未来论坛的“最强大脑”:脑科学研讨会实录集锦

耶鲁大学Nicholas TURK-BROWNE教授


??? 丁健:大家下午好,都过晕了,时差还没有倒过来。确实这几天,大家已经听到了太多非常精彩的,关于科学最前沿的很多报告。我也受到了很多的启发。那么,很多人,包括昨天记者还再问我说,你做投资的为什么还关心脑科学,是你们要投资脑科学吗?我跟他们讲说不是,因为我觉得脑科学离我们太远,因为它太先进了。我还来不及去想投资的问题。虽然我们今天也听到有一个公司在做用脑接机口,但是我觉得他们还是仍然处在前沿,非常超前的地步。为什么我们关心这件事?为什么我们今天要关心脑科学,为什么要做这样一个讲座,我们到底应该听些什么?我联想到前几天,一个多月前,最火的深度学习的鼻祖,而不是人工智能的鼻祖,深度学习的鼻祖是一位加拿大人。他对生物学最大的贡献是创造了一种对神经网络学习的一种方式。他自己宣布了说这种方式到头了。实际上某种程度上讲,他在宣布说深度学习至今为止一个主要的分支,到头了。现在他回过头去研究更深一层的东西,比如说其中一个原因是说人脑不是这样思考的,所以我们这条路不能再走下去了。那么我想说的一句话,就是说前段时间网上炒得谷歌的阿尔法狗zero,他用三天时间没有读任何的人类的棋谱,就超过了阿尔法狗,超过了读了人类很多棋谱的自己程序的东西。于是乎网上就说人脑没戏了,这就是标志性的说电脑要超过人脑,我想说的是电脑太原始了,神经网络太原始了,连深度学习的鼻祖都告诉你说他走的这条路不通了。那么我们今天实际上这些科学家将用他们的研究成果,告诉我们人脑有多么奇妙,有多么的超前,实际上我们今天像阿尔法狗zero,一会儿我相信我们的教授会告诉你说,连一个小白鼠里面做的都比阿尔法狗里面不知道要强多少多少倍,所以我说大家不用担心说这个世界会被电脑要马上控制了,还早得很。所以我就讲这么多,下面我们听我们的人脑到底有多么的奇妙,谢谢。

主持人:感谢丁健先生的致辞,有请Nicholas TURK-BROWNE先生做主旨演讲。

Nicholas TURK-BROWNE:谢谢,我非常荣幸能够来到这里,并且跟这么多卓越的科学家们在一起讨论,能够加入到未来论坛,并且庆祝未来科学奖,我也希望能够感谢对这样一个活动主办的主办方,以及来自科学论坛的理事会和相关的同事们邀请我来到这里,非常感谢大家。这个会议里我们也听到了关于人工智能的介绍,人工智能主要是对于仿真和去模拟人类的能力,因此我接下来要跟大家介绍的是我们所知道的,在人类大脑当中的学习和记忆的能力,并且思考我们在这个领域中学习的内容如何能够帮助我们进一步的去对人工智能由所发展,并且加强人工智能系统的能力。

所以接下来我会专注于这个部分,因为这实际上是对人性和人的身份进行界定的部分,我们基本上考虑记忆的时候会考虑到我们生活中的闪光的一个,比如说我们结婚的时候,搬到新城市的时候,出玩等等,实际说这些记忆的概念比这个更广泛,基本上你所有的思想运作都在这里了,这就是一些方式,这些记忆成为了人类大脑中思维的一部分,我们如何学习语言的?我们的个性如何,我们的性格如何,以及我们对不同的领域的知识如何,包括了科学。

而且,我们又做了什么样的由记忆所带来的决策,包括我们吃了什么样的美食和到了什么样的餐厅,和我们的愤怒和恐惧,从我们的经验来的,这样一个大脑还有非常强的预测性,我一会儿会给大家讲这个方面的事情,能够在一些新的形式下来帮助我们进行预测,而且我们看这个世界的时候也是知道由我们的经验来进行塑造的,我们知道对这样一个记忆的概念化了解的时候,实际上它是人类能力当中的核心部分。

我们知道有不同的方式来考虑这种记忆是如何去实施的,现在有一些自然的方式,这是我接下来要跟大家专注的,就是说对于大脑,对于记忆的实施,而且还有人工的方式,那就是说无论是计算机还是说到神经网络等等,实际上是对于记忆一种仿真,实际上现在有很多的方式,是我们记忆存储的方式,这是其中的一些,我们可以看到这些区域。这是用完全不一样的方式来进行存储的,我不去说细节了,因为时间的关系,我主要用一个粉色区域来讲讲我们海马体,就是中间的部分,这是核心的记忆区,你在这里进行编码,从过去的经验中进行解锁,这样的话,如果海马不可能有任何的记忆的存取和检索。所以实际上这是人工智能开始去做这种双倍速的方式来进行存储的方式了。而且我们也都看到了这两者之间有非常多的在及以上的不同的形式,接下来我跟大家探讨的是这个海马体是如何和大脑的结构相关的,如何来存储记忆的,目前在人工智能的系统中他又是如何做到存储记忆的。现在我们先看看对这个自然的记忆有什么特别之处呢,首先我们说一下人脑的,但是还有很多在动物中,包括了猿类和鼠类来进行的研究。我们先说说在人类的这个方面的特别之处,第一个是情节性编码,第二个是非监督性的学习和更新和调整,以及反馈和预测,第五个是发展,我们直接说情节编码,说到情节编码的时候,它的意思是说我们可以对于我们生命中所接触的这些事件的存储,比如说今天说的这些演讲,晚上吃的饭,明天要做什么事情,这是非常迅速,就是到我们的大脑中,而这些记忆都是内在的,是各个不同的感知的结合,比如说我们看的,听的,感受的,我们和谁在一起等等。除此之外,他们还有一个具体的时空的标签,比如说现在我们今天在这一个地点。个别的行为在特定的时间和地点发生,非常重要一个挑战,就是一个记忆与其他的记忆形成一个区别,比如说这次会议上你听到了别的演讲,要区分开来,因此我们是这样一个情景下的编码。

