【视友脑科学】人工智能和神经科学两个领域是相辅相承的

百度的人工智能教室，集成了视友科技的大脑360和脑波闪电侠等脑科学产品，不少伙伴在拜访视友科技时，会顺便问到人工智能和脑科学有什么关系呢？以往我们所说的脑电生物反馈训练，都是用来提升学生的注意力的，为什么这一次出现在了百度人工智能教室中呢？

其实人工智能和脑科学（神经科学）作为各个国家脑计划的重要组成部分，本身就是技术共生的关系。

人工智能将神经科学作为算法和架构的灵感来源。人类的大脑是现有的唯一证据，证明我们试图建造的通用智能是存在的，所以我们认为有必要努力去尝试和理解人脑是如何拥有这些能力的。然后，我们可以看看是否有一些想法可以转移到机器学习和AI上。

所以，科学家们研究大脑的记忆和想象力，了解大脑中有哪些区域和结构，然后用它来帮助我们思考如何在AI系统中实现与人脑同样的功能。

大脑的智能包括我们自己的思想——自然智能。我们应该能从一些AI算法中得到回溯。这些AI算法可以做些有意思的事情，引导我们应该在大脑中寻找什么、怎么寻找。我们可以把这些AI系统作为大脑中正在发生的事情的模型。

阿尔法狗的研究者Demis Hassabis认为，具体化的认知很关键，这是我们重要的基本法则之一。他认为，系统要能从基本法则，即从感觉和运动神经流中建立自己的知识体系，然后从那里创造抽象的知识。这是传统人工智能很难解决的一大问题，它被称为抽象符号的溯源问题。逻辑系统仅仅只处理逻辑问题时很正常，但当这些逻辑系统与现实世界交互时，它不知道那些符号真正指的是什么。这是传统AI，也叫老式人工智能的一大绊脚石。

DeepMind的人工智能系统 AlphaGo在2016年的人机围棋赛中击败李世石

在记忆的过程中，大脑中会生成多个记忆系统。其中包括短期记忆，你可以用它来记住电话号码之类的东西。我们认为这种记忆有7个单位的信息，有时候会有5个或9个。然后你会得到情景记忆，也就是长期记忆，在这里会储存你的经验并在你睡觉时进行回放，这样即使你在睡觉的时候都能从这些经验中学习。

这种想法——人有不同类型的记忆系统——在AI中非常有用。传统上，神经网络并没有太多的记忆。他们记忆的方式是瞬时的。而在神经图灵机中，我们获得了极大的进步。在这里引入了一个大容量的外部存储器，将其与神经网络相连，这样神经网络就能接入和使用了。这是一个利用神经科学的典型案例。

如果你在研究想象力，它其实就是人类和其他动物依赖他们已经建立起来的世界模型进行的行为。他们利用这些模型来产生新的想象和设想——比如与事实相反的设想——以便在采取行动之前提前对将要发生的事情进行计划和评估。将要发生的事情可能会对未来产生影响，让他们付出代价。

想象力是一个非常强大的计划工具。你需要构建一个世界的模型，需要能够使用该模型进行计划，需要能及时地提前规划。所以当你开始分析想象力时，你就会得到一些灵感——为了让系统得到全面的能力，需要什么样的能力和功能。

以前许多神经科学家和AI科学家的背景相似。他们在会议上经常交谈，而且有很多合作。但在80年代左右，AI与神经网络系统偏离得很远，像人工智能先驱Marvin Minsky等人证明了原始的神经网络系统无法完成某些任务。

但事实证明他们错了。因为他们研究的是单层神经网络，太简单了。现在我们在研究深度学习系统，这是非常庞大的网络。80年代的时候，计算能力和数据都不足以支撑这种庞大的网络。所以在当时，他们从对神经系统的研究转到对逻辑系统的研究。而逻辑系统和神经科学离得很远。AI沿着专家系统的路线走，在那里有大量的启发探索和规则，系统的决定是根据这些规则作出的。但这样的做法跟数据库的关系更大，而不是神经科学。

所以，人工智能的发展需要找到AI和神经科学领域之间的联系，并用简洁的方式在这两个领域之间相互解释说明。