《人类进化》采访曾毅研究员|类脑智能能否从自身进化而来？

类脑智能是人工智能和脑科学的主要研究目标，它关注的是在人脑的指导下建立类脑布局，实现类人的认知和行为效果。为了让大师深入了解脑机制和类脑智能，我们将对类脑智能的范畴进行提问，以多人互动的方式带领大师了解类脑智能的真相和目前的最新进展。

在之前的采访中，北京大学生理与认知科学学院研究员罗欢提出要问“人工智能与计算机神经科学领域是否可以有一个深造的总体布局？一个基本的数学真理可能描述这个过程吗？”

这一期，我们采访了中国科学院主动研究所研究员曾毅。曾毅研究员将带领我们了解仿脑智能对人脑的机制和功效及其增长潜力。按照老惯例，曾毅研究员也提出了一个我最想知道答案的问题。我们会在文末公布这个问题。

曾毅：我的第二个研究领域围绕着类脑人工智能。具体来说，就是受到大脑在不同标准中的布局和机制的启发，从而建立具有生物学正当性和可行性的类脑智能。最终的政策是，认知力是目前人脑可以比拟甚至超越的，但类脑人工智能仍然可以和人很好的相处，而且是有道德有伦理的。这是我一生的科学追求。我的实验室已经为此努力了10年，并将继续发展几十年具有如此力量的脑启发认知智能引擎，以此致敬人类与人工智能的和谐共生。

曾毅：目前，这方面的挑战主要来自两个方面。一方面，大脑面对发散性认知功能的布局和机制仍在探索中，基于已知进展的类脑智能理论和技术模型只能在建立部门认知功能方面取得阶段性进展，而处理众多巨大认知功能和智能的全关怀理论支持还远远不够。另一方面，如何从发散的标准中来，通过计算机建模，将大脑启蒙的布局和机制整合起来，从而形成相同的智能理论框架。在某个标准中得到的布局和机制仍然是部门性和综合性的，在通过计算机建模进行整合的过程中可能仍然缺少环节的科学细节。需要人工智能的研究者与脑和认知科学的研究者深入合作，才能取得真正的进展。

问：人脑可以高度协调各种感觉器官，并在这个过程中完成感觉器官发回信息的计算。类脑智能有没有可能把各个器官的信息协调起来，做出决定性的分析？

曾毅：真正的类脑智能就像这样。也可以说，如果不是多感官融合的分析决策，就不是真正的类脑智能。我实验室的类脑人工智能模型的各种感觉模块都是通过局部脉搏神经采集模型实现的，多种感觉信息(视觉、听觉、触觉、嗅觉、味觉等)的融合。)也是基于最基本的突触可塑性模型实现的。比如我们实验室实现了基于类脑冲动神经集合的多感官观点学习模型，使类脑智能能够像人类一样基于可塑性机制进行学习并整合多感官信息，在这里从根本上学习人类观点。

问：人脑通过神经元传递信息和进行计算，与计算机运算的布局有本质区别。计算机如何像人脑一样实现“认知”和“计算”？

曾毅：保守的硅基计算机系统布局和碳基人脑信息处理之间基本上有一个很大的边界，但这个边界正在通过两方面的勤奋而被弥合。一方面，在软件层面，我们仍然可以在冯诺依曼的系统布局的计算机系统上，模仿发散神经元、神经集合回路及其编码和解码信息的机制和过程。发散神经元及其内部离子通道的计算建模、发散突触可塑性机制、发散突触和发散相邻模式都成为类脑智能的基础，开始在咨询中弥合我们之间的质量差异。另一方面，目前正在迅速发展的神经状态计算，曾经使得从硬件层面实现具有不同标准神经消息处理布局和机制的硬件系统布局成为可能。要真正弥合这种差异，必须来自硬件和软件的协同想象和实现。

曾毅：经过数亿年的自然进化，自然人脑不仅能够不断学习和进步，还在经历一场我们几乎意识不到的进化。自然进化的过程是一个主体在自然条件下不断适应和优化的过程。我相信类脑智能不仅可以实现，而且只有通过这种风格才能实现真正的类人智能。目前在神经网络采集方面已经有一些通过特定任务学习神经网络采集布局自适应调解的勤奋，以至于有研究证明神经网络采集布局自适应调解可以使神经网络很好地响应任务。而这种探索远远不是开始。