那么,AI,人工智能需要一个成千上万,成百万次的培训的案例。然后才能够随着时间的推移和情景,以及独特的特色,才能够给我们带来一些抽象性,因此对于我们人工智能的学习来说,仍然是一个挑战。如果我们能够在实验室里来学习记忆力的话,我们可以看到一些图片进行训练,我们怎么样记住一些东西,这是艺术长廊,那么这显示了这个图画的不同的方面,但是你不知道这是来进行测试的,看完测试以后我会问他这个房间里有哪些东西,到底去了哪些房间,海马体会在我们的大脑区域里面来发挥这样一个作用。

我们会使用一个有功能的磁铁模式,用不同的颜色加以体现来进行试验,我们可以问,我们怎么样知道,他们是怎么知道自己在房间里的,我会识别出一些不同的活动的模式。然后了解如何因为信息的存储到大脑里。搞清楚以后我们会很好的进行记忆的存储。

那么,主要是受到了活动模式的制约,因此我们能够进行记忆的存储。我们可以对于一些特殊的记忆予以储存。这里面我们能够预测人们将会基于活动模式记住哪些东西,第一次会记住哪些,最后一次又会记住哪些,对于每一个房间的,和图画的记忆,可以从神经活性的模式来进行预测。第二个方面我讲一下不受监督的学习,是指我们能够在不同的记忆方面提取一些规律和规则的能力,这样的一种学习,就是不需要明确的标签或者是存储机制,就可以使用一些结构化的知识来指导和加工。

对于我们的AI来讲的话,它一般会涉及到受监督的,或者是加强的学习。现在我们有很多的来告诉我们如何在监督的情况下学习语言,我们在这个世界上如何发现一些模式和规律呢?这里有一些例子来告诉大家不受监督的学习的模式之下的情况。我们可以给大家展示一下图片,看看有哪些图形?

大家都希望,我们会通过试验的时候,问大家很多的问题。在这个模式之下,你需要集中注意力去了解一些情况,在这种情况下,你看看这样的一个序列里面有什么样的规则。那么,我们会轮流的,顺序的来进行显示,人们会把这种对模式的识别与过程的经验结合起来,在上面是强的,百分之百,下面是33%的长足的进行排列。有一个假定,海马体在我们的大脑里分析规律和规则,能够形成一些存储这些情况,然后就能够非常可靠通过河马体告诉我们,我们看到了哪些形状或者是模式。并且大家能够对一组信息进行快速的综合。如果对大脑的活性进行研究,你会发现他有很小的次区域,会管控着我们对世界的认知和记忆。再次我们看一下基线的情况,这里有几种情况,中间的情况和强模式下,我们看到一些活性模式表现是非常接近的。我们还有一点情况,就是我们只是看到了一些比较弱的模式,这样的话它的接近就比较小的。在世界上我们会通过这种发现,不受监督的学习模式来进行。对于一些时间的规则的形状,海马体也有一些表现。这里提出了非常有趣的问题,海马体是如何来做好两件事的。他从这个已有的经历里面,并且能够提取出一些规律性的东西。那么我们的学习可能是一个快速的模式,并且通过一些人工的精力来进行干预,这样来提取一些规律的话。那么你就对于这个具体的情况有一种抽象,在同样的大脑区域,你可能有一些共同点的反应,在这个海马体的两种通道,这个是蓝色的通道,大家可以看到在每一种经历中都有倾斜,这是一个非常快速的学习的过程。也可以说让我们能够很好的进行精力的储存,这是三突处这样一种通道,并且我们还会有另外一种单突处的,我们看到有一个非常类似的一些输入。它有一个非常慢的学习的曲线,随着时间的推移,学习的曲线会变化,我们可以看到这样一种统计学方面的学习路径。

我们看一下更新和调整,我们的区域并不是静态的,而是随着时间来进行动态的变化,不断的进行完美和完善。它会不断的变化,因此,这种变化并不是说一种重新的检索或者是衰减衰退的变化,而是和一些检索记忆和新的概念和理解是相互竞争的。这是我们注意的。这和我们的人工智能系统不一样的,AI的很多模型是同时进行训练,用一批例子,一些非结构化的顺序来进行训练。这就使得学习的时间动态性模糊了。因为这种模糊的过程中,你就会丧失一些记忆是如何丧失,不太了解它的规律了,AI很难做到的,我们怎么样去裁剪,去除一些非准确的记忆呢?这里有一些地方,我们可以看一下这些人他们是高还是矮,还是什么情况,大脑里会进行加工和处理。这些脸庞,首先,女,男,森林,第二遍看到的顺序都是人的脸,在这种情况下,对于我们的记忆是出现了什么情况呢?我们看到的一个想法是当A和B重复的时候,你就会想到森林是不是要出现了,大脑里会有这样一个预期,有这样一个排序,然后你的大脑会出现一个弱化,因为它出现了你期待的森林。后来森林没有出现,而是D,这个脸庞,这个时候大脑出现了CG的形式,这个出现的并不是森林,后续我们讲对于C的记忆就出现了这样的效应,这是我们记忆测试的时候发现的。那么你的大脑能够预测到森林,所以你很可能对D出现的予以忘记了,很难准确,如何来解读呢,我们说记忆力会导致非正确的预测,这个时候我们记忆力就下降了,因为我们记忆的东西没有出现,也就是说这个时候你反应的自然世界是不准确的我觉得这是很容易理解的。现在有一个有趣的问题,学习的规则到底是什么?我们在引言中谈到了一些,这是非常困难的一件事,对于我们大脑的学习,从定义上来说,规则是单突处的路径,还是三突处的路径,我们之前也谈到了强记忆,中记忆和弱记忆,这里面并不是说单突处的路径,如果我们能够把这个图画植入到我们的大脑中,这样的印象。那么就能够很好的强化我们的记忆的功能。这里解读,并不是三突处的这个路径,我们看看这是怎么样的发生和演变的,这里面有低中高这样一个记忆活性程度。这是一个非常不同的学习之路,或者是说方法,可以帮助我们做出非常有效的,有意义的一种预测。

