吳朝暉 潘綱

腦科學主要研究人與動物的腦結(jié)構(gòu)與腦功能，闡明大腦的工作機制。近年來，隨著各種不同層次測量大腦活動與行為的新技術(shù)、新手段的出現(xiàn)，神經(jīng)科學研究得到了快速發(fā)展。不管是在分子水平、細胞水平，還是在神經(jīng)網(wǎng)絡(luò)與神經(jīng)回路水平，或系統(tǒng)和整體水平，都取得了重要突破，使人們更加清楚地了解神經(jīng)系統(tǒng)物質(zhì)、能量和信息的活動規(guī)律與基本機制。

腦科學與信息技術(shù)的結(jié)合發(fā)展正成為重要趨勢：（?。┠X科學研究大量借助信息手段；（ⅱ）一些信息技術(shù)的發(fā)展也利用腦科學研究成果。由于信息手段的介入，近年來國際上正興起新一輪的腦科學研究熱潮。例如，2013年初，歐洲聯(lián)盟啟動投入超過10億歐元的人腦10年計劃，主要目標是從基因活性到神經(jīng)細胞間的相互作用等基礎(chǔ)出發(fā)，用超級計算機對人腦功能進行精細建模與模擬，構(gòu)建基于硅的大腦；不約而同，2013年4月，美國也宣布啟動預計將投入超過10億美元的腦計劃，目前主要目標是研發(fā)新技術(shù)測量大腦每個神經(jīng)活動及連接，繪制大腦活動全圖。腦科學和未來信息計算的結(jié)合發(fā)展，必將催生腦信息大數(shù)據(jù)計算、新型計算理論、新式信息技術(shù)平臺、以及更多的新型應(yīng)用。

1 腦機融合

隨著腦科學與信息技術(shù)的進一步交叉，腦與機器的融合正成為未來發(fā)展的重要趨勢與研究熱點。近十幾年腦科學研究與信息技術(shù)的交叉發(fā)展，大致呈現(xiàn)為3個階段：（?。┣?0年研究更多是從生物角度認識腦，包括從細胞結(jié)構(gòu)、神經(jīng)元連接、腦區(qū)交互以及大腦整體等不同層次進行研究；（ⅱ）近10年則興起了從工程角度利用腦的研究，利用腦機接口技術(shù)建立腦和信息科學之間溝通的橋梁；（ⅲ）而下一個10年，正出現(xiàn)從信息角度融合腦的重要趨勢，新的腦數(shù)據(jù)、計算理論及各種應(yīng)用將不斷涌現(xiàn)。

腦機接口可看作是腦機融合的初級階段。隨著腦與信息科學的進一步融合，早期的單向、開環(huán)形式的腦機接口，逐漸過渡到雙向、閉環(huán)形式的腦機交互，并將進一步發(fā)展到腦與機深度結(jié)合、相互依賴的腦機融合階段。腦機融合可有多種表現(xiàn)形式，包括感知覺功能增強、生物智能與機器智能的融合及運動功能重建等。腦機融合不僅是腦科學研究與信息科學交叉的突破口，也是認識腦、保護腦、創(chuàng)造腦的重要途徑。

2 信息視角：雙向閉環(huán)

從信息視角看，腦機融合系統(tǒng)是一個典型的信息處理系統(tǒng)。借助光電磁等各種技術(shù)，能夠從大腦中獲取豐富的腦活動信息，并交由計算機對信息進行分析，然后根據(jù)分析結(jié)果采用相應(yīng)的光電磁等各種刺激與調(diào)控途徑，多模態(tài)地反饋至大腦中。這將是一個典型的雙向閉環(huán)系統(tǒng)。在此視角下，腦機融合系統(tǒng)的瓶頸在于對腦信息獲取的準確性、信息處理的高效性、以及信息輸入的有效性。

