦區各種類型神經元的輸入和輸出聯接圖譜。對一個神經元亞型的最好的定義是連接和功能的定義：接受相同神經元的輸入並對相同腦區的相同神經元有輸出的一群神經元。在建立結構圖譜後，需要描敘各個神經聯接在進行腦功能時的電活動圖譜，這就需要有對神經元集群在體內的觀測手段。有了神經元層面的網路電活動的圖譜，並進一步用操縱電活動的方式來決定該電活動與腦功能的因果關係，就能逐步解析腦功能的神經基礎。

上述三類腦圖譜（神經元種類圖譜、介觀神經聯接圖譜、介觀神經元電活動圖譜）的製作將是腦科學界長期的工作。以目前已有的技術，鑒別小鼠全腦的所有神經元的類型和介觀層面的全腦神經網路結構圖譜製作至少需要10—15年，而對非人靈長類（如獼猴）則可能需要20—30年以上的時間。當然，與過去人類基因組測序一樣，腦結構圖譜製作的進展速度很大程度上依賴於介觀層面觀測新技術的研發，後者又依賴於對新技術研發和圖譜製作的科研投資。值得注意的是，在全腦神經聯接圖譜未完成前，神經科學家針對特定腦功能的已知神經環路，對其工作機制已作出了許多有意義的解析。尤其是在過去 10 年中，使用小鼠為模型，利用光遺傳方法操縱環路電活動，對特定神經環路的電活動與腦認知功能之間的因果關係的理解，取得了前所未有的進展。神經系統內所有的腦功能環路都存在於彼此相連的神經網路之中，許多認知功能的神經環路都牽涉到許多腦區的網路，全腦的結構和電活動圖譜是完整地理解大腦功能神經基礎所必需的。

許多動物都具有基本腦認知功能，例如感覺和知覺、學習和記憶、情緒和情感、注意和抉擇等，這些功能的神經環路和工作機理研究，可使用各種動物模型（包括果蠅、斑馬魚、鼠、猴等）；但是對高等腦認知功能，如共情心、思維、意識、語言等，可能有必要使用非人靈長類（如獼猴和狨猴）為實驗動物。介觀神經網路的神經元類別、結構性和功能性的聯接圖譜繪製，在未來 20 年將是不可或缺的腦科學領域。我國科學家有望在此領域發揮引領作用。

腦健康領域的重大問題：腦疾病的早期診斷和干預

據世界衛生組織定量評價，全球各類疾病給社會造成的負擔中，腦疾病占 28%，已超過心血管疾病或癌症。其中備受關注的腦疾病包括神經發育疾病（如自閉症）、精神疾病（如抑鬱症）和神經退行性疾病（如老年痴呆症等）。 神經發育疾病是一類由腦部生長和發育缺陷導致的疾病，表現為情緒、認知等功能的異常。不少病變發生的時期較早，在嬰兒期或童年期就有表現。其中自閉症（又稱孤獨症）主要表現為人際交往、情感、語言交流等方面的障礙，以及狹隘的興趣和重複刻板等怪異行為。我國 0—6 歲低齡兒童占人口總數近 8%，自閉症的發病率很高，一般平均在 1% 左右。根據局部抽樣調查數據保守推算，我國患兒人數已過百萬，受自閉症困擾的人群可能達千萬。 精神疾病是由神經系統病變導致的行為和心理活動紊亂，表現為認知、情感、意志等精神活動出現不同程度的障礙。其中抑鬱症最為普遍，據中國疾病預防控制中心調查，我國抑鬱症的發病率超過 4%，患者人數超過 3 000 萬，已成為影響我國人民生產生活的主要病症之一。 神經退行性疾病是一類以神經元的結構和功能逐漸喪失以至死亡為特徵的神經系統病變。其中常見的是老年痴呆症（又稱為阿爾茨海默綜合征），在 65 歲及以上的人群中發病率約 13%，並且發病率隨著年齡的增長而大幅提高。 85 歲及以上的人群，約有一半以上患有此病。 2014 年我國老齡人口已突破 2 億大關，並且將以每年 100 萬的速度增長。我國屬老年痴呆症的高發地區，目前患者人數超過 600 萬，居全球首位，且呈明顯上升趨勢。

