神經(jīng)、認知、計算三學(xué)科深度交叉

 

　　建開(kāi)源開(kāi)放平臺探索人工智能“無(wú)人區”

 

　　大西北網(wǎng)訊  目前，大數據+深度學(xué)習+大算力構成了人工智能的主要發(fā)展模型，但更多的數據、更強的算力和改進(jìn)的算法卻未必會(huì )讓人工智能更聰明。有專(zhuān)家指出，人工智能未來(lái)發(fā)展的關(guān)鍵并不是簡(jiǎn)單提高算力和增加數據，而是要重新思考智能模型。

 

　　古希臘哲學(xué)家德謨克利特曾言，“我寧可找到一個(gè)因果的解釋?zhuān)膊辉敢獬蔀椴ㄋ谷说耐?rdquo;?？梢?jiàn)，推理能力，是人類(lèi)智能的重要體現。目前，盡管人工智能在語(yǔ)音、圖像識別等特定領(lǐng)域、特定類(lèi)別下，水平已經(jīng)比肩甚至超過(guò)人類(lèi)，但對日常生活中的事情進(jìn)行推理，AI卻是一籌莫展。

 

　　例如，電影《教父》里有這么一個(gè)場(chǎng)景：一個(gè)黑手黨對糕餅店老板說(shuō)：“這個(gè)店太漂亮了，但是如果有一把火把這個(gè)店燒了，那就太可惜了。”顯然，這句話(huà)背后的意思，不是勸老板準備好消防設備，而是恐嚇老板趕緊交保護費。這個(gè)結論對人而言是顯而易見(jiàn)的，但對于A(yíng)I則很難理解。再如，張三問(wèn)李四：“你最近忙嗎？”李四回答道：“我眼圈黑得可以扮熊貓了。”對于A(yíng)I來(lái)講，李四的回答和張三的問(wèn)題是風(fēng)馬牛不相及的兩句話(huà)。

 

　　目前AI缺乏因果推理能力

 

　　“目前AI所學(xué)的語(yǔ)料庫里，只涉及數據之間的相關(guān)概率，而沒(méi)有數據之間的因果關(guān)系；更關(guān)鍵的是，AI算法里很少包含推理的模塊。”8月24日，清華大學(xué)心理學(xué)系和腦與智能實(shí)驗室教授劉嘉在北京智源人工智能研究院舉行的“人工智能的認知神經(jīng)基礎”重大研究方向發(fā)布會(huì )上指出，而在人的大腦里有專(zhuān)門(mén)的認知結構來(lái)進(jìn)行推理以尋找因果關(guān)系。事實(shí)上，人類(lèi)隨時(shí)隨地都在尋找事件的因果解釋?zhuān)踔習?huì )把一些完全無(wú)關(guān)的東西關(guān)聯(lián)在一起?？梢哉f(shuō)，因果推理是人的一種本能行為。

 

　　有人說(shuō)，今天的人工智能是大數據+深度學(xué)習+大算力，未來(lái)的人工智能就是更多的數據、更大的算力加上改進(jìn)的機器學(xué)習算法。這么說(shuō)對嗎？“這么說(shuō)并沒(méi)有真正回答問(wèn)題，屬于線(xiàn)性思維。深度學(xué)習在人臉識別等方面取得重大進(jìn)展，但并未真正解決感知問(wèn)題，例如對抗性圖片可以欺騙人臉識別系統，這不是個(gè)案，而是揭示了深度學(xué)習的根本性缺陷。因此，人工智能未來(lái)發(fā)展的關(guān)鍵不是簡(jiǎn)單提高算力和增加數據，而是要重新思考智能模型。”北京大學(xué)計算機科學(xué)技術(shù)系教授、北京智源人工智能研究院院長(cháng)黃鐵軍表示。

 

　　什么是智能？“我認為智能是系統通過(guò)獲取和加工信息而獲得的一種能力，從而實(shí)現從簡(jiǎn)單到復雜的演化。比如說(shuō)動(dòng)力系統，汽車(chē)、飛機通過(guò)油和電等能量進(jìn)行運動(dòng)，但這不是智能，如果一個(gè)系統能夠獲取信息并通過(guò)加工信息獲得能力增長(cháng)，它就是智能。”黃鐵軍說(shuō)。

 

　　黃鐵軍表示，作為智能載體的系統可以是有機生物體，也可以是無(wú)機的機器，包括計算機。寄托在有機體上的智能稱(chēng)為生物智能，以機器為載體的智能稱(chēng)為機器智能。而把人工智能理解為“人工設計制造的智能”是偏頗的。

 

　　借鑒生物智能拓展研究途徑

 

　　“生物智能研究是腦科學(xué)的一部分，屬于自然科學(xué)范疇。如同其他自然科學(xué)一樣，大腦作為研究對象基本是穩定不變的，人類(lèi)的進(jìn)化不會(huì )在幾十、幾百年有多大變化。大腦是已知的最復雜的系統，所以腦科學(xué)常常被稱(chēng)為自然科學(xué)的最后疆域。”黃鐵軍指出。

 

　　機器智能是技術(shù)科學(xué)的前沿，黃鐵軍表示：“因為人工智能這種系統的復雜程度是隨著(zhù)人類(lèi)的設計、開(kāi)發(fā)以及環(huán)境的互動(dòng)變得越來(lái)越復雜，所以機器智能的研究對象是一個(gè)不斷擴展變化的對象，我認為智能科學(xué)是技術(shù)科學(xué)無(wú)盡的開(kāi)放疆域。”

 