第四个方面是反馈和预测,前面提到了我们是到了运作的一个基本的情况,就是说可以进行一个很好的预测,确实在我们的大脑里可以进行成像,并且感知的直觉的区域,可以自下而上进行感知的传递,从这个反馈的角度来说可以接收到下游的区域,来反应我们的关注和识别,绿色和恢复,这都是我们大脑所产生的印象,我们在睡觉或者是做梦的时候,出现一种回复,白天出现的情景,这个和我们的AI也不是太一样。为什么?从根本上来说,因为AI里面有很多深度的神经网络,也有一些的连接,建模的时候是一个一个的大脑系统,比我们人的大脑简单很多。比如说物体的识别,这是一个例子。有一些系统可以模拟我们的大脑的不同区域,但是最后要把这个组合起来来形成一个大脑的认识。这里有一个问题是我们的预测是来自于大脑的哪一个地方呢?我们是点击左边的按钮的话,你就会出现这样的,比如说线索或者是行动,如果你点击右边的就会出现这样一个情况,大家看右边的线头,给他一个线索的话,大脑就可以来预测大致出现一个什么样的行为或者是结果。我们从功能学的角度来理解大脑的特点。过这个机器学习,你可以来区分不同的活动以及存储的一些后果。在这个下面我们看到了有两种不同的后果。我们还尽量的能够去区分一些两种大脑,在上面,一种是左箭头代表了一种趋势,另外一种是右箭头代表了一种趋势。我们进行一些模型的测试,然后我们就从线索到这个行动是黑色的标识,这里面可以显示我们的预测,因为你对接下来发生的事情有一些预期,如果屏幕上没有出现的时候,我们在这个方面研究起来的一些证据,这个里面可以看到一些横纵轴,这里可以假设,就是从这样一个线索可以带来一个相应的行动和结果。我们有这个正确的和非正确的这样一个区分,我们主要是进行序列解码研究。我们这里显示出来的是,好像只是很容易的进入了你期待的一个信息。但是如果说你期待的信息很快出现了,之后又出现了不同的结果。我们把它称之为一个什么样的过程呢?海马体中的模式完成可以在试皮质多种的期待成为了可能。另外是发展和开发,对我们压力试验来说是一个新方向。早教开发可以说是早期学习是人类学习的最了不起的阶段。包括了语言和物体,以及运动和社会,世界,还有我们大脑的解剖学和功能方面的变化。在早期的时候,大脑都会集聚产生一些回应。谈到我们AI系统和不同级别的数量和尺寸方面的架构,以及如何运行的本质的话,通常会随着我们训练的时间会不断的积累。这个海马体是如何来进行发展的呢?这是非常有趣的一个工作。

我们可以注意到一些有特色的海马体回路,能够在这个猴子的身上呈现出一种非常与众不同的发展的特点。现在在我们的实验室里面,我们进行了一些创新的研究,并且进行了一些分析学的方法的研究,可能下一次我会具体讲解这个方面的案例了。现在我想说的是我们对于人类的了解,可以更好的帮助我们来进行模拟仿真。这是纽约时报上的图片,谈的是人工智能的科研人员,研究的一个类脑机器人来介绍了这个大脑是如何运作的,如何来使用我们的知识,来建立大脑系统。以及我们的大脑可以使用相对比较少的能量,通常还能够只要求非常低程度的训练,而且大脑非常的强大和灵活的。因为训练出来了以后,大家可以学习知识。

因此我们希望说大脑这样的一些深度的研究,能够非常好的来辅助打造一个强有力的AI。我就讲这些,谢谢我实验室的工作人员跟我一起开展了很好的工作,才有了今天大家的听讲。

主持人:我们有请骆利群先生做主旨演讲。

骆利群:很高兴来参加未来论坛,在最近两天学了很多,各种各样的不同学科,也是因为我做研究主要是在美国做,所以我的习惯还是用英语来讲,对不起。

一千亿个神经元如何来构建了我们的感知、行动、情绪、记忆和动机呢?这是非常深层次的问题,在我们的科学中在神经学当中。在本次会议中我们已经听到了非常多关于人工智能的内容,比如说刚刚丁健所讲到的,还有相关的比较。那么实际上我也希望回应这样的一种认知。实际上人工智能是需要很多的信息和很多学习和来自大脑的启发,因为这实际上还不完全是人工智能,我们现在讲的是真正的智能。

所以,在学习神经科学的过程中,我们会在不同的层次上研究大脑,比如说有的人会去研究某一些蛋白质是怎么样运作的,比如说包括了离子通道可以允许这些离子在一些膜当中进行移动,同时可以对于神经元的引号给吃一些通道,还有研究突处的,刚刚说在大脑中超过一百万亿的突出,这样的话可以让神经元进行联系。另外是这里会关注个体的突突和轴突,这些记忆会在大脑中不断的进行输入。还有一些会达到三倍的信息的输入,还有一些是关于神经元如何进行连接的,来确定一些神经回路。还有其他的一些回路,如何去进行信息处理的,还有一些会研究整个大脑的网络中如何在行为中进行传的,比如说刚刚我们提到了前面教授给我们讲到的,怎么样通过这种功能性的共振来研究人类的各种行为,而传统来讲这些研究实际上会被分为不同的子学科,比如说分子和神经学上的,还有系统和神经行为学和心理学,我们其中一个在在神经系统中研究的内容,过去的十年中最令人激动的进展之一是对于这些大脑的各不同层次的研究和整合,所以今天希望跟大家做的介绍是我们自己最近研究的例子给大家去描绘一下神经科学家如何开始对于分子细胞和整个大脑来进行整合,帮助我们解答关于神经学和生物学的问题。我们通常都会通过一些动物来进行研究,比如说用的最多是果蝇和老鼠,可以知道它们是怎么样的发育,以及在过程中如何运作的,我们有一些工作来帮助我们回答这些问题,并且阶度越来越高,一会儿会给大家介绍的是我们使用的是TRAP这样的工具,让这些神经元被激活,进一步帮助我们研究和探索在神经基础上的动机,不知道大家有没有任何生物学方面的背景,如果是的话一定会同意我在过去的几十年当中在基因学方面的分析已经在生物的研究中发挥了重要的作用。比如说这里我们有单一的基因可以进行删除,重新的剪接,而且还可以看他们在细胞学上的功能,我们已经知道在细胞层面上,当一个细胞分裂成两个细胞,以及在这样一个过程中,如果出现了问题的话,又会怎么样导致肿瘤,十年之前的时间我们和两位一起提出,我想说我们是一个倡议的方法,应该说对于回路的基因解剖,使用的是对于一组神经群,然后用基因来对他们的每一个单元进行研究。研究了每一个神经元和神经回路,尽量的去这些有机动物的一些行为的情况,并且也知道在大脑当中,有各种细胞类型,包括了他们的各种连接,比如说哪些神经元和哪些神经元相互了解,也了解他们对这样的一个刺激的生理反映,以及他们的方法,我们能够了解在神经基础上的行为。

