脑科学与人工智能”科学与技术前沿论坛在京举行多位院士专家共同出席

　　雷锋网（号：雷锋网）消息，“脑科学与人工智能”科学与技术前沿论坛于5月8日在中国科学院学术会堂召开。本次论坛由中国科学院学部主办，旨在进一步加强脑科学和人工智能两个学科的交叉力度和思想碰撞，更好推动这两个领域的相互融合与共同发展。雷锋网（号：雷锋网）消息，“脑科学与人工智能”科学与技术前沿论坛于5月8日在中国科学院学术会堂召开。本次论坛由中国科学院学部主办，旨在进一步加强脑科学和人工智能两个学科的交叉力度和思想碰撞，更好推动这两个领域的相互融合与共同发展。

　　论坛以脑科学与人工智能为主题，从脑科学如何支持人工智能的发展和类脑智能的态势与发展研讨两个议题入手，邀请到多位相关领域的院士、专家做了主题报告和深度讨论。雷锋网编辑也在现场，并将论坛概况和看点做了整理。

　　几位院士和专家讲了啥？论坛上，蒲慕明院士、谭铁牛院士、李德毅院士、何生研究员分别做了主题报告，郭爱克院士和徐波研究员分别担任主持。几位大家分别从大脑可塑性、类脑智能、人脑视觉认知、模式识别、自动驾驶等领域深入浅出的阐述了自己的真知灼见。

　　蒲慕明，美国科学院院士、中国科学院外籍院士、中央研究院院士、科學院院士。中国科学院神经科学研究所所长和中科院脑科学与智能技术卓越创新中心主任。主要从事神经元发育与突触可塑性的细胞机制研究。

　　蒲院士认为，在过去半个世纪来，神经科学虽然在细胞水平上探索神经可塑性获得了很大的进展，但对理解神经环和大脑功能可塑性仍面临巨大的挑战；如何从对大脑相当的理解中，抽取对类脑智能技术有性的内容，将是目前类脑智能研究的主要课题。

　　他回顾了神经可塑性研究的重大发现，并猜测新一代类脑神经网络可借鉴的自然神经网络的特性，并简述赫伯神经集群（Hebb Cell Assembly Hypothesis）的演化和对人工网络计算模型设计的可能贡献，同时举例说明了人工智能的发展亦可对进一步理解人脑复杂网络的运作机制有所。

　　何生，中国科学院生物物理研究所研究员，并担任脑与认知科学国家重点实验室主任。他的主要研究方向为人类视觉认知的功能神经机制。

　　据何研究员介绍，认知科学主要研究人的知觉、注意、记忆、情绪、决策、问题解决、语言、意识等过程的功能和神经机制。人脑具有高度发达的视觉信息处理系统，我们对其有相对深入的了解。

　　他阐述了认知科学的研究人类视觉系统的多个平行通（包括皮层上及皮层下）的不同的特性和分工，前馈和反馈信号的相互作用，物体识别的多层次结构，专家化系统的形成，以及知觉意识的功能等。

　　谭铁牛，中国科学院院士、英国皇家工程院外籍院士和发展中国家科学院院士。中央人民驻特别行政区联络办公室副主任、智能与计算研究中心主任。主要从事图像处理、计算机视觉和模式识别等相关领域的研究工作，目前的研究主要集中在生物特征识别、图像视频理解和信息内容安全等三个方向。

　　谭院士回顾了模式识别的历史，阐述了模式识别的现状，对有望用于模式识别的生物机制进行凝练，最后给出了生物模式识别方向的未来展望。

　　谭院士认为虽然面向特定任务的模式识别已取得突破性进展，但通用模式的识别系统依然任重道远。鲁棒性、自适应性、可泛化性是制约模式识别进一步发展的三大瓶颈。

　　最后他总结道，向生物学习，开展生物的模式识别有望实现模式识别理论与方法的新突破，达到对不同任务无缝切换、对自主适应、对知识凝练抽取等，并且具有十分广阔的创新空间与发展前景。

　　李德毅，中国工程院院士，中国人工智能学会理事长，中国云计算专家委员会主任。长期从事计算机工程、不确定性人工智能、大数据和智能驾驶领域研究，领导了中国最大的无人车联合团队，实界第一辆无人驾驶公交车实际公成功行驶。

　　李院士在报告刚一开始便抛出一个问题：能量的量纲是焦耳，信息的量纲是比特，那么脑认知该如何度量？

　　他提出，图灵测试的本质是交互的智能测试，相对于机器对话、机器写诗等智能活动，目前基于驾驶的图灵测试可进行更为精确和客观的评测。无人驾驶的根本问题不在于车而在于人，其核心是物化驾驶员认知，解耦出类脑的功能模块，研发机器驾驶脑，和汽车一起构成轮式机器人。

　　Panel 环节报告会后，与会专家和研究人员围绕 “脑科学如何支持人工智能的发展”和“类脑智能的态势与发展研讨”两个议题，展开了深入的探讨， 王佐仁研究员和林研究员分别担任主持。雷锋网整理了部分精彩的发言如下：

　　来自中科院计算所的陈熙霖研究员认为，人工智能不同于人类的智能，但是人工智能的发展离不开从人脑的结构中获得。尽管今天深度学习的成功是数学的成功，基本上和脑的关系不大。同时，由于深度学习的局限性，学术界应该跳出深度学习。

　　来自大学的黄铁军教授认为，发展人工智能的终极目标是找到通用人工智能的解决方案。当我们谈论类脑的时候，一定要分清楚结构和功能这两个层次，要想实现某个功能，最好的方法是考虑什么样的结构才能实现这样的功能。现在大家在谈论智能的时候总是下意识的将计算机当成实现平台，也许我们可以换一种思，比如，当我们为神经网络量身打造出一个新的实现平台后，也许离强人工智能就更进一步了。

　　来自中科院数学与系统科学研究院的吕金虎研究员认为，目前人工智能和脑科学的结合面临的三大挑战是，我们还无法弄清楚以下智能的机理：

　　在论坛接近尾声之际，雷锋网采访了筹备本次论坛的学术秘书中科院自动化研究所张兆翔研究员，他表示，通过这种论坛形式的学术交流和主题研讨，可以进一步凝练交叉领域重要科学问题，明确脑科学与人工智能的发展径，对于在国家层面上实施“脑科学与类脑研究”重大项目具有重大意义。

　　本次论坛由中国科学院学部主办，中国科学院学部学术与出版工作委员会、信息技术科学部、生命科学和医学学部承办，中国科学院自动化研究所、中国科学院神经科学研究所、《中国科学》社共同协办。（完）

　　本课程面向深度学习开发者，讲授如何利用 TensorFlow 解决图像识别、文本分析等具体问题。课程跨度为 10 周，将从 TensorFlow 的原理与基础实战技巧开始，一步步教授如何在 TensorFlow 上搭建 CNN、自编码、RNN、GAN 等模型，并最终掌握一整套基于 TensorFlow 做深度学习开发的专业技能。

　　两名授课老师佟达、白发川身为 ThoughtWorks 的资深技术专家，具有丰富的大数据平台搭建、深度学习系统开发项目经验。

推荐：