目前科學界對這三類重大腦疾病（幼年期自閉症和智障，中年期抑鬱症和成癮、老年期的退行性腦疾病）的病因仍不了解，治療的措施也十分缺乏。早期診斷和早期干預將是對腦疾病最有效的醫療方式。人類需要繼續探索這些腦重大疾病的致病機理，致病機理的完全理解仍有賴於闡明腦認知功能的神經基礎。在完全理解機理之前，急需研發出有效的腦重大疾病預警和早期診斷的各種指標，包括基因變異的檢測、血液體液和腦脊液中的分子成分、腦影像及腦功能的指標等。對診斷出的早期患者，需要早期干預，以延緩或預防腦疾病的出現。我們需要研發早期干預的藥理、生理和物理新技術和新儀器。目前醫療界已在使用一些物理刺激技術來治療腦疾病，如穿顱磁刺激（TMS）、穿顱直流電刺激（tDCS）、深度腦刺激（TMS）等，這些刺激方法的精度和刺激模式需進一步優化，而優化的過程仍依賴於腦科學對認知功能的神經環路所獲得的新信息。新藥物和新型生理物理干預技術的研發，需要合適的動物模型，因此，建立腦重大疾病的非人靈長類模型是不可或缺的一環。

人工智慧發展的回顧

1956 年夏季，以麥卡錫、明斯基等為首的一批有遠見的年輕科學家探討用機器模擬智能，並提出了人工智慧這一術語， 60 年來該領域的理論和技術都得到了迅速的發展。圖靈獎獲得者 Allen Newell 以認知心理學為核心，探索認知體系結構。至今在認知心理學與人工智慧領域廣泛應用於心智建模的認知體系結構 SOAR 與 ACT-R 都是在 Newell 直接領導下或受其啟發而發展起來的，並以此為基石實現了對人類各種認知功能的建模。 DavidMarr不但是計算機視覺的開拓者，還奠定了神經元群之間存儲、處理、傳遞信息的計算基礎，特別是對學習與記憶、視覺相關環路的神經計算建模作出了重要貢獻。Hodgkin 與 Huxley 依據生理實驗結果創建了第一個精細的動作電位模型， Misha 等人構建了神經元之間的突觸計算模型。由瑞士洛桑聯邦理工大學（EPFL）發起的「藍腦計劃」自 2005 年開始實施，經過 10 年的努力，目前專註於極為精細的微觀神經元及其微環路建模，較為完整地完成了特定腦區內皮質柱的計算模擬。但總體而言，以上工作要真正實現認知功能的模擬還有很大鴻溝需要跨越。

人工智慧符號主義研究的出發點是對人類思維、行為的符號化高層抽象描述， 20 世紀 70 年代興起的專家系統是該類方法的代表。而以人工神經網路為代表的聯接主義的出發點正是對腦神經系統結構及其計算機制的初步模擬。人工神經網路的研究可以追溯到 20 世紀 40 年代，有些還借鑒了腦神經元之間突觸聯接的赫布法則作為其學習理論。感知器（Perceptron）是淺層人工神經網路的代表，由於其權值自學習能力引起了巨大關注。 Minsky 等人指出，單層感知器無法表示異或函數的缺陷使得人工神經網路研究一度陷入低谷，而反向傳播演算法的提出解決了多層感知機學習的難題。隨後 Minsky 在文獻中提出的第二個問題，即當時計算能力的提升不足以支持大規模神經網路訓練的問題長期限制了人工神經網路的發展，直至深度學習的誕生及其支撐硬體平台的發展。在深度學習提出之前， Rumelhart 等人重新提出誤差反向傳播演算法，其在非線性模式分類中顯示的強大性能帶動了人工神經網路研究和應用的一輪熱潮。

LeCun 等人提出的卷積神經網路受到了 Fukushima 等人更早提出的 Neocognitron 的啟發。深度學習演算法提出之後，隨著 GPU 並行計算的推廣和大數據的出現，在大規模數據上訓練多層神經網路成為可能，從而大大提升了神經網路的學習和泛化能力。然而，增加層數的人工神經網路仍然是腦神經系統的粗糙模擬，且其學習的靈活性仍遠遜於人腦。在人工神經網路的研究中，大多數學者主要關心提升網路學習的性能。 Poggio及其合作者的工作是人工神經網路向更類腦方向發展的典範，特別是其模仿人類視覺信息處理通路構建的 HMAX 模型上的一系列工作。此外， Bengio 及其合作者融合了腦的基底神經節與前額葉的信息處理機制，提出了類腦強化學習，也是人工神經網路向更類腦的方向發展有較大影響力的工作。加拿大滑鐵盧大學 Eliasmith 團隊的 SPAUN 腦模擬器是多腦區協同計算領域標誌性的工作。由Hawkins 提出的分層時序記憶（Hierarchical Temporal Memory）模型更為深度地借鑒了腦信息處理機制，主要體現在該模型借鑒了腦皮層的 6 層組織結構及不同層次神經元之間的信息傳遞機制、皮質柱的信息處理原理等。

