| 上海紐約大學副校長：腦科學需要自己的牛頓 |
腦科學需要自己的牛頓：建議創建理論和計算神經科學平臺
（汪小京 上海紐約大學，2015年11月21日）
(作者，上海紐約大學副校長、紐約大學神經科學教授，原耶魯大學神經科學終身教授。)
今天，在全球范圍，類腦智能和腦技術（BrainTech）的發展都得到了政府和企業的高度重視。類腦技術大致分為四個方面：
（1）硬件設計創新。也就是從神經網絡的研究里得到啟發，發展新型芯片，比如IBM去年公布的TrueNorth芯片。
（2）開發智能機器人。比如美國的Boston Dynamics公司，中國的小i機器人公司都在從事這一類的研發。
（3）腦－機接口技術，即記錄、解讀腦的電信號，通過腦的信號來控制機器。這類技術的應用價值很高，有望在將來服務于癱瘓的病人，讓他們用思維來指揮機器人。
（4）發展“類腦智能”軟件。這與大數據緊密相連，最引人注目的莫過于“深度學習”方向。在美國，微軟有“深度學習研究中心”；IBM有 “認知計算”的計劃；谷歌有DeepMind和Machine Intelligence。 DeepMind是計算神經科學出身的年輕人創辦的公司，成立幾年后被谷歌花4億美元收購，至今已擁有150多位博士，而Machine Intelligence是谷歌最近新建的研究中心。從這些例子可以看出深度學習這一領域炙手可熱，發展前景非常好。
然而，跨越式的技術創新需要堅實的理論基礎。就拿現在最熱門的深度學習來說，其理論來源于90年代的研究突破。神經科學對大腦視覺系統的研究，使研究者更理解相應的深度網絡，能夠建立數學模型，再有Geoff Hinton, Yann LeCun 等人發展的訓練網絡學習的方法，才有了今天的深度學習框架。近10多年來計算機（尤其是GPU）和大數據庫的發展，才帶來了深度學習的突飛猛進。由此可見，從實驗神經生物學到人工智能，需要用數學模型來建立一座橋梁， 計算神經科學就是這座橋梁。
此外，計算神經科學不僅僅是一座橋梁，它還扮演著理論先導的角色，所以計算神經科學也叫理論神經科學。我們知道，腦科學的實驗技術日新月異，使我們不斷收集到新的、海量的數據。那么面對這些數據，怎樣才能有所發現呢？這就需要發展基本理論，計算神經科學與實驗的方法相結合，用嚴謹的理論、模型建造、統計分析，來研究神經網絡和大腦功能。這可以類比物理學的發展：到牛頓才發展出經典物理學的基本原理，比如力學三大定律，用這些基本原理可以指導無數的實驗、解釋無數的數據，而且可以預測自然現象。經典物理學也是我們現代工程的基礎，使我們能夠創造像人類登月的奇跡。我認為，神經科學應用于人工智能也是類似的過程。也就是說， 發展腦科學的理論，是發展人工智能的基礎。而基礎研究有賴于我們的遠見卓識和長期堅持。這正是為什么，腦科學需要自己的牛頓。對比物理學和神經科學，在美國，研究神經科學的與研究物理學的人一樣多，而在我國，神經科學的發展規模遠不如物理學。
神經科學是21世紀的前沿科學，我們應當盡快發展這個領域，躋身世界前列。這是我國作為發展中的強國應該做的，也是每個向世界一流大學看齊的院校應該考慮的。從策略上講，哪些新方向是重要的？哪些是我們的長處？我個人認為，認知功能的腦機制是一個值得重視的研究方向，而且應當將計算和實驗結合起來發展。2013年，美國推出腦計劃，確定了七個研究方向，其中之一就是理論與實驗的整合。腦計劃的白皮書里有這樣一段話：“ 嚴謹的理論、模型建造、統計分析，能使我們深入了解復雜的、非線性的大腦功能，這是僅憑直覺無法做到的。為了推動理論和數據分析的發展，我們必須吸引統計學、物理學、數學、工程以及信息科學等領域的專家，加強多學科的實驗家和理論家的合作?！?