举一个例子来说,非常著名的理论是行为实际上应该是一系列的一种刺激与响应的耦合,举一个例子来说,如果你缺水的话希望能喝一点水,同时,你也会努力去找水,或者是说你可以去容忍苦一点的水,因为你已经渴了。同样的,当你想吃东西的时候,或者是说脱水时候,会有一些类似的刺激与响应的耦合,而在心理学当中有一个新的概念,叫做驱动力,它表达的是内在的一种推动力。所有的这些刺激都会让你的大脑有一个状态,比如说对水是渴,这样的渴的驱动力会推动你去做一些其他的努力,而获得水。实际上20世纪40年代的时候,这一位叫做克拉克的绅士就提出了一个动机的降低原则,他就是说如果是有一种渴的感觉的话,会让你有一种邪恶感,厌恶感,你会通过喝水来降低这样的厌恶感,这样的理论表示当你出现了体内平衡的脱离的时候,你水的平衡,以及偏离,这个时候你处于脱水状态,这个时候,他就已经没有了体内平衡了,这样的话就会给你创造第一个动机,会让你希望能够采取一些行动,来获得水,从而能够重新获得体内平衡。这样一个假设,还不仅仅是应用在一个主要的,内在的饥饿和渴和性的需求上,同时它还体现在了所谓的第二驱动力上,比如说金钱,名声和权利,所以在座的听众中我知道有很多非常富有,你可以问你自己,这样的一种关于动机的原理是不是适用于你自身。所以接下来对于这样的一个理论下,它的神经的基础是不清楚的,而实际上有一些相反的证据,十年之后,很多人有一个新的方法去检验对于动物的动机的情况,这是一个例子,这是一个电极,把它植入到了老鼠的大脑中,这是一个小老鼠。要大一点的老鼠,所以说认知老鼠就是任何时候如果去按一下这一个肝的话,这一个电激会刺激他的某一些脑区,某一些神经元被激活,实际上对于他的动机区,比如说高兴的区的话,这样的话就有一些好的刺激和感受,会不断的压这个肝,对于这种动机的话会不断的去这样做,即便说不吃饭,不喝水,还有其他的一些需求的放弃,也没有问题。所以这样的过程中,通过这种刺激会诱导他去吃,去喝,而且它看起来是非常具有一种奖励感的,而不是厌恶感,这是刚刚我们说到动机理论所展现出来的例子,实际上反过来,大家还会有其他的模型。叫做动机显著性,这样的话,当它们口渴的时候,喝水的奖励感会更强。

接下来在这样的背景下,我希望跟大家去做一个介绍,关于这个动机的例子。实际上,已经对于大脑当中的饥渴感有很多的了解,我们口渴的时候,我们的这些荷尔蒙的水平有所变化,它会把这个信息传递给大脑其他的地方,这个时候出现钟摆的血液渗透浓度的变化,会发生偏离,这个时候我们知道水对于我们的生存是至关重要的,问题是正中是祥和的神经元,不仅是接口的,也会管理我们对温度的感知和睡眠,以及电解质平衡等等,这样的话我们会把具体的,把它的第一个被激活的神经元进行分离,然后进行操作,实际上这是由我们的一个研究生所做的研究。这个实验中,我们会把这个药物去进行注入。然后它会进入到神经核当中。当他们完全是渴了之后会喝,但是如果他们不渴的话,就没有什么动机,但是我们让它有四个小时不喝水,之后再去将这个药物进行注入,会看到它的实景祥和高度被激活,后面每一个点都是被激活的神经元,我们对它的退益性和效率进行检测,对单独两个试验来进行验证的。这是左边的那个,右边那个主要是看到了表达的,可以看到有非常强的一种连接。而且两个经验是一样的。第二个经验是关于冷暖的,把它放在37摄氏度的地方,放四个小时,然后在绿色之前,大家可以看到红色和绿色的部分是不一样的。他们有很少的是黄色的部分。所以就表示这些神经元实际上因为饥渴和温暖而被激活,而且是在完全不一样的群体中体现出来的。通过这样的一种TRAP的研究中可以观察并且去做一些动作来进行对于光遗传学的研究,这实际上是一些来自于光敏的离子通道,而且他们要么是会有一些正离子进入细胞去激活神经元,或者是说负离子进入细胞,对细胞进行失活的处理,这样的话就像蛋白质进入以后对它进行开启和关闭,这样的话我们对一些离子通道,对于一些在饥饿的这些阵中是祥和当中来进行选择性的表达,这样的话,我们在他不缺水的情况下,不关注是不是有多少水,但是比如说我们关了灯,然后延迟几分钟,然后就去找水。希望喝水。一直喝,不停,除非我们把灯打开,虽然说已经不渴了,还继续喝,实际上我们还可以让他去按照这个感来喝水。实际上这是一个条件,当他们渴的时候,这些老鼠得到培训之后很快会按这个,但是如果不渴的话,我们并不会浪费时间去做没有意义的事情。

