人工智能神经网络论文(2)
人工智能神经网络论文篇二
人工智能的将来，是否就埋藏在大脑那些神经元突触间美妙的电信号中?
前言
我们曾经说过，在人工智能的研究中有一个流派，倾向于认为对大脑的恰当模拟会是制造出人工智能的关键，但事实上，直到今天我们对人脑的工作原理的了解仍然十分粗浅，更谈不上对它的精确模拟了。对大脑的研究、以及对以此为基础的人工智能的研究，早已脱离了单个学科可以应对的范畴，而需要多个学科领域之间的相互协作。或许只有最顶尖的人才才能理解，并最终推动这些领域的进步。
不过即使是我们目前对人脑非常浅薄的研究中得到的认知，也已经构成了一幅无比美丽的画卷。这其中蕴含的奥妙让我们丝毫不会怀疑，我们的大脑是世界上最精妙(同时居然是自然进化出来的)结构。而这些研究也告诉我们，无论是对人类的智能还是人工智能，我们都尚有太多太多可能的潜力没有挖掘出来。如果条件成熟、脑科学同计算机科学能够更加紧密的结合起来，没有人能想象将会爆发出多大的能量。
在刚刚结束的CCAI2016上，来自中国科学院的外籍院士、中国科学院神经学研究所长薄慕明院士给我们详细讲解了目前在神经科学领域研究的最新进展。其演讲中体现出来的严谨的思路和实验方法不禁让人赞叹，雷锋网在此精编了整个演讲实录，并为大家做出了注释，在大家阅读的同时，不妨想象一下，在你阅读的同时，你神奇的大脑内密密麻麻的神经细胞之间，又迸发出了怎样的火花?
脑科学能为人工智能带来什么?
演讲者：蒲慕明
非常高兴今天有机会能来参加这个会，今天我想把神经科学里面的一些进展和我个人的一些看法给大家做个报告，希望能帮助到人工智能的未来发展。
大脑的整体结构
首先从最简单的讲起，神经系统有两大类，一是中枢神经系统，包括大脑、小脑、脑干、脊髓，另一种是外周神经系统，主管知觉还有各种内脏自主神经系统。我们所说的脑科学主要专注于大脑，所以，脑科学是神经科学的一部分。而大脑最主要的部位就是大脑皮层，这是我们人类最发达的一个部位，大脑之下的很多结构，叫皮层下结构，是比较早期就出现了的，不过在进化中，从猴到猩猩到人，这个皮层的结构得到了极大的增长，这就是人类认知的主要来源。
脑科学最主要关注的质疑就是皮层的各种功能。现在我们已经知道，大脑皮层的各个部位是分管各种功能的，就是说，功能是分区的，你的哪个区域受损，就会丧失相应的脑功能。比如语言区域受损就不会说话，视觉皮层受损就会看不见，对此的实验我们已经确认过很多次，形成公认的认知了：我们可以通过正电子成像的方法观察大脑的活动——在正常人的大脑中注入葡萄糖，产生活动的地方就会有信号，我们在实验中观察到当被测者看到文字或别的东西的时候总是脑后部的一块区域有活动，我们基本就可以确定这一块是主管视觉的区域，我们让他讲几句话，发现另外一个地方活动，那这个地方基本就是语言区。但是我们观察到一个非常令人惊讶的现象，我们让他不做任何事，光想象几个字，这时我们会发现整个大脑皮层到处都是活动，这说明想象几个字虽然看起来是个很简单的事，但是实际上牵涉到了大脑的很多部位，到底为什么会这样我们至今还没有弄清楚，所以我们说思考在脑科学上怎么解释，我们还是不清楚的。
雷锋网注：
正电子成像术是目前脑成像技术中应用的最广的方法之一，通过注射含有微量不会影响人健康的放射性元素的葡萄糖，我们可以在大脑外部用仪器探测到其散发出的放射线，而大脑工作时会消耗能量，会吸收掉葡萄糖，也就是说此时我们只要观察哪个区域的放射信号在变弱，就能判断那个区域正在工作。
“想象”会调用大部分脑神经结构的事实正好契合了一个假设：人的大脑的潜在运算能力其实非常强大，但人类在进行心算的时候其实是无法用最高效的手段完成计算的，因为人脑没有那个能力。人脑会先将算式转化成脑中抽象的概念，这需要调用到视觉中枢的功能，在模拟计算的时候我们又要调用许多高级功能，甚至在运算比较复杂的算式的时候，我们考虑退位、进位，还需要调用记忆功能。正是这种“低效”的计算方法才导致大脑的计算能力完全无法匹敌计算机。
不管是在对鱼的或者对什么动物的脑部实验，还是对人的脑部实验里，我们都发现，即使他们在不做任何事情的时候，脑部也是有许多自发活动的，这些活动的意义是什么，我们仍然不清楚。这是神经系统的研究目前面临的一个大问题。
神经元与突触
为了进一步的研究，我们把神经系统进行了切片。我们发现神经系统里是密密麻麻的神经细胞，如果我们只染色其中的少数细胞，我们会在颜色交界处发现其实它们有很多网状结构，这些网状结构就是所谓的神经网络，神经系统的功能都是靠这些来实现的。人的大脑有上千亿个神经细胞，我们管它们叫神经元，通过它们之间的互相连接，我们得到了一个由百万亿计的连接组成的一个复杂的神经网络，用来进行感知、运动、思维等各种功能，神经元是有结构的细胞，有输入端也有输出端，它的输出端叫轴突，输入端叫树突。
