脑科学与人工智能带来的机遇和挑战在哪里

脑，尤其是人脑，构造非常复杂。脑有上百亿的神经元，还有分支等连接起来，是一个非常复杂的结构。生命科学发展至今，从基因组到单细胞，从转化医学到精准医学，均取得了长足的发展。但是人类至始至终还不够明白——脑究竟起什么作用？脑的作用是非常复杂的，它有两个系统，一个是从脑神经到各个器官的连接系统；另一个是通过免疫系统的再反馈系统。这样复杂的系统，怎样把脑的东西了解清楚，是人类一直要探索的重要方向。尤其是在本世纪，科学家应该力图去解决这个问题。

脑神经的连接，800多个神经元和整个器官免疫系统连接，加起来超过整个光纤网络的总和。在本世纪初，对于脑的困惑和问题主要是在哪里？第一个是我们居然不知道800多个脑神经有哪些行为动作？第二个是我们不知道大脑的结构图。第三个是大脑的神经元在控制我们的语音和视觉时，我们不知道哪些神经元在视觉或者是听觉中起作用？还有就是如何了解神经细胞与个体行为的相关性？所以这四个方向是脑科学目前和长期要解决的工作，它与人工智能有着密切的关系。

为了做脑科学的研究，试图找到第一个做脑科学研究的科学家。我们虽然不知道最早做脑科学研究的是谁，但是我们知道第一个做脑科学的获得诺贝尔奖的人是谁——现代神经生物学之父Cajal，最主要的工作是用显微镜最终绘制出了神经元的结构图，所以他是做脑科学研究的第一个获得诺贝尔奖的人。100多年来有20多位科学家获得了脑科学方面的诺贝尔奖。神经系统的结构和功能，信息传递、神经细胞怎么传递，大脑认知和感知，还有其他的神经科学，这些领域的研究获得了多个诺贝尔奖。网格细胞与人工智能有极大关系。最重要在上面，现在提出的脑计划相比于2013年开始提出来的第一代，除了刚才说的四个研究工作，加了一个内容，即最后的一条内容——提出新一代人工智能的理论与方法。从机器感知、机器学习到机器思维和机器决策的颠覆性模型和人工智能的方式，这是脑科学的一个重要补充。

我国提出一体两翼——脑科学和类人脑方面的工作。如果开展工作，可以看出做什么研究是最重要的环节。美国脑计划分成四大组成，其中两个组成都和观测有关，怎么去看细胞的信息传递和关联关系，以及细胞本身的特点；也就是说，我们观测的仪器是脑科学必不可少的重要的工具。

进一步调研发现，在成像时，我们看到的分辨率足够高时，看到的视野就非常小；而看到视野非常大时，分辨率就比较低。我们进行了进一步的分类。第一个是1982年诺贝尔奖，它的视场小，分辨率比较低，但获得猫视觉的响应，突破了对人工智能的结构，做出了巨大的贡献。第二个是2014年超分辨率的诺贝尔奖，对神经细胞的分类进行了观测。大家知道，X光、核磁共振等技术视场非常大，分辨率非常低，达到毫米级，看不到神经元。

还有大视场方面的特点。我们用两个坐标标识它，红坐标是中间尺度、小视场和高分辨率，还有大视场高分辨等四个象限，高分辨率，视场大，分辨率还要高，这是国际上非常热的科研沃土。大家都在关注这方面的研究。

首先一个脑科学工作是2017年，六位科学家中，三位是做脑成像，三位是做脑关系的，拿到了1.5亿美元的支持。他们希望看到的一个视野有多大？把一条斑马鱼能够装进去，斑马鱼有3 000多条神经元，要观测清楚，并且要观察到它们的具体行为。这些行为是怎么连接的，这个工作是他们的一个五年计划，这是一个事例。以前的显微镜只能看四分之一，现在他们要做全视场的研究工作。

难在什么地方？有两个方面，一个是结构；一个是功能。大家都知道，一个系统，结构决定功能。神经系统的结构是首要的。那么在这里，蓝色区域是光学显微镜，只占一块，不能看全脑系统；下面是功能核磁，客观测动态脑区级功能活动。了解到脑区的功能，但是划分不出边界，我们的细胞大概就是几个微米，其分辨率只能达到毫米。所以国际上，大视野高分辨的观测仪器一直是研究的重点和热点。

