脑科学助力人工智能，离不开大数据

翟冬冬

2017年12月18日  来源：科技日报

　　清华大学自动化系教授、中国工程院院士戴琼海介绍，随着卷积神经网络和深度学习的快速发展，人工智能的发展态势已经超越了预期，但人工智能距离人的智能尚有难以逾越的差距，只有通过建立脑科学与人工智能的桥梁，才能产生质的飞跃。

　　“我们现在还不知道上百亿的神经元如何进行有效的信息处理。”戴琼海说，人工智能和脑科学的发展至今无法关联。通过研制介观尺度观测技术和仪器，探索大脑神经元结构与功能统一的感知与计算机制，建立大脑的动态连接图，把神经科学实验与理论、模型、统计学等进行有效整合，是科学家们亟待研究的重要课题。

　　戴琼海说，脑科学要作用于人工智能，首先要进行脑成像研究，建立起大脑神经元的动态连接图。通过计算成像获取海量神经元的结构和动态功能整合数据，将神经科学和数据科学相结合，揭示大脑的认知模型，从而推动人工智能的跨越式发展。

　　“大脑皮层有上百亿个神经元，每个神经元又包含千余个信息收发分支，迫切需要宽视场高分辨率的动态观测技术和仪器，而高分辨率和宽视场之间存在着固有矛盾。”戴琼海指出了当前显微成像的核心难题。

　　“看得大了，就看不清十微米尺度的神经元；看得细了，就看不全厘米尺度的小鼠全脑；看得慢了，就无法捕获神经元间的动态信息收发过程。”戴琼海介绍，此外，目前国际上已报道的神经成像技术均具有较低的数据通量，无法进行介观尺度下高分辨率信息的高速获取。换言之，即使看得大了、细了，还需要把海量信息采集、记录下来。

　　戴琼海介绍，目前我国的“多维多尺度高分辨率计算摄像仪器”研制已取得了阶段性成果。自主研发的宽视场高分辨计算摄像仪器从理论创新、技术突破、工程实践三个层面率先突破了传统显微成像中大视场与高分辨率之间的固有矛盾和低数据通量的瓶颈制约难题，实现了兼顾“全局形态”和“细节特征”的多尺度观测。

　　目前，该仪器已成功应用于脑科学及肿瘤学等生物医学研究，在国际上首次进行了清醒动物中全脑神经网络的单细胞分辨率功能成像、神经—血管耦合机制下结构信息与功能信息的统一观测、脑组织的免疫保护机理研究与心血管药物的在体筛选等多项突破性实验。（科技日报北京12月17日电）