從問題求解目標講，幾乎所有的人工智慧系統都需要首先進行人工形式化建模，轉化為一類特定的計算問題（如搜索、自動推理、機器學習等）進行處理，因而人工智慧系統都被稱為專用人工智慧系統。 IBMDeepBlue 系統擊敗國際象棋世界冠軍卡斯帕羅夫、 IBMWatson 問答系統在「危險邊緣」挑戰賽中擊敗人類對手、 Siri 等自動人機對話與服務系統的出現、 Google 汽車自動駕駛等都從不同視角展示了這個領域的進展。而最為震撼的是， 2016 年 3 月份 Google 的 AlphaGo 程序首次利用深度學習技術擊敗人類圍棋世界冠軍。這些人工智慧系統的出現，有力地推動了人工智慧技術和應用的發展，也使得人工智慧成為目前 IT 領域最為引人注目的領域。

類腦人工智慧發展的重大問題：具有自主學習能力的智能系統

人工智慧技術代表著國家競爭力，並正在以前所未有的速度滲透到現代服務業、工業和軍事等領域中。隨著老齡化社會的到來，需要大量具備能理解人類意圖並進行人機協同工作的智能機器人，歐盟 SPARC 就啟動了全球最大的民用機器人研發計劃；以 IBM Watson 為代表，將有大量具備複雜數據整合和分析能力的人工智慧用於醫療、法律、政府決策等領域，正在替代很多專業領域的白領工作；通過人工智慧技術實現無人駕駛，不但釋放大量勞動力、提高生活質量，且是另外一個萬億級規模產值的領域。我國人口紅利的消失也迫切需要發展各種智能機器人替代藍領工人，智能化成為未來工業發展的必然趨勢。德國「工業 4.0」，軟銀集團的孫正義提出 2050 年機器人拯救日本經濟，美國總統奧巴馬提出的以機器人為核心的高端製造業回歸，無不對中國智能產業發展構成重大挑戰。美國的X47-B 無人機實現在航母上的自主起降，美國的 BigDog 能在多種複雜環境中自如穩定行進，世界軍事強國已逐步形成以加速發展智能化武器裝備為核心的競爭態勢。可以說，沒有智能技術武裝的服務業、工業和軍事的大國之間的較量，就猶如侏儒和巨人的格鬥。

（1）人工智慧要滿足現實需求還缺乏足夠的適應性。圖靈機計算的本質是需要人們對現實世界進行形式化的定義，模型能力取決於人對物理世界的認知程度，因此人限定了機器描述問題、解決問題的程度。這使得目前的智能系統在感知、認知、控制等多方面都存在巨大瓶頸。例如還難以實現海量多模態信息的選擇性感知與注意、模式識別與語言理解在處理機制與效率等方面與人腦相比還存在明顯不足，需要針對某個專用問題非常依賴人工輸入知識或提供大規模標記訓練樣本。

（2）目前的人工智慧技術缺乏通用性。語音識別、圖像處理、自然語言處理、機器翻譯等採用不同的模型和不同的學習數據，兩種不同的任務無法採用同一套系統進行求解，不同任務之間知識也無法共享。而人腦卻採用同一個信息處理系統進行自動感知、問題分析與求解、決策控制等。

（3）目前基於深度學習方法已經在人工智慧領域取得了很大的成功，然而其代價是高耗能。例如在執行AlphaGo 這樣的任務時，共動用了 1 202 個 CPU 核和 176GPU 核，採用了 40 個搜索線程進行計算。按照這個耗能計算，我們還無法想像要實現一個具備大腦功能的智能系統按照目前的水平需要多少供電。而人類大腦的功耗僅在 20W左右。Ailamaki 等人指出：「除人腦以外，沒有任何一個自然或人工系統能夠具有對新環境與新挑戰的自適應能力、新信息與新技能的自動獲取能力、在複雜環境下進行有效決策並穩定工作直至幾十年的能力。沒有任何系統能夠在多處損傷的情況下保持像人腦一樣好的魯棒性，在處理同樣複雜的任務時，沒有任何人工系統能夠媲美人腦的低能耗性。」近年來，腦與神經科學、認知科學的進展使得在腦區、神經簇、神經微環路、神經元等不同尺度觀測的各種認知任務中，獲取腦組織的部分活動相關數據已成為可能。人腦信息處理過程不再僅憑猜測，而通過多學科交叉和實驗研究獲得的人腦工作機制也更具可靠性。因此，受腦信息處理機制啟發，借鑒腦神經機制和認知行為機制發展類腦智能已成為近年來人工智慧與計算科學領域的研究熱點。

新一代人工智慧需要在上述腦研究啟發下，以多腦區、多模態和多任務協同為核心，研究神經網路微觀刺激調控和宏觀動態演化、視聽觸感認知通道及協同、長時短時記憶與決策、運動視覺與規劃控制等，建立具有生物和數學基礎的計算模型與學習方法，實現具有自主學習能力的智能系統。