所以,如果说它不渴的话,它会很懒不会去喝水,但是如果我们把光打开,会看到这样一个饥渴的老鼠的过程中,我们会看到灯打开了这个开关,会再去喝水,因为这个实际上是不想喝水的,如果我们对它进行一个负控制的话就没有关系了。不会开启这个光,就不会去喝。我们通过了这样的一种频率刺激来去了解到底他们会多大频率的去按这个喝水的杆,而实际上我们为了去激活它们,知道它们在神经学的神经元动态变化,我们这里有一个重要的动态工具,神经科学中非常必不可少的,对于这样一种光蛋白,比如说GCAMP6的光蛋白,这样的话可以将荧光打开,这样的一个右边的数据,大家可以看到对于每一个神经元的上升,实际上都对应着一次荧光的上升。对于这样的一种光蛋白的指标,放在正中是祥和当中,并且放一个电极在这里,我们可以去监测他们的状态,这是光纤维的检测工具,如果是渴的话,给它水喝,它的活动会巨大的降低,实际上当他们口渴的时候才会激活神经元,我们可以让水的摄入下降,让他按一下杆会喝水,这个时候大家会看到水的活动会下降得慢一点,如果溜一下再喝水会更慢,可以看到饥渴的神经元就整合了它对于水摄入需求。

最后跟大家说说这个老鼠感觉好还是不好,让它们自己选择屋子,其中一个会对神经元进行激活,而在上面的这个笼子的话,是更加的平均的分配的,这样的话,这个渴的,它会躲在一个没有光的地方,也就是说对于神经元的激活让它感到不好,实际上我们也可以培训老鼠,这个研究中我们永远可以去把光打开,对这些神经元进行开启,这些老鼠唯一可以让这个光不会去激活的方式,就是每一次如果每一下这个杆会光关闭二十秒,这个时候它的厌恶感会有所变化,同时还可以看到跟它的刺激的频度成比例,所以根据总结我们的研究表明,这样一个在海马体当中,这是一个规模性的,他们实际上是第一驱动动机的关键,可以让它们寻求水来消耗水,摄入水,而水的摄入会进一步的导致它们对于这样一种厌恶感的降低,所以通过使用现代的神经科学的工具,并且精准的去找到这些神经元,并且使用这些工具来人为的去关闭或者是说激活神经元,并且进行研究,给我们带来了非常广阔的神经研究的基础。而对于一些上了几十年的关于心理学的动机,降低相关原理,是非常有益的,所以我也通过这样的一个介绍给大家一个大致的感觉,这是完成这项研究的学生,包括研究生,以及我自己也参与其中。而这个老鼠是另外一个同事,在我的实验室中的劳拉所提供的相关工具,这是科学杂志中发表出来的,大家想了解更多的话可以去读一读上面的论文,而且还有一个非常好的中国的期刊,知识分子,也很好的概括了我们的研究。

主持人:感谢骆利群先生的精彩演讲。下面进入对话环节,我们有请主持人鲁白先生:丁健:韩璧丞:骆利群先生和Nicholas TURK-BROWNE先生。

鲁白:大家好,我是神经科学家鲁白,业余做主持人。刚才我们骆利群教授在最后一张幻灯片上已经说出了我的第二个身份,我是知识分子主编鲁白。那么,对在座的,以及在网上观看我们今天演讲和今天论坛环节的听众和观众,要是大家还不知道。我先一下测试,大家知道不知道知识分子。没举手的等一下回去网上扫一扫,加一下我们的微信,以后我们会全程,我们知识分子的主要任务是传播科学,对于我们国家的科学教育做一个推动作用。

进入我们今天环节的主题,我主持了很多次,但是今天我的主持有一点特别的困难,因为我们这个跨度非常大。我们从斯坦福教授,著名的美国大师骆利群,他还有一件事没有告诉大家,他在下面隐隐约约给自己做了一个小广告,写了一本书,引用的图都是他书里面的,一会儿给他一个机会让他介绍一下他的书。

我们在中国,中国的科学家做出世界级影响力的罗敏敏教授到我们美国耶鲁大学的后起之秀Nicholas TURK-BROWNE,到中国来,我们刚才自己在小讨论的时候开始批评了美国,他马上承认说我不是美国人,我是加拿大人。还有我们今天很少见的,哈佛大学的研究生,韩璧丞,这可不是一般的研究生,他还自己做的一家公司,这家公司压力被追捧得非常的热门,所以我们这个跨度非常大。我觉得尽管我们这个骆利群教授的德高望重,我们也应该让我们的研究生有一些话语权。今天我们大概设计了一下我们想要回答的问题。大概几个方面,首先一点我们想要问很多都是做神经科学和科学研究的,为什么要研究脑。我觉得也许我们先从,现在我们做一个小小的规定,我可以问问题,大家也可以打断问题,我希望每个人讲的不要超过三分钟的时间,我们先从我们的骆利群教授开始说起,我们想要给,刚才两位已经做了他们自己的工作,我们想要花一点点时间,让我们的罗敏敏教授以及我们的研究生讲讲他们各自的工作。先让研究生讲一讲。

韩璧丞:大家好,我是韩璧丞,现在是哈佛大学脑科学中心的研究生,也是BrainCo创始人,现在很高兴和几位脑科学的老师做介绍,各位老师面前我只是一个小学生。现在给大家介绍一下我们所做的项目,叫做脑机接口,我准备了视频可以请工作人员帮助放一下,我们研究的领域是相当于把人的大脑和机器连接起来,因为马斯克今年成立了一家公司帮助人有更强的大脑,我们做的是同样的事情。比如说我们可以让课堂上,让学生的学习效率提高更高,这一套接口系统可以实时检测学生的注意力,让老师知道每一个学生每分每秒的注意力程度,帮助学生提高成绩,学生在每节课之后收到一个报告,知道自己的状态是什么样的,同时我们也研发了一套电商反馈系统,用大脑控制很多的外部的设备,目的并不是用来控制,而且训练过程中控制自己大脑的特殊的波动,比如说β波可以控制自己收听的方式,还可以控制外部的仪器,人型机器人,通过外部的训练来识别你身体的意识来做出相应的动作。2000年美国第一次做了植入式的,给病人大脑做了外部控制的试验,过了几年之后我们可以来做不用大脑手术来多电极来进行控制,我们在实验室里已经做了研究。

最近的一项研究,我们把几百个语句大脑中反复的讲进行编译,这样的话可以在手机APP上通过大脑训练来进行一些简单的语句,这项研究被福布斯杂志在七月份进行了报道,希望以后可以改变人们对于对外交互的模式,而不是通过现有的语言系统,这是我们做的研究谢谢大家。

