脑机接口正在启迪AI中的大脑

人工智能曾步入“寒冬”。上世纪五十年代，随着计算机的出现，人工智能有了新的发展，并在跳棋上战胜了人类，同时在数学定理证明上展现出强大能力。许多科学家兴奋地认为，利用软硬件形成的人工智能可在任何并促进两大领域的深度融合内战胜人类。麻省理工学院著名科学家马文·明斯基曾公开宣称相对于大脑的奥秘，人类迄今为止还在摸索。“我们至今没有绘制出人类大脑的联结图，这是一件无法忍受的事情，没有它就别指望能了解大脑是如何工作的。”中国科学院生物物理研究所研究员、中科院院士郭爱克在北大120周年校庆活动之一的“脑与认知科学”论坛上引用了DNA发现者克里克的话。他问在座的大学生：“是不是知道了大脑的联结图，就一定能够知道大脑的工作机理？”

“不然！人的大脑是一种超复杂的神经网络系统，我们无法奢望通过简单的模拟就能了解大脑的全部秘密，因此，探索大脑之路依然任重道远。”郭爱克说工智能只需要一代人的时间就可以战胜人类。这一愿望推动了一大批科研人员投身到郭爱克从1999年开始就研究果蝇的抉择机理。他说，生命是一个不断做出抉择的连续链条，抉择是大脑智力活动的中央舞台，从抉择的“司令部”、抉择的脑机制这一开始，有助于了解智力的本质，探索智力最遥远的“根”。通过人类和线虫、斑马鱼、小鼠、猴等典型动物的大脑，试图理解哪些机制在进化上是保守的，哪些是人类所独有的。在对果蝇抉择模式的研究领域。

然而，这样的想法还是太过于天真了，人类大脑的复杂性远远超出了科学家的预想。当时的计算机由于算法过于简单、数据不足及速度过慢等原因，相继在诊断和图片识别方面败北，使人们对人工智能的憧憬变为质疑。到本世纪初，有关构建仿人类智能机器的想法几乎在科学界销声匿迹，甚至连人工智能这一名词也似乎远离了严肃科学，有人将上世纪七十年代至本世纪初这段时间称为“人工智能的冬天”。直到名为”深度学习”的强大技术横空出世，这一情况才发生了根本性转变。

2005年，深度学习技术使人们恢复了对人工智能的憧憬。2012年，谷歌开发出智能个人助理GoogleNow，用自然语言来回答用户问题、提供建议，并根据用户以往的搜索习惯预测其可能需要的信息。此后，谷歌又推出图片搜索引擎GooglePhotos。智能手机助理软件更是一日千里，成为人们不可或缺的生活工具。谷歌AlphaGo战胜围棋顶尖高手李世石的消息更是成为轰动世界的头条新闻。技术进步推动深度学习技术迅速商业化，并成为人工智能发展的重要推手。

何为深度学习，这一技术的核心就是从人类大脑的运行原理中汲取营养，通过模拟神经元来逐渐学习如何识别图像、理解语言，甚至作出自己的决定。多年来，人工智能进展缓慢，主要是由于人类是以自己能够理解的方式，而不是机器所能理解的方式来认识世界，处理问题，因此对人类来说容易的事，对机器来说则千难万难。而深度学习最有潜力之处，就是让机器自己学习，通过自主学习教会自己如何做出正确的决定。然而，让机器对特定情境做出正确决定并非一件轻而易举的事。人类之所以比较容易做出正确的决定，是因为一些相关知识早已储存在大脑中，事到临头可以直觉的方式瞬间作出反应，并可在今后的实践中不断积累经验。因此，机器学习的一个重要方面是为其编码学习算法，让机器从分析比较大量实例中学习提高。

编码学习算法面临的另一个挑战，是没有一个放之四海而皆准的固定模式可以处理机器所面对的各种情境。而人类则不然，人类似乎天生就可以处理各种情境、学习各种知识。因此，人类大脑自然就成为设计人工神经网络最重要的模型。

人类大脑通过神经元来进行计算，每个神经元通过突触传递信号。神经元在学习过程中可以加强突触的强度，并向临近的神经元传递信息。深度学习技术也从构建虚拟神经元来形成人工神经网络，通过增强连接神经元间的突触优势来实现机器学习。如通过为机器提供日落的图片来作为输入，这样“日落”一词经过人工智能才能输出，且每次提供不同的日落图片，不断改变人工神经网络突触连接的数值和强度，以此来完成学习任务。这一学习过程的关键是不让机器单纯地死记硬背，而是遇到新的日落图片时，同样可以产生有关日落的输出。

正因为在脑科学和类脑智能领域的不断探索，人工智能才走出瓶颈，迎来了发展的春天，进而极大地影响了人类生活。从这个意义上讲，脑科学研究和类脑研究将对未来人类科技的发展起着极其重要的作用。

一句话：因为AI的核心——深度学习，就是从人类大脑的运行原理中汲取营养，通过模拟神经元来逐渐学习。所以以【大脑360】为代表的一些脑科学的技术作为人类了解大脑，认识大脑，利用大脑，提升大脑的工具，率先进入了人工智能的领域，成为人工智能最底层的基础。