　　“生物大腦是億萬(wàn)年進(jìn)化的產(chǎn)物，機器智能沒(méi)必要也不可能再從頭進(jìn)化一遍，而是應該在生物大腦的基礎上向前發(fā)展。”黃鐵軍表示。例如，目前的機器視覺(jué)采用攝像頭和計算機算法，雖然取得了很好的效果，但是存在計算復雜度高、成本高等問(wèn)題。黃鐵軍團隊研制的新型視覺(jué)傳感芯片仿照生物采用脈沖方式表示視覺(jué)信息，不需要大算力就能完成超高速視覺(jué)任務(wù)，成果表明可從結構和機理上模仿生物大腦，再通過(guò)光電系統特性大幅提高性能，這是人工智能未來(lái)發(fā)展的重要途徑。

 

　　據介紹，北京智源人工智能研究院在2019年發(fā)布的5個(gè)研究方向中，將“人工智能的認知神經(jīng)基礎”作為2020年首個(gè)重大研究方向，旨在將神經(jīng)科學(xué)、認知科學(xué)和信息科學(xué)進(jìn)行交叉融合，加強人工智能和腦科學(xué)的雙向互動(dòng)和螺旋發(fā)展，揭示生物智能系統的精細結構和工作機理，構建功能類(lèi)腦、性能超腦的智能系統，以視覺(jué)等功能和典型模式動(dòng)物作為參照物測試智能水平，為人工智能未來(lái)發(fā)展探索可行道路。

 

　　劉嘉表示，從認知神經(jīng)的角度考慮，理解智能有3個(gè)層級，硬件層面、表征與算法層面以及計算目標層面。對應到生物智能中，分別是腦神經(jīng)結構與功能、生物神經(jīng)網(wǎng)絡(luò )模型以及認知模型。課題組將分別從3個(gè)層面進(jìn)行研究：生物基礎、網(wǎng)絡(luò )模型、生物視覺(jué)。其中，將圍繞“生物視覺(jué)的認知神經(jīng)基礎”用多種腦成像的方法，探究大腦的精細結構、闡明生物視覺(jué)的認知功能和計算架構；進(jìn)行“AI的腦解析”，利用認知神經(jīng)科學(xué)的研究方法打開(kāi)人工智能（深度學(xué)習網(wǎng)絡(luò )）的黑盒子；探索“類(lèi)腦的AI”，基于生物視覺(jué)認知的研究成果，構建類(lèi)腦視覺(jué)信息處理的模型與算法。

 

　　“以認知神經(jīng)為基礎，人工智能將進(jìn)入一個(gè)新的發(fā)展軌道，盡管它的發(fā)展不會(huì )像大家想象那么快，因為很多技術(shù)挑戰需要解決，但只要方向對頭，速度還是比較快的。”黃鐵軍表示，“如果要實(shí)現類(lèi)似生物那樣的智能，我認為各種人工智能探索途徑最終都將收斂到生物大腦模型上。”

 

　　三學(xué)科交叉融合探尋生物智能本質(zhì)

 

　　在自然界中，我們看到生物智能可以實(shí)現很多目標。那么，生物智能是怎么工作的？

 

　　據介紹，生物界中，線(xiàn)蟲(chóng)神經(jīng)元的數量是302個(gè)，果蠅是25萬(wàn)個(gè)，斑馬魚(yú)為千萬(wàn)級，小鼠接近1億，絨猴是10億級，獼猴差不多百億級，而人有860億個(gè)神經(jīng)元。雖然這些生物體神經(jīng)元之間數量差別達億倍，但是它們都能夠滿(mǎn)足生存需要——獲得食物，逃避危險，繁殖后代。劉嘉指出，盡管不同的生物在智能的高低上存在差異，但是無(wú)論是幾百個(gè)神經(jīng)元的線(xiàn)蟲(chóng)，還是有千億個(gè)神經(jīng)元的人類(lèi)，他們都具有人工智能夢(mèng)寐以求的通用智能。所以，從生物智能的角度來(lái)看，通用智能并非一定要依賴(lài)于非常多的神經(jīng)元來(lái)實(shí)現，而是神經(jīng)元通過(guò)某種規則的組合。

 

　　但是，生物智能底層的規則是什么，現在尚不清楚。劉嘉強調，“這些規則是可以通過(guò)研究來(lái)獲取的。在過(guò)去的幾十年里，研究者分別從三種不同角度探究智能的本質(zhì)：一是自下而上的生物學(xué)視角，它是忠實(shí)于生物神經(jīng)基礎的仿真；二是自上而下來(lái)構建抽象的認知模型，以認知科學(xué)為核心。三是最近興起的折中之路，以深度神經(jīng)網(wǎng)絡(luò )為代表的在仿真與模型之間計算科學(xué)的道路。”

 

　　劉嘉介紹說(shuō)，今后的研究方向是把神經(jīng)科學(xué)、認知科學(xué)和計算科學(xué)做深度的交叉。而人工智能的突破可能就在這三個(gè)學(xué)科的交叉點(diǎn)——它現在雖然是一個(gè)無(wú)人區，在技術(shù)和范式上有很多未知，存在很多挑戰，但是充滿(mǎn)希望。為在這個(gè)交叉點(diǎn)開(kāi)展工作，必須要有一個(gè)底層的支撐，這就是生物智能開(kāi)源開(kāi)放平臺。

 

　　具體而言，研究人員準備構建一個(gè)多尺度、多精度、多模態(tài)的開(kāi)源開(kāi)放平臺，把生物神經(jīng)數據、行為范式數據、認知過(guò)程及表征數據，以及相應的生物、計算和認知模型等放進(jìn)去。在這平臺之上，吸引更多的人加入進(jìn)來(lái)，探索智能的本質(zhì)，構建關(guān)于智能的理論。（記者華凌）