主持人:好,接下来我们有请罗敏敏教授讲讲他的研究,也许他的研究没有什么用。但不像刚才研究生讲的很有用,但是我觉得没用的科学才是真正有意义的科学。有请。

罗敏敏:首先我应该澄清一下我们实验室做的东西是很有用的。大家好,我叫罗敏敏。北京生命科学研究所的研究员,也是清华大学的生命科学学院的教授,我们实验室主要是利用小组为模型,研究奖励与惩罚这些非常重要的信号在脑袋里面是如何处理的,也研究一下这些环路做了一些问题之后,和一些精神疾病,比如说毒品的成瘾和抑郁症,以及应急障碍等疾病的关系和可能的疗法,谢谢大家。

鲁白:你可不可以讲一个或者是两个你做研究的,最近一个我个人觉得非常的工作,GPS吧。

罗敏敏:我猜想鲁白老师讲的是,我们最近发现脑袋里面有一个区域是调控动物运作和觉醒,所以我们把一个动物的脑区的信号提取出来,转化为光信号,注射到另外一个动物,或者是一个动物的其他的脑区去,所以一个动物运动的时候,其他的动物跟着动,就是脑与脑之间的直接的信息交流。您讲的是这个东西。另外一个是我们发现脑袋里有一个区域是控制捕食行为,我们刺激这个小鼠的脑区之后,动物出现了疯狂的捕食攻击,只杀不吃,所以脑袋里面显然有一些非常,控制特殊的地方。

主持人:这个地方不要刺激我们啊,否则把你干掉了。接下里我们探讨的课题研究是做脑科学研究是什么用,一个是大家脑袋里面有各种各样的脑疾病,也许我们通过脑研究就可以研发出一种办法来治疗我们的疾病。还有一种是我们的脑有很多的功能,把脑的功能开发出来,具有可能很多的商业用处,比如说刚刚见到的脑机接口的用处。但是,事实说我们做脑科学的大多数人,都不在干这件事,大家都在做我们如何来认识脑功能。做这个东西有什么用?我们很多在座的会觉得好像国家交了很多税,拿的很多钱给科学家,给骆利群在那里玩,他拿的是美国人的钱,我想听听美国的老百姓是怎么看我们的脑科学家在那里拿着他们的钱在玩。

骆利群:确实实验室得到很多赞助,特别是最近的脑计划给了我们实验室,有的是研究制造新的工具,有的是用这个工具去研究脑,我觉得,我个人来讲我研究神经科学主要的目的并不是要来治病救人,而是确实就是,这是整个,像我记得以前有人问登山者,珠穆朗玛峰,为什么要去登珠穆朗玛峰,这么高,这么辛苦和有生命危险有人回答特别简单,因为我必须要到那里。我们古人在宇宙里,可以说是最复杂的,而且我们所有在座的人,现在都正在使用你们的大脑,改变你们的大脑,今天听完这个讲座以后,我估计你们应该有很多的突触会变化,有的变强了,有的变弱了,你就记得我们这场会议了。所以这是每天都在改变我们这个生活的一个事情。所以,就是说我们对具体神经元怎么连在一起,怎么传送的信号,能够让我们产生这种,各种这样的功能的话,确实知道的实在太少了,这是为什么我要写教科书,我花了五年时间写了一个神经科学原理的教科书,两年前在美国发表,现在中文版马上就要出来了。也就是说希望能够让青少年更多的来加入这个学习神经科学,变成神经科学家,或者是说应用神经科学的原理来到你们各种各样的不同的领域里面。

Nicholas TURK-BROWNE:对于我来说,一切都来于好奇心,我在高中的时候就谈萨克斯管,我喜欢的是音乐,我演奏的不是特别好,后来上大学以后我了解到了太空,包括工程师这样的想法。我就选了一门人工智能的课程,点燃了我的兴趣,因为这是关于我们大脑的根本性问题,是怎么样运行的,如果你看一下,无论是医学、历史学,经济学,都是通过我们的大脑来进行和研究,来产生各种学科的顶峰,所以在我们的领域里是非常重要的,对于物理学,也是非常重要的,也必须要跟神经科学来结合。现在我们一个非常关注的是神经科学。大脑研究,今天的会场看看有什么样的可能试验的需求和选择,在很多行业我们都知道了,现在我们要更好的了解我们是谁,我们在宇宙中处于什么样的位置。

鲁白:非常有意思,一开始喜欢音乐,然后又对空间科学有兴趣,最后做神经科学的研究,这里面的一个非常重要的事情对科学家来说是不言而喻的事情是我的好奇心,让我去做这个研究。我是不管这个研究有没有用的,你想罗敏敏教授也许有一些类似的想法。

罗敏敏:对,大概我也同意,我们在实验室大概一周七天,每天十多个小时。但是我们就愿意做,我大学是念心理学的,后来硕士是读计算机,最后才去念神经生物,很多人经常问我说体为什么这么做,因为我刚刚念完计算机的时候,在美国拿到计算机硕士的时候,那个时候工资比我博士生高了很多倍呢,因为我觉得酷,是吧?知道这个脑袋里面,我想看看脑袋是怎么工作的。我们为什么会有各种各样的比较好的能力,所以这是我真正愿意做的事情。

好奇心是归纳成一句话,不过,最近随着这个实验室的有一些进展,慢慢做着做着你也会发现实际上这个精神疾病和我们的工作的关系,是不如想象中的那么遥远,有的时候还是挺紧密的,有的时候确实可能会发现一些机会,其实也可以做一些工作,也许跟疾病的治疗或者是药物的开发有机会。所以我们除了满足自己的好奇心之外,也会做一点跟疾病相关的,比较紧密的工作。