我們研究大腦，希望理解腦功能的基因機制、神經元和網絡結構的機制。為了達到這個目的，必須要了解神經元放電的模式，弄清楚神經網絡的動態是怎樣完成計算、怎樣控制我們的行為，再弄清神經網絡動態的結構，以及它的可塑性機制。因為大腦是有很多層級和反饋連接的復雜動力學系統，這個探索的過程就需要數學和實驗的結合， 我們大腦里的神經聯結如果加起來，大概有10萬英里長，差不多地球到月亮的一半距離，其中80%以上的連接是反饋聯結，這么復雜的動態系統，光用實驗和直覺來認識是不可能的，還需要理論和數學。伽利略曾說“自然之書是用數學語言寫就的”。人腦的神經網絡是大自然的一部分，它的行為也應用數學語言來描述和揭示。
腦的反饋聯結對理解高級認知功能尤其重要。比如，思維主要不是由外界的刺激來引起的，而是你自己腦內神經與神經之間通過反饋聯結實現的“回蕩網絡”而形成的。最典型的“認知型”腦區是前額葉皮層，也就是大腦皮層的最前面這一區域。在生物演變過程中，前額葉皮層是最晚才發展出來的，它在人腦皮層中占相當大一部分，可是在狗或貓的大腦里面，相對來說卻只占很小一部分。前額葉皮層是干什么的？有什么用？直到上世紀40年代末，這還是一個迷。如果某個人有精神病或者不能控制自己的行為，當時普遍的醫學“處理”方法是前腦額葉白質切除術，就是切除前額葉。美國總統肯尼迪的一個胞妹就被迫做了此手術。直到近年，關于前額葉的研究才真正發展起來，相關學術文獻最近20年來迅速增長。今天，我們知道前額葉皮層對很多認知功能都很重要，將它稱為大腦的“CEO”。我本人在90年代初開始對這個領域產生興趣，在90年代中期建立了第一個前額葉皮層神經網絡模型。20多年來，我們一直都在和其他科學家們一起研究前額葉皮層和認知功能。很多研究人腦功能成像的實驗、動物行為和電生理的實驗所收集到的數據，加上我們的計算模型，使人們開始逐漸了解各種高級認知功能的神經網絡機制，例如選擇、工作記憶、選擇性注意、執行控制、價值判斷和經濟決策等人腦的高級功能。值得一提的是，精神病人正是前額葉皮層及其它有關的腦區出現了問題。高級認知功能出現異常不是因為眼睛、耳朵的問題，而是因為前額葉皮層和其他“認知型”神經網絡出了問題。因此，如果人們真正對前額葉皮層及其它有關的腦系統了解透徹了，特別是對分子層面、網絡層面、功能層面都能真正了解的話，我們就有可能找到更好的診斷、治療精神疾病的方法，為發展現代的精神醫學奠定理論基礎，為社會和人類作出貢獻。因此，近年來出現了一個精神病學與神經科學的新的交叉領域，叫“計算精神病學”。
因此，高級認知功能的腦機制是神經科學前沿方向之一。另外，迄今為止，實驗和理論都局限于考慮微神經網絡或局部的腦區。 現在有一個很大的新挑戰——不光是我自己的團隊，也是整個領域都面臨的挑戰——研究怎樣將局部神經網絡推廣到涵蓋全腦皮層的大規模的神經網絡，研究認知的“構建模塊”（building block）是怎樣拼在一起，從而產生人的思想和行為。 最近幾年，新的實驗數據產生，如大腦的連接網絡、功能成像的數據，再加上計算機的發展，使我們有可能建構大規模的腦系統數學模型。我的研究團隊近年來建構了一個靈長類動物的大規模皮層系統的模型， 該研究成果近期剛剛發表。 此大規模模型是由很多互相聯通的腦區組成的，會自發地產生自組織現象，即一個動態時間尺度的層次結構。如果給初始的感覺區一個刺激，它的反應很快，時間尺度在20微秒， 適于很快地接收處理外界來的信號。其它不同腦區反應的時間尺度不一樣，尤其“認知型”的腦區具有相當慢（至少有幾秒鐘）的動態，正好適于抉擇、思維。也就是說這個系統自然地產生了動態時間尺度的層次結構，這是腦區和腦區之間的反饋連接形成的。為什么這個結果有意思呢？因為腦對信息的處理需要在很多時間尺度上整合。比如，我們交談時，要理解你說的話，我的大腦要能夠識別你的語音， 這時理解每個字只需要非常短的時間；但理解字和字之間的關系以及理解一個句子的意思，則需要的時間長一點；理解句子和句子連起來的一段話的意思，就需要更長的時間。這就是不同時間尺度的整合。我們的新模型發現了動態時間尺度的層次結構怎么發生的，其神經網絡機制是什么。這一類的新發現是根基性的，可望給人工智能帶來新的啟示。