論文的後半部分中作者對國內外腦大型腦計劃和中科院腦科學與智能技術卓越創新中心進行了介紹（包括：2 國際大型腦研究計劃概述、3 中國腦計劃、4 中國腦科學和類腦智能技術的優勢領域）

由於篇幅限制，本文只列出論文的前言和第一部分，在大數據文摘後台回復「腦計劃」可獲得論文的pdf全文。

作者簡介

蒲慕明|中科院外籍院士，中科院上海生命科學院神經科學所所長、研究員，中科院腦科學與智能技術卓越創新中心主任。1970年畢業於台灣清華大學物理系，1974年於美國Johns Hopkins大學獲生物物理學博士學位。1976—1985年在美國加州大學艾文分校生物物理系任助理教授、副教授、教授，1984—1986年任北京清華大學生物系主任，1985—2000年任美國耶魯大學、哥倫比亞大學、美國加州大學聖地亞哥分校講座教授，2001—2006年任美國加州大學伯克生物學部主任，2006—2013年任該校Paul Licht生物學傑出講座教授。

1999年起任中科院神經科學所首任及現任所長、神經可塑性研究組組長。獲得獎項及榮譽稱號包括：美國科學院院士、中科院外籍院士、美國Ameritec獎、法國巴黎高等師範學院和香港科技大學榮譽博士學位、中華人民共和國國際科學技術合作獎、求是傑出科學家獎、中科院傑出科技成就獎（集體）、Gruber神經科學獎等。2011年起任科技部重大科學問題導向「973」計劃「人類智力的神經基礎」首席科學家，2012年起任中科院戰略性先導科技專項（B類）「腦功能聯結圖譜」首席科學顧問。

徐波|中科院自動化所所長、研究員，中科院腦科學與智能技術卓越創新中心副主任，中國中文信息學會副理事長。曾任國家「 863」計劃信息技術領域專家組專家。長期從事人工智慧研究，主要研究領域包括：類腦智能、類腦認知計算模型、自然語言處理與理解、類腦機器人。

譚鐵牛|中科院院士，中科院副院長、黨組成員，中科院自動化所研究員、智能感知與計算研究中心主任。 1964年出生於湖南省茶陵縣。 1984年畢業於西安交通大學，並於1986年、 1989年分別獲得英國帝國理工學院碩士與博士學位。 2013年當選中科院院士， 2014年當選英國皇家工程院外籍院士， 2014年當選發展中國家科學院（TWAS）院士， 2015年當選巴西科學院通訊院士。曾任模式識別國家重點實驗室主任、中科院自動化所所長、中科院副秘書長、中科院副秘書長兼任國際合作局局長。中共「十六大」、「十七大」、「十八大」代表。模式識別與計算機視覺專家，主要從事模式識別、圖像處理和計算機視覺方面的研究。曾任或現任 IEEE T-PAMI、 Pattern Recognition、 Pattern Recognition Letters等多個國際學術刊物的編委以及International Journal of Automation and Computing和 《自動化學報》主編。中國人工智慧學會副理事長，國際電子電氣工程師學會（IEEE）和國際模式識別學會Fellow，曾任國際模式識別學會第一副主席和IEEE生物識別理事會主席。先後獲國家自然科學獎二等獎、國家技術發明獎二等獎和國家科技進步獎二等獎等。

大數據文摘長期招募實習生和編輯，感興趣請聯繫zz@bigdatadigest.cn

TAG:大數據文摘 |

※《科學美國人》主編專訪蒲慕明院士：讓政府推動腦科學數據收集
※曾紅葵：艾倫腦科學研究所的「大科學」
※華南師範大學成立腦科學與腦康復行為醫學研究院
※中外腦科學研究者在滬解密大腦意識與科技關係
※中科院科技前沿論壇：看腦科學如何助力人工智慧
※彩巢計劃：中國兒童腦科學
※物理學與腦科學裡的「美」與「丑」
※學佛本因如此科學——唯識腦科學第二課
※學佛本因如此科學——唯識腦科學第四課
※國家腦科學重大專項將實施
※學佛本因如此科學——唯識腦科學第三課
※學佛本因如此科學——唯識腦科學第五課
※非人靈長類研究將成中國腦科學高地
※學佛本因如此科學——唯識腦科學第十二課
※腦科學與人工智慧
※學佛本因如此科學——唯識腦科學第十四課
※腦科學研討會：從基礎研究到臨床
※超越一切自然科學的科學——唯識腦科學第一課
※三人談：麻醉與腦科學