鲁白:我们年轻一代想法不一样书还没有读完呢,就去赚钱了。

韩璧丞:我以前在学校的英格式橄榄球队,有一个队友参加训练被撞成了脑震荡,语言什么都不怎么好,后来我们哈佛的橄榄球队为了纪念他,五年内所有人参加所有场所都要戴上这条领带,这是橄榄球队他设计的领带,因为什么无法说话,脑袋因为什么损伤了,人们根本不知道,现在80岁以上的人,40%有老年痴呆了,目前为止没有任何药可以去治疗。大家可以想一下,大家可能都会活到80岁,但是这个屋子里40%的人都会过上老年痴呆的生活,所以这是一个很严重的问题。MIT可以发现用40赫兹的嘎玛波可以减少老年痴呆的病症,这也属于脑接口的领域,像这样的一个一个事情和发现,激励我们这帮小学生开始不断的学习,或者是说研究这个方面的领域。而且对于我来说脑科学非常有意思,我觉得骆利群教授非常清楚,现在对动物的大脑研究最清楚的是(英文),302个神经元,但是一共有900多个神经元,但是人的大脑有一千多亿个神经元,所以现在我们对连接和回路知道的非常少,所以我觉得在研究的层面来说还是非常有意思的。

鲁白:所以还是出于兴趣,不小心做了一个公司,不小心开始赚钱。所以,这可能是现在我们要讲的,为什么要做,从我们个人的层面上来讲,为什么我们要做大脑的研究?我们社会老百姓也好,政府也好,为什么要支持脑研究,现在我们进入第二个我们想要讨论的问题,所谓的脑计划,也许在多少年,四五年前吧,美国以及其他的,欧盟和日本,纷纷启动了国家级别的脑计划,中国也是在比较长的时间在讨论,可能是在今年年底,或者是说明年年初去正式宣布中国的脑计划,那我们百姓,大众都有可能会问这样一个问题,为什么作为发达国家,以及中国正在想要成为发达国家,要花这么多的钱去做一个看来不是像过去也有这种大型的计划,比如说基因组计划或者是说阿波罗登月计划,比如说曼哈顿计划,都是一个工程的计划,而这个脑计划的根本目的是认识脑,并不是说要有一个什么样的产品或者是说实现一个什么样的有明确目标的工程项目,我就想,也许从美国的角度,以及中国的科学家,都来谈谈为什么我们各个国家要发起脑计划。

Nicholas TURK-BROWNE:是的,美国的大脑计划,实际上也就是认可、认知,我们需要做很多进展的背景,我们也已经看到了过去有非常大的发现,而且现在有非常大的投资,包括了对于技术和方法的发明,以及很多的新领域的发明,以及方法论的发展,这样的话才能够允许我们有新的发现,这就是美国的大脑计划的关注。

另外一个关注点是通过这样的计划可以去看不同的,对于大脑进行操作的方式。而且现在有更多的典型的,对于动物的研究,现在对于人类是比较难去进行操纵的,而且现在方式也比较少,而且也不太有可能对人进行这样的试验,我们希望对于这种国际的项目所希望做的事情是我们之前所做的,以及去进行连接,包括了分子和回路,以及和细胞和人类之间的行为之间的关系,这会有非常大的改变,可能需要更大规模的投资继续的推进。但是我们也已经看到了动物界上面的很多的解答,包括了意识和记忆,和基础学科的研究,这时对我们人类方面非常感兴趣的,我们相信随着大脑计划的不断的推进,也会相信我们的技术会链接起来。

鲁白:为什么在这个时候,各个国家纷纷发起了脑计划你有什么。

骆利群:我谈谈我的看法,我也参加过几个讨论会,主要原因跟像刚刚报告讲的,上格十到十五年之间神经科学里面确实有很多的新技术,能够跨不同的领域的技术,把分子生物细胞突出水平到整个的动物行为连在一起,所以可以说是我们尝到了一点甜头,但是,又发现这只是很小的一部分,如果我们能够更多的建立新技术,而且把这个推广,不仅仅是在小鼠里面,能够在灵长类,或者是哪天用到人里面,把整个的推进的话,我们会对于这个世界改变,会创造很多的动力。就是说一个是对科学的理解,对脑的理解,可以有突飞猛进的长进,另外就是确实脑计划要通过国会批准,要向老百姓交代,还是需要,不仅仅是对人脑的理解,而且为了能够治病救人,确实有很多神经系统的疾病,如果说我们对大脑基础科学搞清楚的话,会有很多的研究。

但是,一旦成功以后,基因组说每一个,尽管投资很多,但是投资每一分都可以得到几百倍的。

鲁白:投入一块钱有183块钱的回报。

骆利群:所以脑计划的人也在那说,你看20年前,我们做的时候,谁都没有想到,我们只是想要解决有多少基因,有多少的基因组在这些蓝图中。

鲁白:罗敏敏,我给你一个比较难的问题,你觉得您所知的国际国内的神经科学的研究,现在有哪些重大的问题可能在未来三五年之内,大家感兴趣,或者是说可能被解决的,这个主要的一个发展趋势,这也是给大家一个。什么事情可以解决,什么事情不能解决。

罗敏敏:做预言家,永远都是很难的,尤其是科学的预言。

鲁白:你觉得什么是重要的,不要做科学的预言。

罗敏敏:在我看来,每次我跟研究生座谈的时候,我总是问他们说你们觉得神经科学最重要的问题是什么,他们都说我想搞清楚人的意识是怎么回事。我觉得这是非常重要的问题,但是其他的问题要简单的很多,但是也很重要,比如说在座的很多女士非常担心减肥的事情,现在为止也没有一个真正的减肥药,肥胖是这个社会最难的问题。有代谢性的疾病,也有很多其他的。

鲁白:我有一个办法,我今天不讲。

罗敏敏:所以,我觉得这个跟健康有关的,非常重要的行为,环路又可能比较从低等动物到高等动物都比较保守,比如说喝水和进食,睡眠,我觉得这些领域在未来是最有可能,最先获得突破的。

鲁白:作为研究生,你们是八九点钟的太阳。未来是寄希望与你们,比如说你们现在代表一个神经科学,你们觉得最想要解决的问题,包括了哪些方面?

