神经科学会成为 人工智能“超进化”的关键吗

本篇文章1135字，读完约3分钟

人工智能会取代人类吗？这个问题曾经引起了公众的争论。虽然人工智能目前正在迅速提高智能，但这并不意味着它真的很聪明。相反，它往往是愚蠢和幼稚的，仍然需要向人脑学习。

最近，以色列魏茨曼科学研究所的计算机科学教授西蒙&米多；乌尔曼发表了一份文件，称他相信神经科学可以为人工智能的发展提供进一步的帮助。那么，人工智能和神经科学之间的关系是什么？神经科学如何进一步帮助人工智能的发展？随着神经科学的深入整合，人工智能将会发生什么变化？

神经科学和人工智能属于同一个范畴

在谈到人工智能与神经科学的关系时，中国科学院上海生命科学研究所副研究员王晓莉用两句话概括了这一关系:同源分流和学科独立；交叉整合，长期整合。

最初，人工智能和神经科学是两个独立的学科，有不同的研究对象和研究方法。从学科起源的时间起源来看，人工智能学科起源于1956年达特茅斯学院的夏季研讨会；神经科学诞生的标志可以追溯到1891年的神经元理论。这样，神经科学被认为是人工智能的前身。

神经科学更注重生物意义上的神经活动规律，分析包括思维、情感和智力在内的高级神经活动的机制，而意识的起源是神经科学的最终目标。神经科学是一门基于自然现象归纳的实验科学。人工智能是一门模拟、扩展和拓展人类智能理论、方法、技术和应用系统的新技术科学。研究对象不是智能，而是智能控制。目前，研究方法主要集中在模拟复杂现象的计算科学上。

但是神经科学和人工智能之间的关系可以简单地理解为来源和流动。王晓利告诉《科技日报》记者，人工智能的兴起和发展离不开神经科学成果的滋养。

西蒙&米多；根据乌尔曼的文章，人工智能领域的早期科学家以生物神经系统为参照对象，创造了近年来流行的深层网络脑灵感架构。这是一个非常独特的起源案例，已经被神经科学家和人工智能领域的科学家们津津乐道。然而，人工智能领域的一些专家认为，深度网络在早期是一种大脑模仿，在后期已经发展出独立的方法。因此，人工智能有自己的方法体系，可以基本上抛弃脑科学。事实上，这一观点值得深入探讨。

中国科学院神经科学研究所蒲慕明院士曾告诉记者，近年来，脑、神经科学和认知科学的进步，使人们有可能获得在不同尺度下观察到的各种认知任务中的脑组织的一些活动数据，如脑区、神经微回路和神经元。众所周知，人脑信息处理的过程不再仅仅基于推测，而是通过跨学科和实验研究获得的人脑工作机制更加可靠。因此，脑科学有望为机器学习和类脑计算的突破提供参考。

然而，人工智能对神经科学发展的反馈或反馈效应也是客观存在的。在神经科学的基础研究阶段，人工智能可以帮助研究者分析复杂的脑神经信号和脑神经图谱的实验数据，建立和模拟脑模型系统。在转化和应用阶段，人工智能还可以加速脑科学成果的应用，如脑部疾病的诊断和新的治疗成果的临床转化。

打开人工智能黑匣子的几个通道

事实上，如果没有神经科学的重大理论突破和对智能生物起源的理解，人工智能中的智能概念可能永远是一个黑箱，而智能的模拟和扩展可能永远围绕着外围。例如，美国国家工程学院的报告《21世纪人类面临的14项技术挑战》认为，目前人工智能中存在的一些问题是由于设计中没有充分考虑真实的大脑状况。通过对人脑进行逆向工程以揭示大脑的秘密，我们可以更好地设计一种能够同时处理多种信息流的计算设备。

目前，神经科学有几种方法可以帮助人工智能的发展。王晓利介绍说，具体路径可以延续基于认知经验主义的人工智能的发展方向。例如，对于人工智能来说，它目前总是接受特定任务的训练，而忽略了它与其他事物接触的过程。如果给一个代理一个相似的成长环境和成长过程，它会变得更聪明吗？人类的智力是基于交流的。目前，人工智能没有独立的交流能力，这是目前人工智能水平与强大人工智能之间的差距，也是未来的发展方向。

但也有可能是西蒙&米多；乌尔曼从人类固有的认知系统中学习更有意义。深刻理解大脑的原始能力，从而实现高级机器逻辑能力。人类有能力学会如何学习。如果代理学习如何学习，这种二阶学习关系可能会让他们学得更快。如果代理人在未来有想象力和计划能力，他们可能真的创造一些我们人类难以创造的东西。