【CCHI2019】Colin Blakemore：大脑是如何计算的?

中国自动化学会

CAA

智慧起航，共创未来

【导读】9月21日，英国皇家学会会士、中国工程院外籍院士、香港城市大学教授、牛津大学名誉教授Colin Blakemore在第二届中国认知计算与混合智能学术大会（CCHI2019）作了报告——大脑是如何计算的? Colin教授的主要研究领域是神经学计算，以及人体其他器官和人脑相关作用。17世纪英国著名物理学家Thomas Willis开创了神经学计算的先河。大脑的生物结构非常独特，它在进行人脑计算的整个过程中有很大的潜力。

目前人们对“大脑启发的人工智能（AI）”的兴趣是基于一种假设，即人类大脑使用的计算原理可能会在未来几代的计算架构中得到体现。然而，关于神经系统使用的计算机制的知识仍然是基础的，AI和神经科学之间的对话是双向的。节点的概念，与可变权重紧密相连，是连接主义模型的基础，松散地基于大脑的真实连接和突触可塑性的现象。但是反向传播和监督学习在生物学上的不可思议性导致了对不使用这些原则的网络计算的探索。神经网络模型对大脑皮层感觉区域的活动依赖性成熟以及大脑损伤对语义表达的影响等过程提供了深入的认识。但是，在已知的真正的神经计算与人类大脑非凡的行为和认知表现之间，仍存在着巨大的鸿沟。AI的发展可能推动人们对大脑的理解，就像神经科学的发现可能激发AI一样。

人脑结构比电脑的结构复杂很多，人的大脑至少有10~11条基本神经元线，神经元超过万亿级。神经信息的传播被称作神经激活，它的机制是根据时间推移及相互作用进行重组。突触是指一个神经元的冲动传到另一个神经元或传到另一细胞间的相互接触的结构。突触是神经元之间在功能上发生联系的部位，也是信息传递的关键部位。人类通过突触的引导进行肌肉互相的作用和改变，进行每一次活动离不开神经元或突触的指导作用，在突触的指导作用之下才能激活起人大脑当中不同的部位，这样才能结合在一起生成人类的行为，通过指引各个部位的肌肉进行协调活动，才能反映回神经元和大脑的信息，这是突触一个特别的功能。澳大利亚科学家约翰首次在神经元部分发现突触聚合作用，以及突触怎么区别积极动作和消极动作，发现了神经元当中的一些纤维可以发出不同的信息以及突触对于一些潜在的可能性的信息进行辨析的功能。人类神经元每一个突触的纤维都存在改变的潜在可能性。

Edgar对光视觉纤维神经进行了研究，当灯光从明到暗进行转变时，神经方面会有整体变化，有时是内部和外部神经共同进行对光的感知。使用更多信息能够更多的去了解到神经性的研究，尤其是突触在工程学方面的综合性应用，比如传播速度、动态学因素和原因，以及大脑算法的规则和规律。神经系统根据能量的转化进行运转，通过蛋白质的改变来对网络在神经传输过程进行优化。神经系统的发展过程表明，人类后脑中有视觉形成的机制，从视网膜折算出的图像通过前面的神经对光线折射在视网膜形成形象对大脑进行覆盖，突触脉冲使神经元更为有效的处理图像，这种特性在现实工业中没有办法使用计算机来模拟的，尤其是图像的设置和处理。大脑进行海量的信息处理时，都涉及到视觉感官的神经元。对于语言感知能力有相关的神经进行管控有很多可能性，大脑有非常多的空间和潜力需要对信息进行整合和处理，进化不断给大脑皮质进行开发。

感知区域对应计算能力的相关分布。为什么要去额外增加计算的能力？因为信息已经被限制住了。在固定的区域中，突触和神经元在第一个阶段处理的信息是非常有限的，对于很多细胞潜在的能力没有得到很好的开发，需要把它的可塑性更多通过规则性的解读总结出来。通过扫描大脑基本情况后，大脑突触和神经元处理信息时使用不同的脑电波变化，类似先进的信息处理功能，可以从视觉感知和系统中获取最初步的图像，这在低级动物大脑中没有发现。第二个阶段，大脑有关注性和关键性的处理，关键点结合在一块比较具体化、详细化，对每一个单独的模型建立起来一个架构，它会展现出来相同的体现。

大脑中间部分从解剖学角度来看，越来越多的大脑皮层向后移动，顶级向下级移动的方向，它的反馈机制怎么样建立起来？很多动态形态会提供一个展示，即对前一个工作向前推移，这是一个对于所有真实世界的假设，怎么样把所有的模型不断地进行重复？需要对此进行估算，怎么样对物体移动的下一个方面进行估算？这就是大脑皮质层所做的处理，这也是非常复杂的过程。在扫描时有很多不同的图像，对关键性、聚焦性的物体的图像进行反映，需要对大脑的活动进行分类，通过分类之后才能知道它的模型后面所运行的机制是什么，从一个顶端的设计来获得的图像其实是最基础的出发机制和原则。

通过眼睛的运动和物体的运动，怎样在大脑做出很精准的形象的判断和计算？大脑对活动的物体在移动当中区分出哪一部分的图像应该被捕捉，哪一部分应该被过滤掉。看到一个物体移动时眼睛会筛选，刺激大脑神经元去让眼睛聚焦在某一个需要聚焦的点上，这个具体的指令由大脑一个特定的区域发出。但是如果说再来看这样移动的物体，当大脑给了眼睛具体指令时，眼睛就会聚焦在移动物体的某一部分，这种情况下眼睛是在看一个静止的点。突触给予神经元的指令非常清楚，神经元和大脑有一个特定的部分会给予眼睛这样的指令。即大脑会告诉眼睛这时移动的物体可以看一下它特定的部分，而且是非常快速的互动过程。

最后，人脑计算的一个巨大优点在于它神经元的数量非常巨大，神经元当中突触的数量远远多于电脑，但是其中很大一部分仍然没有被挖掘出潜力。此外，大脑当中不同的突触和神经元由大脑当中不同的部分控制，因此大脑可以进行一些多功能的任务。人脑有潜力同时处理不同的功能，可能大脑某一部分受到了疾病的侵袭，其他功能却不会受到影响。大脑的功能是非常超乎人们的想象，而且整体的潜力是巨大的。目前来说大脑的功能在发挥的过程当中还会有一些延时性，也许这个比起机器比较实时一些。过程当中大脑的速度超过人脑，它会提出一些运行，同时进行一些结果的提出。所以可以看到人脑的优势和人脑的劣势，从这样的研究过程当中可以继续发现人脑的潜力有哪些。

来源：大会组委会

大树分割线