韩璧丞:我觉得其他东西我了解不多,脑接口领域人们会比较想了解情感计算和意识输出以前我觉得脑接口的门槛太高了,包括很多的工具也不成熟,现在在人工智能逐渐发展的情况下,特别是像以李非非教授,以及顶尖教授的工具的开发的时候,其实很多的脑接口的问题被得到了解决。其实现在也在和很多科学家做一个非常大的脑电数据库。想通过这些人工智能的方法来去解决一些人类基本的问题。比如说人们用大脑想象,往前往后,人们大脑的不同的情况和状况,以前在单一的个体上很难得到实现,而且数据量也不够,现在因为有很多的工具都齐全了所以说现在来看,在这个方面还是有很大的突破的。

鲁白:现在我们进入第三个问题,我本来是想要各位来谈一谈神经科学的今天和明天,但是我临时,因为刚才丁老师在开场的时候,给我们讲了,就是说他有意识的,或者是说无意识的把我们的讨论纳入到了一个神经科学与AI之间的关系这样的问题。我们两位主讲人也是,非常不幸,我们把这样一个课题放在AI章中。今天我们来谈谈这个问题,首先我说一个刚才丁健说,大家不用担心,机器可以代替人脑,可能又要很长很长的时间才能够实现,那我比如说能够再活一百年怎么办,我也要担心我的脑是不是会被机器代替了。我做一个我最近在清华,这已经是第二次了,我做了一个课,关于脑科学对话人工智能,这堂课里面我们请的很多AI在各方面做企业研究的专家,我们作为脑科学家跟他对话,我们开场白是这样子的。有两个领域,机器肯定会超过我的脑子,已经超过在座的所有人的脑子,一个是计算,一个是记忆,这两个东西怎么跟机器比也比不过。但是有另外五个领域,大家放心,永远超不过人脑,所以我活一百岁,丁健活两百岁都没有关系。这就是情绪,想象与创造,意识,机器是不可能有意识,或者是说自我意识,有一个是社交,我们会形成一个社交网络,各个不同层面的社交网络,我还没有想到机器之间进行一个交朋友或者是形成一个。这个很难想象。

Nicholas TURK-BROWNE:是的,谢谢,那我觉得这是一个非常有意义的观察,对于我来讲,我刚刚在结束的时候,我讲到了AI可以解决一些具体的问题,包括了计算等等,都是非常好的,这是非常基础的,还有一些翻译和自驾车,自我主驾驶以及面部识别。但是机器现在不能具体做一些新的事情,他们没有这样的能力去选择同样的记忆看你怎么样定义,因为我们可以有很多的存储放在计算机的系统中。但是我们并不一定可以对于个体的经验进行一个存储。而且我们实际上在人工智能中的方式是不一样,而且它的方式非常有趣的,我可以反过来问一个问题。比如说特朗普的电话号码是多少?我不知道,但是我知道你不知道。但是计算机会怎么样就回复呢,要么会说一个数据指数建立,或者是说搜索自己的数据库,这样的话就马上知道了。所以实际上我们是不同的方式的,如果我们的目标是做一个系统,做很多的事情需要很长的路要走,如果对不同的系统,人工进行连接,考虑到他们之间怎么样互动,怎么样对不同的系统进行一个很好的互动的话,这也是一个未来的方向。

鲁白:拼命问了我好几个问题,我马上词穷了,现在我把问题交给你的同事骆利群教授,因为他写了教科书,他们的爸爸。你能写什么呢?我们表现教他们脑子是怎么做的。

罗敏敏:我首先想,我们还是从人工智能当中有所学习的。因为我实际上现在在研究和学习机器学习。

骆利群:他们从我们那偷了很多的好主意,我们也可以偷一点回来。

鲁白:还有什么可以被偷的。

骆利群:我觉得有一个根本的不同,就是你刚刚说的人脑的和机器有很多不一样。我刚才简单的讲了,可能讲得很快,没有过去,就是说在人脑里面,每个神经元有可以平均来说一千个输入,一千个输出,在那个机器三极管就是三个输出输入,所以在人脑里面有很多的更加强大,比单一的晶体管更强大。

鲁白:可能我们,今天我们留下一点时间给观众。

提问:你好,我是北京四中高中部的。我们班有一个开公司的,因为是一个在学习的基础上有专业性,然后之后说,因为我是高一,我希望专业是定在脑机接口方面,所以我就想问一下,我在高中阶段,我可以提前做一些什么准备,或者是说有什么方向性的学一些什么东西。然后之后还有就是说您刚刚,其实都说了,从脑往外输出这些东西。然后我。简单来说,我想听您介绍一下输入怎么办?我戴个东西,插管什么的,是不是看到不是眼睛里面,我想知道输入的画面。

鲁白:另外我也有一个建议,不要想着要做什么,或者是用什么,好好学习,好好学习骆利群老师的教科书,读一下都有了。这边。

提问:最开始的时候丁健总提出了一个阿尔法狗和人机大战的事情,我的身份是国际象棋国家队的队员,1996年的时候第一次人机大战的时候,我的偶像,第一场赢了,第二场输了,一胜两负,2016年和李世石比赛的时候,我们想到不会赢的,结果赢了,然后柯洁又输了,我们下棋的感觉很受伤,我想问一下罗敏敏老师,下一次人脑和机器的比赛会在什么领域,您的感觉是不是每一次关于人脑和电脑的浪潮,一定是由一个事件性,社会性关注的事件性产生,谢谢您。

罗敏敏:我简单回答一下你的想法,人会一直输,机器会赢下来,只要设定一个任务,或者是一某种形式的固定的事情,机器都会做得比人好,而且我也不同意鲁老师刚才讲的没有意识或者是说没有情绪,你可以让机器或者是人工智能,最终也会有意识和情绪,取决于你如何定义这个情绪,你永远不可能找出一个和人一样的人工智能。

鲁白:本来想让丁健做最后一分钟的讲话,但是他把这个权利让给了李老师回答你这个问题。

李飞飞:刚才罗老师人脑在计算和及以上很难比得过机器,我听你的问题我抓住了一个词,你说围棋选手或者是选手很受伤,你觉得机器会受伤吗,机器会像每一个人一样体会到不同的伤吗,这是人脑和电脑的区别。

提问:应该不会,刚刚说到五个领域,其中一个是五个领域。

鲁白:刚刚罗敏敏也说了他想让机器有情感,我不知道什么样的情感,我猜可能下一个人生和机器人谈恋爱。

谢谢大家。