文 戴瓊海

人類社會的發(fā)展就是不斷發(fā)現(xiàn)、理解與創(chuàng)造的過程。原始社會利用工具解決生活問題，發(fā)現(xiàn)現(xiàn)象并理解現(xiàn)象背后的規(guī)律，進(jìn)而改造甚至創(chuàng)造這個世界，這就是人類社會發(fā)展的脈絡(luò)。

1946年至今不到百年，計(jì)算機(jī)的發(fā)展為人類帶來了巨大的價(jià)值。

人工智能參與理解與改造世界

人工智能時(shí)代出現(xiàn)了3位深度學(xué)習(xí)的奠基人，也是2019年的圖靈獎獲得者。第一是Geoffrey Hinton（杰弗里·辛頓），反向傳播算法的代表人物；第二是Yann LeCun（楊立昆），卷積神經(jīng)網(wǎng)絡(luò)的代表人物；第三是Yoshua Bengio（約書亞·本吉奧），序列概率模型的代表人物。

那么人工智能將如何參與理解和改造世界？王恩東院士曾有一問，人類怎么預(yù)測蛋白質(zhì)的作用？諸如此類的復(fù)雜問題，靠人類的預(yù)測是無法做到的。以深度學(xué)習(xí)為代表的人工智能推動了例如科技、醫(yī)療、電子、金融等行業(yè)的快速發(fā)展，正如習(xí)近平總書記說的，人工智能具有賦能作用很強(qiáng)的頭雁效應(yīng)。

同時(shí)，我們更應(yīng)看到人工智能的局限性。

其一，自動駕駛領(lǐng)域中人工智能的相關(guān)應(yīng)用，已經(jīng)凸顯了其在魯棒性、遷移性及能效比等方面的問題；

其二，在醫(yī)療領(lǐng)域中的應(yīng)用凸顯了人工智能算法自適應(yīng)能力的局限，清華大學(xué)跟301醫(yī)院合作，用20萬條男性50歲的腦卒數(shù)據(jù)做訓(xùn)練，但在做預(yù)測時(shí)發(fā)現(xiàn)對女性腦卒疾病的預(yù)測準(zhǔn)確度并不高；

其三，人工智能可解決一定的問題，但其工作原理還沒有明確的可解釋性。

還有一個經(jīng)典案例——莫拉維克悖論。這臺波士頓動力的機(jī)器人能翻跟頭、跳舞和干很多復(fù)雜的事，但讓它把一個物體放到有障礙物的桌子上去，它做不到，這就是人工智能的問題所在——難以理解場景與對象間的關(guān)系，人工智能能干成年人干的活，但理解能力不如一歲的孩子。

新一代人工智能發(fā)展與腦科學(xué)

由此可見，人工智能還有很多瓶頸問題要解決。怎么解決呢？就需要追根溯源。我們發(fā)現(xiàn)，深度網(wǎng)絡(luò)的發(fā)展很大程度上受到了腦科學(xué)的啟發(fā)，僅僅是視覺聽覺部分腦功能的發(fā)現(xiàn)，就極大推進(jìn)了人工智能的發(fā)展。如果有機(jī)會了解全腦，那會為人工智能帶來多大的變化？

我們來看深度學(xué)習(xí)和人類視覺的不同：生物視覺是宏觀和微觀回環(huán)交互的。比如畫畫首先畫輪廓，再畫細(xì)節(jié)；人眼看東西也是，先看全場景，再聚焦某個小場景、某個小目標(biāo)，是一個回環(huán)交互的過程，即高級視覺的抽象和初級視覺的邊緣檢測存在回環(huán)交互。但計(jì)算機(jī)視覺只能從微觀到宏觀，不能從宏觀到微觀，這就是人工智能的困惑。舉個例子，一頭熊照片的碎片，人眼看到一點(diǎn)點(diǎn)邊緣時(shí)，就知道這是一頭熊；而人工智能缺乏宏觀與微觀的交互，只能通過不斷地學(xué)習(xí)才知道是一頭熊。

可見，對場景當(dāng)中復(fù)雜關(guān)系的理解，是人工智能非常重要的部分。以前的人工智能針對小場景、少對象、簡單關(guān)系，用微觀圖像訓(xùn)練一個模型，設(shè)計(jì)一個算法，讓它去理解大場景的時(shí)候就無能為力了。未來的人工智能應(yīng)該具備對大場景、多對象、復(fù)雜關(guān)系的精準(zhǔn)理解，這樣才能夠彌補(bǔ)現(xiàn)有人工智能的不足和發(fā)展。

腦科學(xué)與新一代人工智能發(fā)展

腦科學(xué)研究人類如何思考，圖靈獎關(guān)注的是機(jī)器如何思考，這是兩條平行線。人工智能專家往往將腦科學(xué)的部分現(xiàn)象和模型應(yīng)用到人工智能里面去。這就給了我們一個啟發(fā)：能不能在腦科學(xué)和人工智能之間架起一座橋梁，這座橋梁就是認(rèn)知計(jì)算。支撐這座橋梁的兩個橋墩，是多模態(tài)回路觀測及多層次認(rèn)知模型。通過解決微觀、宏觀的回環(huán)交互問題，來創(chuàng)造新一代人工智能。

該怎樣去做這些研究呢？通過觀測可以看到，小鼠有億級的神經(jīng)元，恒河猴有百億級的神經(jīng)元，人類有千億級的神經(jīng)元，神經(jīng)元的多少代表了聰明的程度。斑馬魚只有80萬～100萬個神經(jīng)元，它就可以工作。麻省理工學(xué)院（MIT）去年研究構(gòu)建了一款只有18個神經(jīng)元的機(jī)器人，它就能夠?qū)崿F(xiàn)自動駕駛。