国际上做这个方面的工作团队，我计算了一下，大概有300多个，具有典型的代表有加州理工、麻省理工、霍华德休斯学院、北卡医学院等。可以看到，它的视场很大，分辨率也很低；而分辨率很高时，视野较小。神经元在动态连接的过程中，瞬间的变化就难以捕捉到。这几个研究都存在这方面问题。

总之，要做一个大视场、多尺度，动态连续观测的一个光学系统，是比较难的一件事。2016年英国十大进展学会，6 mm×6 mm×3 mm的视场扩展，分辨率非常高，0.8 μm，纵向分辨率8 μm，是其的十大进展之一。

要做宽视场和高分辨是核心的难题，怎样巧妙设计这样的系统？这里存在的问题也非常大。根据这方面的工作，我们也联合了国内几家单位开始攻关。2009年我们在深圳开会，研讨了到底需要什么样的东西才能和我们的信息结合起来；2012年我们开始做脑皮层神经、肿瘤转移的观测。现在有清华大学、浙江大学、中国科学院上海生命科学研究院三家单位联合研制，设计了一个计算摄像的系统。给出原有的光照，结合我们的强项计算重建，加入计算光照和模型算式。通过几年的努力，平台构建、元件加工、模块装配到系统集成，我们完成了这样一个仪器。仪器里最重要的创新点涉及到什么？我们用仪器成像原理做了曲面，来做成像，用多个传感器取得曲面成像。

智能成像模型有两个成果，一个是压缩感知，我们提出了LOGSUM范数算法；一个是metric Learning度量学习，完成了一个算法的工作。通过几年的工作，我们研制了很多仪器，如RUSH，实时的动态成像系统。

可以看到，与国际上先进仪器相比，1 cm×1.2 cm的视场足够大。最大的特点是国际上同类仪器中成像速度最快的，还有通量也是国际仪器中最大的。通量越多，描述时间的细节越丰富。我们的通量是5.78。

这是我们在去年拍到了第一张全脑的图。大家可以看到不同的颜色，代表了不同的深度。脑皮层达到了100μm，这是在动态图里截取出来的。这张图诞生于2017年7月，我们做的第一张完全事动态的图，一张图7个G。

这样的仪器也带来了很多生命科学的实验。

首先是颠覆科学发现的问题。在这里最重要是做一件什么事？1991年开始，核磁共振开始出现时，有一个假设就是神经细胞的作用和血氧是有关联的。两个门派，一个认为有关联；另一个认为没有关联。核磁共振技术无法验证这样一个假设，但是我们的仪器可以试图解决这方面的工作。

使用小鼠进行实验，我们吹小鼠胡须时，可以看到这个神经元的变化，它和神经血管的供应是有关联。我们已经做了上千次实验，但是并没有说明它到底有没有关联，所以这个实验还要持续做下去。现在北卡医院的两个教授还在和我们做这个实验，这个实验一旦成功，不管有关系或者没有关系，将会给科学界带来非常大的震撼。现在有很多生命科学家也持续发邮件询问结果。这项实验还在进行，目前还没有准确结果。

我们也可以在探索脑疾病上进行相关的研究。最重要的脑疾病，包括帕金森、老年痴呆等，病例很多。这是脑肿瘤，我们与第三军医大学开展的工作，这是活体细胞的展示。目前的技术需要5~7天才能确定有没有肿瘤，用这台仪器3 ms就可以诊断结果。所以第三军医大学，从去年开始就希望订购这台仪器。

刚才说了哈佛大学需要看到多条斑马鱼，我们这个仪器可以实现，这个研究是什么？研究肿瘤细胞在体内形成肿瘤的过程是什么。可以看到细胞的运动。细胞怎么转移？往哪里转，在什么环境下转？这是我们非常重要的一项研究工作，就是多条斑马鱼的共同观测。

第二个可以看到，小鼠全脑在运动过程时免疫细胞与肿瘤细胞是相反的过程。脑肿瘤手术中最难的是确定它的边界，切得少了没有把肿瘤切干净，切多了把人切傻了。这个单细胞的实验也引起了医学界的轰动。比如同济医学院，跟踪一个细胞就能知道后面的情况，可以确定边界到底有多大。

