三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

作者: 佚名 2021-05-24 15:26:35

 IDG资本投资人,联合神经科学大咖与前沿科技企业家,来了一场高强度、高信息密度对话,全程高能,术语名词飙到飞起。

从1943年基于神经元提出的机器学习早期数学模型,到人工智能巨头 Hinton提出可能成为CNN替代品的「胶囊网络」,再到近日斯坦福团队提出「意念手写」的脑机接口……几十年来,神经科学在人工智能的研究历程中都举足轻重。在AI的发展中,研究人员一直试图模仿大脑的功能,用大脑的工作机理构建神经科学与人工智能之间的桥梁。

可将脑中想象的「笔迹」转为屏幕文本,准确率超99%. 来源:Nature

如果人工智能代表了当今最前沿的技术,那么作为支撑其发展的基础科学——脑科学,就是最初的研究动力。从基础科学层面来看,脑科学运用生命科学、物理科学、信息科学等综合手段,从分子、细胞、心理、计算网络等多个层面,对神经系统进行研究;而从前沿科技层面来看,以脑机接口、类脑芯片为代表的交叉学科的发展已将脑科学推向了时代的浪尖。

可以说,如果没有神经科学大的理论突破,没有对智能生物原本的认识,人工智能的「智能」可能就是一个黑箱。

那么究竟什么才是「智能」,它与脑科学的关联又有几何?

近日,IDG资本合伙人牛奎光,商汤科技联合创始人、首席执行官徐立,清华-IDG/麦戈文脑科学研究院研究员鲁白教授围绕「人脑VS智能」展开了热烈讨论。三人从科研、资本、企业等不同角度探讨了当下推动基础科学研究与技术产业化加速融合的路径和建议。

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

从左向右依次为:IDG资本合伙人牛奎光,国际著名神经学家鲁白教授,商汤科技联合创始人、首席执行官徐立

脑科学VS人工智能:相互促进,相互博弈

「深度学习算法,本质上是在向人脑的生物学的组织方式进行一些学习,虽然不是全部,它其实还是在向生物学的方式学习,其实从生物的角度上来讲,可能也可以为IT进行很多的支撑。」在对话开始不久,IDG资本合伙人牛奎光就对人工智能与基础生物学的关系进行了一个梳理。

基础科学之于前沿科技的重要性不言而喻。如今,脑机接口、类脑计算机等AI应用异军突起,脑科学的深入研究便是其背后的推动力量。可以说脑科学提供了很多新思路来帮助计算机进行类脑计算或者开发新的算法。那么,脑科学的重要性体现在哪些方面?其与人工智能的关联又体现在哪?

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

首先,治疗脑疾病是其最重要的要解决的方向。脑机接口,就像打开了人和机器之间进行交流的大门,让四肢瘫痪的人使用大脑来控制仿生假肢,让语言障碍人士说话。例如,去年备受瞩目的马斯克「三只小猪」实验。 马斯克的Neuralink公司展示了通过将脑机接口设备植入小猪大脑,实时读取其脑部活动信号的技术。

不仅如此,未来人类很有可能利用脑机接口来对抗癫痫、重度抑郁症、自闭症、阿尔兹海默症、帕金森综合症等目前难解的神经疾病。

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

其次,提升人类的学习速率。人机交互可以提升人脑的反应时间。比如你开车来不及转弯的时候,一个一闪即逝的想法,机器就能帮助你迅速操作方向盘,秒摁急刹车。

「脑科学的研究主要集中在五个方面,」鲁白认为,「感知、运动、记忆、情绪以及认知。其中感知与运动是相对比较成熟的两个领域。它们把脑的电信号转换成运动信号,深度学习算法也是类似的处理信号。」

在鲁白看来,基于过去二十年里科学界对神经科学的深入研究,目前感知、运动已相对成熟;而记忆则是目前进展最快的领域,其机制正有望达到一个新的突破。

但如果说感知与运动是脑科学与人工智能的大融合;那么剩下的三个方面,就是二者互相博弈的地方。因为情感和情绪是计算机所不具备的,其神经环路、神经递质、分子、基因等都已研究得比较透彻。