2016年美國高級情報(bào)研究計(jì)劃署（IARPA）做了MICrONS項(xiàng)目，稱為“阿波羅腦計(jì)劃”，花費(fèi)1億美元，研究1立方毫米大腦皮層10萬個神經(jīng)元是怎么連接的，參與項(xiàng)目的有美國卡耐基·梅隆大學(xué)（CMU）的Tai Sing Lee、哈佛大學(xué)的David Cox、貝勒醫(yī)學(xué)院的教授，這是個交叉的大項(xiàng)目。前兩位科學(xué)家都來過清華，專門討論10萬個神經(jīng)元活動到底怎么構(gòu)建，討論神經(jīng)元活動連接和機(jī)器學(xué)習(xí)算法如何建立關(guān)系。

清華開發(fā)了多維多尺度高分辨光學(xué)顯微成像系統(tǒng)（RUSH-II）來觀察小鼠、大鼠全腦神經(jīng)元的連接和它行為的變化。這是世界上最大視場、數(shù)據(jù)通量最高的高分辨光學(xué)顯微鏡，視場大小是1平方厘米，分辨率達(dá)到0.4微米，就是400納米，意味著不僅是神經(jīng)元，用來在神經(jīng)元之間傳遞信息的軸突和樹突的連接都可以看清楚。目前正在觀測獼猴的全腦神經(jīng)元活動，這是更接近人類的靈長類動物。現(xiàn)在我們正在開展新的工作，將腦機(jī)和觀測儀器相結(jié)合，不但看神經(jīng)元連接，還要看放電過程，這樣能夠揭示意識是如何轉(zhuǎn)移的。

新一代人工智能按照這樣的路徑，不僅要做微觀觀測，還要做宏觀觀測。將CT核磁共振、全腦高分辨率光學(xué)觀測、多模態(tài)觀測結(jié)合起來，才能理解神經(jīng)元之間傳遞了什么信息。我們也在跟數(shù)學(xué)家討論，并構(gòu)建新型的網(wǎng)絡(luò)模型，包含了記憶環(huán)路、生物機(jī)制、物理的熵平衡原理，來推導(dǎo)新型的神經(jīng)網(wǎng)絡(luò)模型。我們需要考慮生物化學(xué)機(jī)制的發(fā)覺，數(shù)學(xué)物理機(jī)制的約束，短期記憶、長期記憶的過程，新一代神經(jīng)網(wǎng)絡(luò)推理的自增強(qiáng)等很多方面，這是我們從腦科學(xué)到人工智能做的事情。

大場景多對象智能理解

人工智能能夠拓展人類發(fā)現(xiàn)、理解與創(chuàng)造的能力。人眼的感知能力會受到空間、時(shí)間、波長等多個維度的限制。人工智能可以具備超越人類的感知能力，利用仿生光學(xué)復(fù)現(xiàn)鷹眼、貓眼、果蠅等的感知能力；同時(shí)大量的信息凸顯了人類自身的處理能力不足，必須交給機(jī)器來繼續(xù)感知。

人眼感知視覺的像素?cái)?shù)不到6億，但是機(jī)器視覺可以達(dá)10億甚至百億像素，感知能力更強(qiáng)，帶來豐富的信息。對大場景范圍中多動態(tài)目標(biāo)之間復(fù)雜關(guān)系的理解，就需要構(gòu)建新一代人工智能模型，讓它看得全、看得清、看得準(zhǔn)，要做一個大場景多對象數(shù)據(jù)平臺。但寬視場和高分辨的矛盾難以解決，這是物理上面臨的挑戰(zhàn)。因此我們提出了非結(jié)構(gòu)化的概念和原型系統(tǒng)，很多相機(jī)長得不一樣，可以自調(diào)整，魯棒性非常高。以此為基礎(chǔ)構(gòu)建數(shù)據(jù)平臺，是10億像素的大場景多對象數(shù)據(jù)視頻平臺PANDA，假設(shè)這是清華主樓門口，非常多的人群在邁步走，我們可以對這些對象實(shí)時(shí)識別和理解；再假設(shè)這是馬拉松比賽中的萬人人臉識別，就是如何處理和解決大場景、多對象、復(fù)雜關(guān)系。目前在CVPR、ICCV還有2021全球人工智能技術(shù)大會上做了數(shù)據(jù)的公開并且比賽，有6000多支隊(duì)伍參加了這場比賽。剛才我還跟王恩東院士討論，我們是不是可以建一個大的數(shù)據(jù)平臺，來解決復(fù)雜場景中復(fù)雜關(guān)系的理解問題。

從感知智能怎樣走向認(rèn)知智能，第一個要解決模型問題，第二個要解決數(shù)據(jù)問題。認(rèn)知智能能夠促進(jìn)大范圍動態(tài)場景時(shí)空關(guān)聯(lián)建模分析，支撐數(shù)字城市構(gòu)建與理解，可以構(gòu)建物理世界的孿生數(shù)字城市。目前我們正在杭州開展工作，做一個數(shù)字孿生的城市形態(tài)，希望為智慧城市作出貢獻(xiàn)。

總之，我們要從腦科學(xué)出發(fā)，來構(gòu)建新一代人工智能的理論、方法和技術(shù)，同時(shí)構(gòu)建一個大的數(shù)據(jù)平臺來驗(yàn)證理論和模型的可行性。在未來，新一代人工智能需要大場景、多對象的數(shù)據(jù)平臺，大到能夠從物理城市構(gòu)建孿生的數(shù)字城市，最后構(gòu)建智慧城市，這樣一來，我們新一代的人工智能理論、模型和算法就初具雛形了。