2.1 腦信息的獲取

腦信息的在體獲取手段方法多種多樣，以下列舉部分較為成熟的技術(shù)。（?。┠X電圖（electroencephalography，EEG）、皮層腦電圖（electrocorticogram，ECoG）、腦磁圖（magnetoencephalogram，MEG）等方法采集大腦自發(fā)產(chǎn)生的電場與磁場，并將采集的信號作為分析大腦工作的依據(jù)；（ⅱ）核磁共振成像（magneticresonance imaging，MRI）和磁共振波譜（magnetic resonance spectroscopy，MRS）等方法通過記錄大腦內(nèi)水分子與特定化學成分在強磁場中的不同表現(xiàn)來判斷大腦不同區(qū)域的結(jié)構(gòu)組成；（ⅲ）功能性核磁共振（functional magnetic resonance imaging，fMRI）和功能性近紅外光譜成像（functional nearinfrared spectroscopy，fNIRS）等方法利用大腦活動時不同功能區(qū)域的血氧濃度差異來定位與特定功能相關(guān)的腦區(qū)；（ⅳ）正電子發(fā)射成像（position emission tomography，PET）和單光子發(fā)射計算機斷面成像（single-photon emission computed tomography，SPECT）等方法利用大腦不同區(qū)域葡萄糖代謝水平的不同，來判斷腦區(qū)之間的活躍程度。

腦信息的獲取手段雖然日益豐富，但是信息的時空分辨率亟待進一步提高。當前的腦信息獲取方法雖然可以達到較高的時空分辨率，但是與細胞水平的空間尺度以及神經(jīng)元電位變化的時間尺度之間依然存在差距。因此，實現(xiàn)腦機融合仍需要腦信息提取手段在時空分辨率上進一步提高。

2.2 腦數(shù)據(jù)的處理

腦科學大數(shù)據(jù)的處理亦構(gòu)成腦機融合的一大挑戰(zhàn)。據(jù)統(tǒng)計，大鼠（Rattus norvegicus）腦內(nèi)約包含1萬億個突觸連接1億個神經(jīng)元，而人腦內(nèi)包含約1000億個神經(jīng)元與1000萬億個突觸，是大鼠腦的1000倍。從生物組織看，數(shù)據(jù)量更大，僅1 mm3的腦組織即可產(chǎn)生2000 TB的電子顯微鏡數(shù)據(jù)，1個小鼠（Mus musculus）大腦可產(chǎn)生60 PB數(shù)據(jù)，而人腦可產(chǎn)生高達200 EB數(shù)據(jù)。

與腦信息大數(shù)據(jù)形成鮮明對比的是，傳統(tǒng)馮諾依曼計算機的發(fā)展正面臨著“內(nèi)存墻”與“功耗墻”等難題。多核體系架構(gòu)的出現(xiàn)雖然一定程度上減緩了壓力，但在同等條件下計算能力的提高將帶來越來越高的系統(tǒng)復雜性。

人腦與傳統(tǒng)馮諾依曼計算機相比，在處理海量數(shù)據(jù)上展現(xiàn)了無與倫比的優(yōu)勢：（?。┤四X可以與外界交互自主學習，無需顯式編程；（ⅱ）人腦能夠容忍部分神經(jīng)元死亡或萎縮，具有高度可塑性與系統(tǒng)容錯性；（ⅲ）人腦擁有1011個神經(jīng)元及1015個突觸，存在巨大的并行性及高度的連接性；（ⅳ）人腦擁有100 Hz的低運算頻率以及每秒幾米的低通信速度，僅需約20 W的功耗，而基于傳統(tǒng)馮諾依曼體系結(jié)構(gòu)建造一個與人腦復雜程度相等的計算機則需要近100 MW的能量。

正是由于人腦在處理大數(shù)據(jù)問題中顯現(xiàn)的各種優(yōu)勢，以人腦為原型的類腦芯片在近幾年成為研究熱點，類腦計算成為處理大數(shù)據(jù)的新方向之一。構(gòu)建類腦計算機不僅有助于更加高效地處理、利用海量腦數(shù)據(jù)，從而更好地實現(xiàn)腦機融合，還有助于加深對大腦工作機理的理解，從而進一步完善類腦芯片的設(shè)計與實現(xiàn)。