我们可以看到中风前和中风后细胞的变化区域在哪里？损伤以后形成中风，这是一个最重要的研究工作。还有一个是癫痫病的切换，自发癫痫波的产生，哪些产生癫痫波，哪些癫痫细胞没有产生，产生和不产生到底有什么关联，这是国际上都在探讨的。同时我们又给它一个刺激的波，电极刺激下产生癫痫波，哪些是自发产生，哪些是电极刺激产生。

这些工作对于加速药物研发也起到了很大的作用。大家知道心梗带来了非常大的危害。到底心脏细胞怎么运作，能够给出一个药物判断。药物判断这个是和制药公司做的试验，通过高通量的心肌药物，哪种药起作用，哪种药不起作用。

这是我在生物科学和医学上简单的汇报，如何推动人工智能的发展，我们希望做一些贡献。

大家知道，胡贝尔对人的视觉系统起到了非常重要的作用。脑神经元之间的信息传递机制是什么？可解释人工智能才能提供生物学的范例。国际上为了做这件事，也投入了1亿美金，启动了阿波罗脑计划。想要摸清一个立方毫米10万个神经元的研究关系，包括活动和连接关系，最后形成大数据。我们在想，计算神经元的模型和机器学习的的模型能不能打通，能不能在这里找到他们的一个工作。

实际上，现有人工智能基本上是同类大数据的学习，未来的人工智能会融入各种感知与记忆数据和信息传递机制是什么？现在我们还没有找到这个信息传递的机制，我们硬学。怎样从感知到决策与控制，做到认知到决策与控制，这样的一个工作使得人工智能具有主动性。我们希望能够通过脑观测和脑认知的结合来做脑模拟。现在我们这个仪器，可以看到百万级的神经元，对于它的连接状态是什么？现在还没有看到它的视觉连接行为，但是我们已经找到了它听觉和视觉的环路部分，也没有找到全部。下面是我们在国际上第一个看到在小鼠听音乐，全脑神经元的变化。这是小鼠在听音乐时，那边是神经元的整个连接状态。亚细胞级、结构功能的统一，这是国际上第一个拿出的结果。小鼠的状态，对应的神经图就是脑连接的状态。同时还可以看到，它的海马区分层神经元的连接状态，在这里我们找到了部分信息传递的这种机制方式。可以看到，这是一个毫米级的神经元在传递。我们希望在这里分析它们的模型，找到它们的工作规律，为人工智能的信息传递机制带来一些好的算法和模型。

因为这个仪器做出来以后，从2017年开始我们做了近两年的生命科学和人工智能方面的实验，也得到了国际上很多学者的关注。

目前，我们的分辨率和视场加起来不是国际最领先的，但我们的通量是领先的，要突破400 nm，国际领先。元器件已经完成了，希望在2019年的1月完成400 nm最高分辨率集成。但是目前还缺经费。

现在我们有一个团队专门做大数据分析，有10位老师带着博士生讨论清晰动物全脑实时成像数据，让小鼠看不同的颜色、不同动态的物体，它的视觉环路是怎样的？另外还要研究比如神经网络的记忆决策和控制的机制。同时又组成了两个团队在做微观成像，就是分子成像，看细胞——个体细胞的特征和整体细胞的联系。通过微观和宏观来看能不能做尺度上的总体成像，为人工智能提出一些新的线索和方式。这个研究非常复杂，也要持续的研究。

未来方向。第一个方向，生命是会发生变化的，生命进化到现在的人工智能阶段，随着材料科学的发展，未来的生命会发生新形态和新业态的变化，比如我们的人造器官都会造出来，人工智能和我们的器官都已经在一起，真正实现了一个主动式的人工智能。

第二个方向，有三人的小团队，正在调研脑联网，就是解决国际上的下一个问题，意识能不能存储。这个问题是比较前沿的，也正在做这方面的分析。希望能够提出一点想法。

第三个方向是光电计算。现在的电子计算机基于硅级的纳米，量子计算离我们还有不远的距离。因此我们提出了光电计算，把光子器件和硅基集成在一起，对人工智能的发展起到了非常大的作用。现今复杂的算法使得我们很多工作没有办法往下推进。光电计算如果用好了，是可以引领新一代摩尔定律的产生。如果光电计算形成，存储和计算一体化的就变成了什么？就变成了皮米级的工作。现在是纳米级的，如果做到皮米级的工作，可以带来新的摩尔定律的变化。

这是三个方面的研究。我也想和各位交流一下，希望能够在这上面开展一些研究。