我们在这里演示一个斯坦福大学实验室做的一个实验，通过特定方法的荧光染色，我们发现小鼠大脑的内部有很规则的也有非常复杂的网络，在这张图中，皮层上方的结构排列比较整齐，下面的区域是另外一种样式了。
imgLoading
我们刚才看到的叫做介观层面(注：这是一种介于宏观和微观之间的尺度)。在这个层面我们可以最好的探究不同种类的神经细胞有什么样不同的作用。宏观太大，而微观又使他们之间的关系变得不明显。绘出介观层面的结构只是第一步，我们需要理解这里面的功能，需要理解它们的功能信息处理和功能机制。在过去的许多年里，我们对这个问题已经有了比较清楚的答案，而且这个过程中诞生了一连串的诺贝尔奖：细胞之间传递信息靠的是脉冲，其中包含的信息是由脉冲的频率和时序决定的，而与幅度无关。脉冲在细胞内运动，而在细胞之间需要通信的时候，传递信息的细胞会从轴突上释放出小泡，通过这些小泡中的化学物质产生离子流动造成电位变化，在膜外传播到下一个接收细胞的树突上，这个过程非常复杂，我们叫做化学突触传递，由于过程经过了细胞外，因此这个过程是可以调节的，我们可以通过外接手段促进或者压抑这个信号，从而干预这个传递的过程和结果。
目前哪怕是做出一个200多层的好用的人工神经网络都已经是值得大书特书一番的事情，而大脑中的神经元如果硬要分层，不知道可以分成多少层了，当然，虽然人工神经网络的灵感来源于人的神经网络，但它们的工作原理其实并不是很像。
生物好的小伙伴应该记得(当然如果忘记了也别气馁XD)，在高中的生物书上学到神经元这一节的时候，老师应该拿麻醉剂举过例子，麻醉剂的原理就是通过药物堵塞神经细胞间的离子通道，让代表痛觉的信号极少，乃至无法传递至我们的大脑中，从而达到暂时消除痛觉的目的，这正是这个传播方式的典型案例。
另外，在每一个突触释放多少化学物质，接受多少化学物质，都可以改变，这让突触变得非常有可塑性。而这个突触可塑性就是神经系统里信息处理的非常重要的关键，也是我们说的认知学习的关键，化学物质在突触产生的电信号我们叫突触电位，兴奋性突触电位是使突触后的膜电位有去极化下降，假如下降程度超过一个预值就发放脉冲，也就是神经要发出的信号，但有些物质产生超级化，就是使膜电位变的更高就会产生相反作用，一个神经元接收到数百个甚至上千个输入，我们叫做EPSP跟IPSP的输入叠加之后，决定最后是不是超过阈值，超过阈值就发放，发放之后就是信号整合，就传到下一个神经元了，这是信息传递的原理。
环路、网络、神经活动
接下来我们将更复杂一点的结构：环路。我们可以这样理解：神经网络的整体的互相连接叫网络，而在网络之间有很多各种特殊功能的路径，这些路径就叫环路。也就是说，神经环路的意思就是神经元上有特殊功能的网络，也是轴突与树突形成的，在这个网络里抑制性神经元有关键的作用。很多时候通过促进和抑制的共同作用，我们才能完成一些行为活动。
前面提到的这个神经可塑性，我个人认为是过去50年来对大脑的理解中最重要的理解，因为这个理解间接验证了一个假说：60年前加拿大的心理学家海布(Donald Olding Hebb)提出了这个假说：如果两个细胞间多次发生同步的电活动，那么它们突触间的连接就会加强或者说稳固，如果出现不同步的电活动，这些突触就会削弱甚至消失，我们管它叫海布学习法则。可以理解为：如果大脑经常被同样的东西刺激(在神经元间产生同样的电信号)，大脑就会对这个东西越来越敏感。这个说法在70、80年代得到了实验证据：电活动可以造成突触的长期强化或者长期弱化现象。如果你刺激高频刺激突触，维持一秒钟，刺激后的突触点位会比刺激前上升，而且这个上升的幅度可以维持很长一段时间，而如果使用低频刺激，结果会是相反的，效率会下降，变得弱化。最近也有实验室发现小鼠活体在进行学习的过程中，在神经元之间产生了新的突触，后来经过观察，这种新的突触的产生在成年个体的大脑里面也会出现，但是出现的频率会远小于发育过程中。
海布的这个假说非常了不起，神经元的可塑性也支持了他的假说。而这个假说进一步推理下去，还可以形成对感知记忆形成原理的一个假说：感知信息传递到大脑中之后，强化了一群神经元之间的联系，而这些被强化的联系其实就是记忆。这些被感知信息所刺激而加强的细胞叫海布细胞群，在这之后，由于它们之间的关联性是非常强的，只要你能通过其中的一部分信息刺激它，就能通过这部分信息使整个细胞群重新开始活动。从而提取出所有记忆。
看了“人工智能神经网络论文”的人还看了：
1.人工智能结课论文
2.人工智能课程论文
6.人工智能结课论文
人工智能神经网络论文(2)