2.3 腦信息的輸入

腦機融合不僅要求獲取并解讀腦信息，還需要計算機能夠?qū)⑿畔⒕幋a后傳入生物體，以此來調(diào)節(jié)、增強、甚至控制生物體的部分功能，達到感知覺與智能增強及運動功能重建等目的。

目前已有較多應(yīng)用借助腦信息的輸入達到智能增強與運動重建的目的，典型的應(yīng)用包括各類動物機器人，人類利用腦刺激進行神經(jīng)康復的案例等。

過去腦機接口系統(tǒng)的信息傳輸方式大多數(shù)為單向形式。2011年，Nicolelis團隊在《Nature》雜志上報道了一種新型腦—機—腦信息通路的雙向閉環(huán)系統(tǒng)，在記錄猴子大腦神經(jīng)信息進行解碼的同時將猴子觸覺信息轉(zhuǎn)化為電刺激信號反饋到大腦，真正實現(xiàn)了腦機交互。

利用大腦的可塑性，結(jié)合機器學習構(gòu)建腦機相互適應(yīng)的系統(tǒng)，可以提高腦機融合的效果。但是要實現(xiàn)腦機融合系統(tǒng)中兩種截然不同的智能體的有效協(xié)作及相互適應(yīng)，依然需要進一步建立生物智能與機器智能直接互連的信息通道與交互模式，使得機器與生物能夠達成協(xié)同感知、認知及執(zhí)行的目的，形成更為復雜的腦機融合系統(tǒng)。

3 系統(tǒng)視角：分層融合

從系統(tǒng)視角看，腦機融合是一個跨界的復雜系統(tǒng)。大腦與機器的工作機制有著天壤之別，如何將這兩個智能體有機地結(jié)合起來，是腦機融合系統(tǒng)亟需解決的問題。雖然大腦和機器的結(jié)構(gòu)不同，腦信號處理機制與計算機信息處理卻存在多種相似性：（?。┠X與機器都采用電信號作為信息傳遞的載體及信號運算的物理手段；（ⅱ）腦信號由不同腦皮層分層次、分階段處理，這一層次化的特點在機器系統(tǒng)中亦非常見；（ⅲ）與機器的模塊化相似，特定腦皮層區(qū)大致負責特定的感知功能或認知功能，如視覺區(qū)、聽覺區(qū)、運動區(qū)、海馬區(qū)等。

大腦與機器的這些相似點，為腦機融合系統(tǒng)的構(gòu)架帶來了可能。最近，本團隊以此提出一個層次化的腦機融合計算框架。在此框架中，生物端包含記憶層與意圖層、決策層及感知與行為層3個層次，而機器端亦包含目標層和知識庫、任務(wù)規(guī)劃層及感知與執(zhí)行層3個層次。生物端與機器端內(nèi)部各層之間相互依賴，生物端與機器端之間則形成跨界的系統(tǒng)結(jié)構(gòu)。在這個框架下：（ⅰ）機器能夠直接或間接影響生物的記憶層與意圖層工作，從而最大程度地發(fā)揮與拓展生物智能。例如，Berger等人通過光遺傳學等手段重建和增強了大鼠的記憶能力，Ramirez等人通過神經(jīng)調(diào)控在小鼠腦中形成虛假記憶等；（ⅱ）機器與生物能夠相互協(xié)作，達成某一行為決策。例如，Taylor等人借助猴子腦部的神經(jīng)細胞放電來控制三維空間內(nèi)假肢的運動，DiGiovanna等人讓大鼠（Rattus norvegicus）與機械臂根據(jù)指示燈的提示共同完成某種任務(wù)等；（ⅲ）生物可以借助機器的感知來拓展并利用自身信息獲取途徑。例如，Thomson等人讓小鼠在訓練后學會利用佩戴在頭部的紅外探測器進行探測，本團隊在大鼠頭上佩戴一個微型攝像頭輔助大鼠進行未知環(huán)境探索，還建立了大鼠對人的語音感知能力等。

