成电讲坛

　　日前，国家级人才计划入选者、神经信息教育部重点实验室主任尧德中做客成电讲坛，带来题为《从生物智能到人工智能及其应用》的主题讲座。

生物智能

　　尧教授首先以白蚁蚁丘为引入，解释了生物智能的先进性与高超性，接着解释了人脑的结构，他将人脑与各种动物脑之间做比较，指出人脑的特殊性。同时表明人类虽然脑容量不是生物界中最大的，但却是各种动物智慧的集中，奠定了人类的统治地位。随后，尧教授深入解释了人脑的各个模块以及人脑的基本工作方式，并分析了人脑智力的两个层面，指出人脑分为了流体智力和晶体智力。流体智力大概在25岁左右即停止发育，而晶体智力会持续发育至65岁，以此为启示并勉励同学们学习要终身进行，勤能补拙。

　　接着，尧教授提出了智力调控的八种方法。第一种是学习，第二种是音乐干预，尧教授深入解释了音乐干预对人智力的影响。人和动物都有莫扎特效应。通过实验对比发现，人和动物在听莫扎特音乐会提高空间记忆能力。相反，如果听反莫扎特音乐，空间记忆能力会变差。第三种是游戏干预。研究发现，长期玩游戏会增多大脑内的突触，使人脑变得更加灵活。第四种是药物干预。药物如尼古丁，咖啡因，安非他明，利他林，莫达非尼等药物可以显著提高记忆力，但同时也有伦理问题，负效问题有待解决。第五种是有创、微创、无创DBS，以物理方式刺激大脑部分组织，来达到一个提升智力，治疗帕金森症的目的。

　　方法六是其他物理方法如INS等。方法七是外周神经电刺激，比如断臂假肢的重接。方法八则是酒精，酒精可以刺激大脑，提高胆量。适度饮酒有益于大脑发育。最后尧教授总结，智力可调控的核心是大脑是具有可塑性的，其次是因为大脑可以受到各种各样的方法干预，并指出想要获得一个很好的干预效果，需要长期接触丰富的环境。

人工智能

　　尧教授分析了市场前景，指出了当前人工智能的发展仍然处于早期阶段。在回顾AI技术的发展史时，尧教授介绍，AI的思想由图灵奠基，其中很重要的一点就是图灵测试。尧教授指出当机器骗过了百分之三十的人，就可以算作人。随着时代的发展，1956年麦卡锡召集了各界精英讨论以机器模仿人类这一现象，并将其命名为人工智能。

　　尧教授详细介绍了AI实现方法的三大流派。第一个学派是符号主义学派，又称为逻辑主义，心理学或计算机学派。该流派采用知识表达和逻辑符号系统来模拟人类的智能；第二大流派是连接主义流派，也是目前最热门的流派。连接主义又称为仿生学派或生理学派，其主要原理为模拟神经网络及神经网络间的连接机制与学习算法；第三个学派是行为主义学派，又称为进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。

　　在介绍完几大学派后，尧教授着重对AI连接主义的发展做出了详细的描述。连接主义发展的第一阶段是Perceptron阶段，该阶段主要成就为MP神经元模型的建立。第二个阶段是二十世纪末期，是浅层网络阶段。在这个阶段中的代表成就是反向传播训练以及有两个隐层的神经网络。第三个阶段是从2006年到现在，深度网络阶段，其中又分为了深度信念网络，卷积网络，神经循环网络等。

　　详述三大阶段之后，尧教授提及了现今AI连接数量的特点以及连接主义发展的牛年现象。牛年现象为六年黑暗中对于连接主义学派的坚守和发展，从40-60年代达特茅斯会议的启蒙开始，2006年“逐层贪婪预训练”的策略实验，到2016年谷歌AlphaGo的围棋胜利，人工智能热潮全面爆发。人工智能的基础神经科学重点在于人脑的视觉机理和神经机理，尧教授提到，人眼作为人类日常生活中80%的信息来源，初级的视觉神经元可以对周围的环境进行敏感处理，刨析处理低层信息。