若社會意識到腦科學的重要，不僅政府應支持，企業、個人也應對其發展作貢獻。
美國的腦計劃，企業和個人慈善項目的支持十分可觀。上面提到了工業界的IBM、谷歌、微軟。個人方面，微軟創始人之一保羅·阿倫（Paul Allen）已從私人的財富中拿出十億美元來支持腦科學的基礎研究。全球收入最高的對沖基金經理詹姆斯·西蒙斯（James Simons）的慈善項目重點也在腦科學。今年年初，百度公司董事長李彥宏在兩會上提出“中國大腦”提案，希望以此“帶動整個民族創新能力的提升”。百度等公司應該與學術界聯手發展神經科學和應用，共同實現中國的腦計劃。
最后我講一下這個領域的人才培養。我們中國的國情非常適合發展這么一個跨學科領域，因為數理化領域有大批杰出的年輕人，是理論和計算神經科學的生力軍。但幫助他們進入這一領域需要新的體系方式。在美國，理論和計算神經科學起源于二十年多前。Sloan基金會于1994年創建五個理論神經科學中心，后來發展成十多個Sloan－Swartz 中心，本人在其中三個（布蘭迪斯、耶魯、紐約大學）中心作過主任。二十多年來，這些中心吸引了很多物理、數學、工程等領域的年輕人，把他們培養成計算神經科學的精英。歐洲、以色列也采用了這個模式。現在中國正在討論自己的腦計劃，我呼吁我們一定看準我國在這方面的人才潛力、不要錯失良機、努力建立中國的理論和計算神經科學平臺。培訓跨學科的年輕人才應采用不同
方式。舉例來說，我們從2010年開始在國內開辦計算認知神經科學的高級暑期班，重點是認知和計算，這5年來已經培養了一批年輕人，激發了他們濃厚的興趣和學術熱情。這方面我們需要政府和私人基金給予支持，真正吸引年輕人進入我們這個領域。
我小結一下前面講的幾點。第一，展望未來，人類對認知功能的機制理解得還不夠，這是一個新的領域。我們一定要在認知功能的神經網絡機制方面下功夫，同時發展更好的學習方法，這個不僅對腦科學本身有重大意義，能讓我們深刻理解基本認知功能的腦機制，而且能直接影響到人工智能的發展。同時，這方面的基礎研究還會對精神病學產生革命性的影響。
第二，當今時代，是大規模腦神經網絡的理論和建模的黃金時代。 我們缺的不是計算能力，而是一些新的想法、新的假設，真正要做出革命性研究成果的的決心。
第三，研究大腦的難點之一是跨層次研究。從人的行為和大腦的功能、到網絡的機制，再下到細胞、分子和基因，我們要跨越這幾個層次來進行分析，這方面缺乏很好的數學手段。針對這一點，我們可以和數學家聯合起來，發展跨層次的數學分析方法。
第四， 要采用多元化的方法，來吸引和培養計算神經科學和人工智能領域的年輕人才。
最后，我們應該大力發展國際合作，包括海量數據的共享、跨學科的研究、人才的培養等方面。
基礎研究與技術應用是相輔相成的。應用的需求可以促進基礎研究，而基礎研究的突破又可以大幅推進工業、社會發展。今年是愛因斯坦發表廣義相對論100周年，回到1915年時，誰能想到廣義相對論這么抽象的理論，會有一天用于建立人們日常離不開的GPS 精確導航系統？我們發展人工智能，就應該扶持理論和計算神經科學，使之成為21世紀中國優先發展的研究領域。