本團隊提出的層次化體系結(jié)構(gòu)為腦與機相互融合提供了一個參考的計算框架。此外，類腦計算的研究也可能給傳統(tǒng)計算機帶來巨大突破，尤其可能產(chǎn)生新型的計算體系結(jié)構(gòu)。一個可能是類腦芯片將作為傳統(tǒng)馮諾依曼架構(gòu)的一個協(xié)處理器拓展單元，與中央處理器（central processing unit，CPU）和圖形處理單元GPU（graphics processing unit，GPU）等傳統(tǒng)馮諾依曼架構(gòu)計算單元協(xié)同工作，以此來增強計算機的海量信息處理能力。在此架構(gòu)下，傳統(tǒng)計算單元依然能夠用于運行包括操作系統(tǒng)在內(nèi)的傳統(tǒng)任務(wù)，而類腦芯片則可以用于運行智能與學習相關(guān)的任務(wù)，從而將大大拓展傳統(tǒng)計算機的能力。

4 智能視角：混合增強

與計算機相比，人腦具備在復雜環(huán)境中整合理解多重信息并快速做出決策的能力，并對外界環(huán)境變化有很強的機動性和適應(yīng)性。而計算機則在數(shù)值計算、快速檢索、海量存儲等方面具有明顯優(yōu)勢。

借助腦機接口技術(shù)，有望建立生物腦與機器腦兩者的互聯(lián)互通，進而將生物智能和機器智能深度融合，從而形成新型智能形態(tài)——“混合智能”?；旌现悄芤陨镏悄芘c機器智能這兩類智能形式的深度融合為目標，通過兩者相互連接通道，建立兼具生物環(huán)境感知、信息整合、運動能力，與機器及生物腦的記憶、學習等能力的新型智能系統(tǒng)。

腦與機的融合，一方面將大大推動人工智能自身新模型與新方法的發(fā)展。依據(jù)腦認知基礎(chǔ)研究闡明的神經(jīng)信息處理模式和機制，可研究類腦及腦機融合的人工智能新理論、新模型及新方法，包括模擬腦感認知功能的新一代機器智能、腦機交互融合的混合智能等，使其可依據(jù)外界環(huán)境變化和功能需求改變而進行自我演化；另一方面有望發(fā)展出類腦智能體和新型智能機器人。基于腦科學認知基礎(chǔ)、腦機接口及腦機融合人工智能的研究成果，可研發(fā)基于非常規(guī)計算架構(gòu)、具備類腦功能的、新型的智能體與機器人，包括類腦仿生機器人、類腦控制無人機、腦機融合的機器化動物（將機器同生物體結(jié)合以增強生物的運動與感認知能力）等，使其在運動控制、感覺決策、環(huán)境適應(yīng)、人機交互等方面得到增強。

5 結(jié)論

信息技術(shù)在多方面為腦科學提供關(guān)鍵支持，有助于更有效地認識腦、保護腦、創(chuàng)造腦。從信息角度，腦機融合不僅可為腦神經(jīng)和認知科學家們研究腦結(jié)構(gòu)與功能提供關(guān)鍵的高效實驗工具與平臺，也為醫(yī)學專家研究腦疾病機理與診斷提供重要幫助。從系統(tǒng)角度，腦與計算機深度融合后產(chǎn)生的腦機融合系統(tǒng)是一種全新的brain-in-loop的腦機混存復雜系統(tǒng)，有望突破馮諾依曼體系結(jié)構(gòu)，促進腦與機器的相互調(diào)用、相互學習、相互適應(yīng)。從智能角度，機器智能與生物智能在很多方面形成相互補充、相互增強的勢態(tài)，推動人工智能新理論新方法的發(fā)展，并促成類腦智能體和新型智能機器人。