2018年10月26日,第二届中国城市运营论坛在京隆重举行,本届论坛主题为“AI+城市运营:探索智慧城市运营创新之路”,来自政、产、学、研界的近300名嘉宾出席论坛,共同探讨“AI+城市运营”的发展路径。清华大学自动化系教授范静涛先生出席论坛并发表题为《从脑科学到人工智能》的主旨演讲。
(以下根据范静涛先生在论坛现场的演讲整理,未经本人确认)
脑结构非常复杂。据目前的猜测和分析,人类的大脑重量约1.4公斤,大脑皮层由上百亿个神经元,每个神经元又包含几千个分杈进行交叉互联,构成非常复杂精细的大脑神经网络。从生命科学角度讲,有人说:人类科学中,神经学领域科研的前沿就是脑科学。认知脑的奥秘,了解脑的运作模式,对于疾病的防治和人工智能产业具有巨大的推动作用。
图片来源于网络
从1906年开始,脑科学领域百年来产生了约20项诺贝尔奖,包括从最初通过显微镜观察,靠手绘神经元结构,到神经细胞信息传递,大脑的感知和认知,以及其他神经科学领域。目前,我们对于脑的认知还局限在基本的困难方面,例如如何统计大脑细胞的类型,如何构建大脑动态的结构连接图,如何开发可以记录大规模神经活动的工具,如何了解神经元个体和群体之间行为关系,等等。这些都是脑科学亟待探索的问题。
近几年,包括中国在内的世界各国陆续推出脑计划,主要分仪器开发、数据处理、分析探索和科学伦理四个层次。仪器开发先行,基础工具开发可以记录大规模神经活动规律,从而可能观测到脑不一样的现象。观测工具领域产生过若干个诺贝尔奖:1981年发现猫视觉皮层具有卷积特性,这是现在人工智能神经网络生物学的基础;神经系统的结构研究成果获得1906年诺贝尔医学奖;活细胞超分辨率荧光显微技术研究获得2014年诺贝尔化学奖;X射线断层成像仪(CT)和磁共振成像技术分获1979年和2003年诺贝尔生理医学奖。
我们根据能够看到的范围和精细度对空间尺度画了四个象限,目前追踪的是右上角的研究方向。如果能够实现就可以揭示疾病发生的机理,从而研究诊疗和治疗方法。对于人工智能来讲,目前最迫切的需求是探索脑科学的秘密,最终提出新一代人工智能理论与方法,力争实现从感知到认知,从判定到思维决策质的飞跃。想实现这个目标,要依靠生物领域、成像领域和统计学领域专家理念的交融。
在研究工作方面,麻省理工大学、美国北卡罗来纳州大学医学院等知名研究机构都在近几年发表过若干个新型成像的显微仪器,但速度和视场始终存在一定局限。2016年英国人推出视场扩展为6*6毫米显微物镜,但由于成像速度太慢,只能在前期阶段对脑研究起到较大作用。在2018自然科学基金国家重大科研仪器研制项目的支持下,我国由清华大学牵头,联合浙江大学、中科院上海光机所和第三军医大等单位开展了多维摄像仪器研究工作,研制成功后,成像速度将有较大跨越。
那么,为什么现在显微系统很难兼具大视场和高分辨率?我们的直观理解是无论手机还是单反相机都是平面成像,光学理想的是曲面成像。如果不解决显微镜曲面成像,视场和分辨率之间是此消彼长的矛盾关系。就算实现曲面成像,图像也可能由于拍摄数据量太大、太快而导致难以传输。最典型的样例,神经学研究都是局限于小鼠、猴子等动物身上,小鼠的大脑直径是1厘米,但是我们所观测到的神经元细胞的胞体差距很大。
图中是世界上最大视场、数据通量最高的高分辨光学显微镜,比排名第二的显微镜视场大3.3倍。研究人员利用对仪器拍到的小鼠大脑切片开展了一系列科学实验,是不是所有位置、所有尺度都可能出现神经活动频率高,血管就会舒张的现象,有关这个问题的学术争论从1991年开始一直持续到现在。研究人员集合大量统计数据验证,追踪小鼠全脑免疫细胞迁徙轨迹和中风引入前后小鼠脑细胞变化,进行全脑尺度的免疫保护机理研究,借鉴这一实验,可以对癫痫病人病变区域癫痫波的进行分析,从而揭示病理发生机制。
提到人工智能,所有神经网络最开始是一个生命科学的借鉴。从1981年诺贝尔奖开始,Tomaso创建的模型是很多神经网络的基础,但从那以后就没有脑科学为人工智能提供更直接的理论证据了。2014年,IBM推出了一个实现神经网络的智能芯片,功耗比正常的笔记本低一万倍。人工智能机器应用的快速发展已经超出预期,下一步怎么走,需要脑科学提供基础研究。我们现在的工作主要是建立大脑动态连接图,目前小鼠脑图谱已经很明显,但是切开之后没有办法观察神经活动,我们希望能够看到一个动态的活动过程。另外,我们正在研制分辨率翻一倍,整体数据量翻四倍的显微仪器,将马上进入进行整体装调阶段。
基于前期一系列的仪器研制和数据处理,后期脑科学要开展的工作就是基于大数据分析完成清醒动物全脑功能实时成像数据,力图实现神经网络一系列机制研究,最终支撑人工智能跨越性发展,这项工作也国内外有识之士的共同推动。