鲁白提到的「情感和情绪」正是强人工智能(AGI)的体现。认知,是人类最想知道但进展并不显著的领域。而AGI就代表了「能理解、会思考」,有类似人类认知智能的表现。

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

得益于深度学习的快速发展,机器智能的感知能力已得到大幅提升。在过去十年中,感知智能、认知智能之间的关系已经广泛被行业所接受。世界上最顶级的研究院微软、谷歌、IBM和中国下一代人工智能的整体规划都把感知智能和认知智能作为将来研发的主要目标的突破方向。

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

要知道,人脑本身是一台惊人的计算机!它能够以高达每秒6×10^16位的速度传递大量的信息。因此,脑科学一直被视为人类理解自然界现象和人类本身的「终极疆域」。无论是会敲代码、写论文的GPT-3,还是可将脑中笔迹转为屏幕字句的「意念脑机接口」。

可以说,大脑都是AGI强大且唯一的「博弈对象」。

全球掀起科研范式新浪潮,中国如何突围?

「去年看到这个事情时,我很震惊。」牛奎光提到了这样一个案例,「人工智能居然能够帮助去做蛋白质展开,这个是非常震惊的一个事情,以前以为是单方向的引领,后来发现可以双向辅助。」

当时,DeepMind的深度学习算法AlphaFold,利用DNA序列成功预测蛋白质折叠。在此之前,这个问题在生物圈已被研究50年之久。这一「诺奖级」里程碑被Nature杂志评价为:可能改变一切。

「这在科研的范式上,形成一个重大的改变,大多数科学家还没意识到这个问题,少数走得比较前沿的科学家,却已经开始意识到了。」鲁白补充道。

科研范式的变革,需要相应改变科研的思维方式、行为方式及组织方式。从古至今,许多科学大家都对「范式」提出了自己的准则:亚里士多德赋予其演绎,培根讲求归纳,牛顿善用实验……那么今天呢?

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

可能不需要技术,也不需要经验,甚至不需要假说,基于大量的数据,我们科研范式在悄然改变。

「当中有另外一波,就是从脑科学当中借鉴来的。」对此,作为人工智能领域领先的从业者,商汤科技联合创始人、首席执行官徐立,从计算机的角度补充道,「我们讲的深度学习,其实是一个超大数据归纳的方法,可以看成原来那套体系是一个演绎的推演到极致,你可以想象得出来,技术推演的边界。大数据是一个归纳的,到了一个更大的极致。」

「AlphaFold2有了大量的数据积累,只需要知道序列就可以对蛋白结构进行解析,这在科研范式上形成了一个重大的改变。人类有两万多个基因,对应两万多个蛋白,通过AlphaFold2这样的人工智能系统可能会很快地解析完,这样就可以知道蛋白之间的相互作用,也可以基于结构寻找小分子药物靶点,自然也可以应用于脑疾病的药物研发上来。」鲁白从科学的角度解释说。

那么,这依旧是一个「西式」的范式吗?在徐立看来,在这种情况下,中国会有一个更好的发展机遇。并且在这种新兴的突破式范式下,中国早已有了一个天然的支持原始创新的新土壤。

脑科学作为打破传统科研范式的先发地之一,早已形成了支持创新的沃土。除了世界各国先后启动的脑科学计划、政府的大力投入外,以IDG创始人及董事长麦戈文先生及IDG资本为代表的民间捐助也成为了不可或缺的推动力量。2011年,清华大学百年校庆之际,麦戈文先生就与清华大学签署协议,成立了清华大学-IDG/麦戈文脑科学研究院,同年还相继捐赠了北大、北师大IDG/麦戈文脑科学研究院。2021年4月22日,IDG资本与清华大学宣布继续携手探索和助力中国脑科学的基础研究和未来发展。