　　同时，人脑的神经元能够产生高层的信息处理，相较于人眼的简单信息处理更加复杂，也更加抽象。在深度网络中，信息处理具有逐层特征抽提的现象，表现出人脑的分级信息处理能力。这种信息处理特征也是人工智能中深度学习的设计思想，即低层处理简单的特征后，高层能够通过组合该特征形成更加抽象的高层特征。其中，尧教授具体介绍了两种代表性的网络，即卷积神经网络和循环神经网络。

　　关于卷积神经网络，在卷积过程感受野作用，并且进行模拟假设。如一种卷积核只提取出图像的一种特征，所以每一层神经处理一般会存在多张Feature Map，而同一张Feature Map上的神经元可以共用一个卷积核，从而大大减少网络参数的个数，与此同时，采用下采样，也称为池化操作的处理，能够减少参数的处理复杂程度，简化提取和神经元的计算开销，提高效率。关于循环神经网络，理论上它具有无所不能的能力，尽管在实际上具有高度，宽度和饱和能力等实际许多限制，但是尧教授提出我们无法否认它强大的信息处理能力。

　　其中的典型理论即万能近似定理，提出神经网络可以模型化为一个输入-输出函数，可以实现从一个有限维空间到另一个有限维空间的Borel可测函数。通过线虫和AI的对比，生物脑和电脑的对比，尧教授提出了人工智能与人类生物的工作性质和能力的不同。

　　人工智能在数据处理过程中具有一定不可避免的噪音影响可能，如在一定噪音的影响下可能将大熊猫误认为长臂猿，而图灵测试也表达出，人类具有的高阶智慧能力只需要非常少的计算能力，而关于智慧问题，人脑相较于电脑的智慧在于“知道自己不知道”，这也是人工智能面对的较大问题，如何定义并反思了解自己的能力。基于这种思考，尧教授引出了莫拉维克悖论，人类和人工智能在不同领域的能力阈值是十分不同的，例如人类无法赶上机器的计算分析能力，但是人工智能也无法拥有人类的感知力和应变力，所以许多的人类职业在未来20年左右是不必担心被机器所替代。

AI发展

　　关于未来AI的发展方向，尧教授提出下一代AI可以基于连接主义和符号主义以及行为主义的复合，在这里符号主义就可以看作是逻辑智能的具象表达。同时，对下一代AI的期望可以作为可解释，安全，可信，可靠和可扩展的基本特征，其中尧教授具体介绍了类脑智能，即数字孪生脑。

　　类脑智能可以具体使用脉冲神经网络的模型，这种神经元层次类脑与人脑的相似度更高，能耗更低。这种从人工神经网络到脉冲神经网络的进步，是许多AI智能科技目前的发展研究方向。另一种类脑智能称为虚拟脑模型，这种网络结构类脑更加通用，并且已经在癫痫病的模型研究中发挥重大作用。尧教授提出，我校在自发脑活动的研究中也具有相当的突破。DTB与SSVEP在模拟大脑接受稳态视觉周期刺激响应的实验也表现出虚拟脑的实验价值，可以在再现结果的同时完成许多无法在生物脑上进行的实验，具有全参数空间工作的优势，是长远的实验发展展望。

　　忆阻器是类似于神经元突触的器件，由磁通和电荷关系的电路器件进行实现，也是类脑智能的典型例子，是硬件实现人工神经网络突触的最好方式。尧教授总结道，类脑智能在未来的发展路线中分为两条主流路线。从神经网络到脉冲神经网络和数字孪生大脑的发展。以及，从智能芯片到神经形态芯片和新型类脑计算的发展。除此之外，尧教授还具体介绍了大脑交互沟通的例子。

　　最后，尧教授总结道，AI的发展趋势中，类脑智能是未来科技发展的大方向，而深度学习是重要的一环。深度学习需要可解释，可靠和安全。但是，深度学习不是AI的全部，逻辑主义和行为主义中仍具有许多增强学习，迁移学习，经验学习等方面。同时，思路必须开阔，多种主义的融合也是人工智能发展过程中的重要策略。在人类研究的过程中，应将合作，交流和共赢的思想看作一切的风向标，促进科技的发展，能够更好的造福人类。