问：如果类脑能像人脑一样认知和关心，并不断学习和进步，那么类脑能像人一样有独立的认知吗？

曾毅：我认为未来类脑智能会独立识别，但不代表类脑智能模型只需要不断学习，就有可能识别出原来的布局和机制。人的认知仍然是在人脑多样而庞大的认知焦点神经回路和原理的支持下实现的。能够以理解的形式整合来自各种感觉回路的信息并基于理解做出决策，更重要的是能够以自我的视角感知情境和形式的变化并做出自我适应。

类脑智能的认知起点是自我模型，自我感知是源头，这也是我们选择镜像测验作为类器官脑自我知识模型的第一个突破口的原因。无需声明，即使此刻我们的类脑智能模型被安装在机器人身上，帮助机器人通过镜像测试，但这并不意味着类脑智能获得了自我认知。它只是说，镜子测试作为自我意识的黄金决定性措施很可能是无助的。认知品质和无意识类脑智能的研究还处于最后阶段。

问：目前一般人的大脑可以连续不间断的事物长达50年，有的甚至可以达到近百年。类脑智能如何与持久无效的事物联系起来？

曾毅：我认为保持学习和锻炼，适应不同情况下的不同任务，从不同角度感知、决策和与人类交互，以软硬件协同优化的风格进化，是类脑智能的“保存”风格。

问：如果类脑智能得到认可，并且认知拥有可以永久保持，是否可以等同于拥有独立人格？我们如何应对类脑智能的进步带来的伦理问题？

曾毅：如果类脑智能实现了真实的自我，基本构成了自我体验、自传式回忆、基于自我的决策和预测力、反思力，那么类脑智能理论上应该能够或者可能构成独立人格。但是，拥有自我的人工智能对人类并无伤害，因为自我感知、认知共情、情感共情，正是类脑智能对其他智能体，尤其是人类关注的根源。拥有类似大脑的智能对人类来说可能更安全。例如，我们与类脑认知共情神经集合模型进行比较，该模型通过自我模型和认知共情实现，并可能帮助其他代理避免伤害。但是有一个大的条件，就是在类脑智能研究的前期，必须提前思考如何实现道德伦理类脑智能。伦理道德不能靠规则“灌输”来让类脑智能“遵守”，因为被灌输的规则随时可能被戳破。只要是基于类脑智能的自我塑造、认知和情感共情，通过自我学习获得伦理品格，就有可能保证类脑智能真正具有伦理品格。

类脑智能能否与人类形成和谐共生的社会，这不仅是一个如何实现道德类脑智能的问题，也是一个一旦类脑智能拥有了一定程度的知识和自我反思的力量，如何看待这种类脑智能的问题。在类脑智能成长的早期阶段，人们必须关注类脑智能如何获得人类的价值观和道德品质。在类脑智能从我自身的知识中生长出来之前，人类必须提出一个人类与类脑智能共生的伦理框架，这也是我提出“协调人工智能的准则”的初心。

问：在之前的“诘问”系列访谈中，北京大学生理与认知科学学院研究员、北京大学麦戈文脑研究所研究员罗欢提出了以下“诘问”:

在人工智能和神经科学方面能否有一个大致的深造布局？有没有一个基本的数学真理可以描述这个过程？

曾毅：应该说人工智能，尤其是神经采集的重点是布局研究。无论是感知还是决策的使命，还是符号文本学习规则的研究。人工智能中总布局学习的方式有很多种，总布局表示学习的基本数学原理最多包括：通过高度庞大的非线性变换，从数据中提取潜在的布局信息。根据统计学中的贝叶斯概率，对未知的不确定性进行预测，用信息论评估模型学习到的版面表示中包含的信息量。然后通过梯度下降等优化思路实现常数模型优化，通过无止境的预测和优化，学习一般而庞大的布局表示。此外，正则化方法/下采样技术可以帮助一般环节的布局特征，防止过度学习。

更多

更多

随着全球5G集采的开启，5G毫米波在峰值速度上表现出了巨大的劣势。与此同时，工业和信息化部.

2019年的手机行业，可以说是长盛不衰。仅上半年，“华米OV”就开始反复上演。

更多

更多

更多

第12代标准电压2.8K有机发光二极管华硕好屏，华硕凌瑶X 14 2022.

更多

更多

更多

联觉科技积极催补开源项目，回馈类脑无线城市。