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

2021年,清华大学常务副校长王希勤与IDG资本创始董事长熊晓鸽在「IDG资本-清华脑科学发展基金捐赠仪式」上合影

「凝聚共识是一个很重要的事。」鲁白介绍说,作为IDG/麦戈文脑科学研究院研究员的他,对中国脑科学发展有着清晰的见证,「清华脑科学的崛起,跟麦戈文和IDG资本是非常有渊源的,整个脑科学把它叫做IDG/麦戈文脑科学研究院。」

另外,脑科学作为一项长线的投资,不仅吸引着资本与科研界的眼光,企业界也对此重视颇深。例如,徐立就以理事身份参与到了清华大学脑科学研究院的相关工作中。

突破「逃逸速度」的企业,能在创新的宇宙中畅游

牛奎光回忆起多年前的一件事,准确地说,是2014年——人工智能尚未产业化的时候。「我跟徐立聊,如果人工智能产业化之后竞争激烈了怎么办,他给我打个了比方,如果我们要做一个猫脑子的智力水平系统,你创业可以做两件事,第一训练猫去抓耗子,做应用;第二努力把猫的脑子提高到猴子脑子的智力水平。其他人都在做第一个,商汤第一个也要做,但更重要的是做第二个。」

来源:Neuralink

「因为如果要做的事情是摘果子,我们现在只有一只猫的脑子,只能抓耗子,我们就必须把它升级成为一只猴子的脑子,这就是我们想做的底层延伸。」徐立说。

秉着这样的理念,徐立带领团队用神经科学的机理来做人工智能。「真正能够带来一个非对称的优势的核心能力,是在于非连续的跳跃。真正的突破还是在于,你需要把它们做升级,才能够达到生产力,刚才是讲工业的红线。」

在徐立看来,「原创的投入力度要足够大,如果真的以原创这件事情作为核心竞争力的时候,你投入的密度要足够大,就是逃逸速度。你在地球上跳总是有吸引力,但是你速度达到了宇宙速度,你就感觉没有引力了,所以单点投入的密度要大,而且要坚决。」

其实创新的真正意义,在生物学中就有迹可循。生物学的选择方面最核心的观点是,种群之间的竞争只是表象,更重要的是种群内部的竞争。类比到企业也是一样的,不同企业之间有竞争,企业内部不同部门之间也在竞争有限的资源。生物学竞争是自然淘汰、适者生存;企业也是市场淘汰、适者生存。

三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

牛奎光说,「创新基本都是打破共识的,科学研究也是这样。打破的旧的共识越大,同时会形成新的共识,因为只有形成新的共识这个企业才会有价值,形成新的共识越大这个企业的价值就会越大,当然也就会越难。」

「只有做跟大家不一样的东西,才能够在这个地方上找到行业的契机,才会有资源差,才会形成壁垒。创新就是在形成不平等的资源差,然后形成生产力的大突破和变现。」作为一家「适者生存」的公司的CEO,徐立也这样认为。

但是必须承认的是,创新是无法由企业或研究机构独立完成,它需要有一个包括资本在内的完整生态网络支撑。

企业是创新的主体,高校能为创新提供原动力,而资本则负责寻找打破共识的人。当三者联动起来,就会产生非常积极的效应。

那么,目前中国整个市场环境是否已经达到了支持原始创新研究的阶段呢?

答案是肯定的。首先,企业本身走的是用原创产生竞争力的道路。其次,市场环境允许基础研究做无用的研究,因为从创新的角度来说,这才是在探索我们认知的边界,制造「逃逸速度」。

根据数据统计,从人工智能崛起的近五年来看,伴随这一现象的,还有脑科学公司如雨后春笋般出现。这不仅是科研界、投资界以及企业界的三方努力,更是从国内到全球对脑科学重要性的一个空前共识。「逃逸速度」已经蓄势待发,突破了创新最后的壁垒。

人工智能 机器学习 技术
上一篇:为什么可视化平台对安全运营中心(SOC)至关重要? 下一篇:机器学习的未来之路
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载