脑科学帮助人工智能摆脱大数据

本篇文章1018字，读完约3分钟

北京，12月17日(科学日报)——老鼠听音乐时的大脑活动是什么？17日，以“大数据应用与创新”为主题的中国科技交流论坛上，音乐响起，大屏幕上听音乐的清醒小鼠的整个大脑神经网络活动清晰显示:闪烁的钙成像信号不仅表现为单个神经元活动，还包含了跨脑区的信息传递和转换。

清华大学自动化系教授、中国工程院院士戴琼海表示，随着复杂神经网络的快速发展和深入学习，人工智能的发展趋势已经超出预期，但人工智能与人类智能之间仍存在不可逾越的鸿沟。只有在脑科学和人工智能之间架起一座桥梁，才能实现质的飞跃。

"我们还不知道数百亿个神经元如何有效地处理信息."戴琼海说，人工智能和脑科学的发展至今没有联系。通过中尺度观测技术和仪器的发展，探索大脑神经元结构和功能统一的感知和计算机制，建立大脑的动态联系图，将神经科学实验与理论、模型、统计等有效结合，是科学家迫切需要研究的重要课题。

戴琼海说脑科学应该应用于人工智能。首先，应该进行脑成像研究，以建立大脑神经元的动态连接图。通过计算成像获取大量神经元的结构和动态功能整合数据，结合神经科学和数据科学揭示大脑的认知模型，从而推动人工智能的跨越式发展。

“大脑皮层中有数百亿个神经元，每个神经元包含数千个信息接收和传输分支。迫切需要大视场、高分辨率的动态观测技术和仪器。然而，高分辨率和宽视野之间存在着内在的矛盾。”戴琼海指出了当前显微成像的核心问题。

“如果你看起来太大，你就看不到10微米大小的神经元。如果你仔细看的话，你就看不到一只完整厘米大小的老鼠的整个大脑。如果你慢慢看，你就无法捕捉到神经元之间发送和接收信息的动态过程。”戴琼海说，此外，目前世界上报道的神经成像技术数据流量低，不能高速获得中尺度的高分辨率信息。换句话说，即使你看起来又大又小，你仍然需要收集和记录大量的信息。

戴琼海表示，中国“多维、多尺度、高分辨率计算相机”的研制已经取得初步成果。自主研发的宽视场高分辨率计算相机从理论创新、技术突破和工程实践三个方面首次突破了传统显微成像中大视场与高分辨率的内在矛盾和低数据通量的瓶颈问题，实现了“全局形态学”和“细节特征”的多尺度观测。

目前，该仪器已成功应用于脑科学和肿瘤学等生物医学研究。世界上首次开展了多项突破性实验，如清醒动物全脑神经网络的单细胞分辨功能成像、神经-血管耦合机制下结构信息和功能信息的统一观察、脑组织免疫保护机制的研究和心血管药物的体内筛选。(翟东东)

责任:张洋