中国科学家发现精细视觉新机制将助力人工智能发展.docx

?

?

中国科学家发现精细视觉新机制将助力人工智能发展

?

?

宋杰

人类有多种感觉器官来感知外部信息，其中80%外部信息是通过视觉获得的。但是迄今为止，视觉科学领域有一个重大基础问题——我们为什么能够同时看到画面的细节和整体，依然困扰着全球视觉神经科学家们。

国际神经科学顶级期刊《神经元》于今年3月30日发表了一个重大科技成果，探索和解答了这一视觉科学的重大命题。该成果来自中科院神经科学研究所、脑科学与智能技术卓越创新中心王伟研究组的必威体育精装版突破性研究发现——编码局部精细视觉信息的神经元不仅存在于大脑初级视觉皮层，而且聚集成群存在于中高级视觉皮层。

该研究不仅能够帮助我们认识和理解灵长类大脑的工作原理，还将为神经计算、类脑人工神经网络模型和人工智能信息处理提供新的理论指导和依据。

近日，《中国经济周刊》就此对中科院神经科学研究所博士生导师王伟进行了专访。

发现大脑中的“千里眼”

王伟告诉《中国经济周刊》，“睁眼看世界”这个看似简单的过程背后，有数百亿神经元的共同协作。过去的研究认为，视觉信息在从低级视觉脑区向高级脑区传递的过程中，将很多精细的图像信息过滤掉了。可是，为何我们最终感受到大脑呈现的图像中，不仅有整体信息，更有丰富的细节信息？针对这一视觉科学的重大问题，王伟研究团队进行了多年的研究攻关，深入解析了这一重大视觉感知问题的脑神经基础。

他们发现在灵长类较高级视觉脑区（V4）中，竟然存在能够高保真地保留原本由初级视觉大脑擅长编码的精细视觉信息，这些具有“千里眼”能力的神经元，在高级视觉大脑是成群结队集合在一起的。这意味着他们找到了之前不为人知的新的精细视觉信息处理途径。

“就像是在茫茫大海中看到了新大陆！”王伟告诉记者。这一新发现揭示了较高级视觉脑区（V4）在整体和局部的视觉编码中承上启下的关键作用。V4脑区就好像一个战场指挥官，不仅掌控着全局，还对细节了如指掌。

与此同时，王伟团队还发现，编码局部视觉信息的神经元开始反應的时间，比编码整体视觉信息的神经元至少要晚10毫秒以上。这说明在没有特定视觉任务时，视觉感知是从整体开始的。这也符合人类“先整体后细节，先森林后树木”的视觉体验。比如当你漫步田野，视觉首先感知到的是田园整体的风景，然后才是水塘边的放牛娃。

十年磨一剑

这一改写教科书的科研成果背后，是王伟团队长达10年的不懈努力。

2008年从英国全职回国建立实验室，中科院神经科学研究所能够给王伟的工资，只有他当时在英国大学工资的1/4左右。但王伟看到的是，中科院神经科学研究所所长蒲慕明院士营造的全球神经科学界独一无二的宁静科研港湾。他说，这里的科学家有稳定的运行经费支持，可以将大部分精力集中在科研上，同时科研支撑和保障服务也是国际一流的。

2009年起，蒲慕明所长利用中国优势和特色，开始打造国际一流的非人灵长类实验动物平台，这为他的研究插上了腾飞的翅膀——因为小鼠的视觉非常差，研究视觉认知及其神经活动和脑机制，必须用与人类最接近的猕猴来做实验。

王伟博士的研究方向属于系统神经生物学。国内该研究基础薄弱，尤其是绝大多数高校本科教育没有开设神经生物学专业，以至于进入神经所的硕博连读研究生缺乏神经科学专业方面的知识和训练。王伟说，做如此高难度的实验，一个学生熟练掌握实验技术就要3到5年。经费稳定，就能有稳定的科研队伍，让他们安心完成世界级难题的挑战，不急于毕业和出国。导师的科研热情，稳定的资源供给和陪伴指导，对留住他们也是十分重要的。国际同行竞争激烈，国家和研究所下达的科研任务却刻不容缓。如果此时人才资源流失，将会是创新力量的重大损失。为此，王伟博士自己冲在科研的第一线，带领研究生，主做所有关键实验和收集关键数据，并在实验过程中，向研究生示范，讲解和交流科研心得体会。

中科院神经科学研究所博士生导师王伟（右二）及其团队部分成员

“每一根头发后面都站着至少一名大脑研究人员”

脑科学是生命科学研究的最后一个终极堡垒。中国工程院院士戴琼海曾说过：尽管人工智能已经成为“工具”，逐渐渗透到人类的生活中，代替人类进行重复性工作，越来越多的机器使得人类劳动力得以解放，有精力去追求创造性，但是“现有的算法与理想智能还有距离，迫切需要对脑科学进行探索”。因此，人工智能的发展进入到了包括脑科学的认知机理在内的“生物智能”发展阶段。

人类大脑一般为1.4公斤左右，有近千亿个神经元，每个神经元又包含上千个突起，从计算单元的数量上进行比较，比目前最大规模的集成电路晶体管数量还高了数十万倍。

人工智能归根结底是以智能的方式来解决问题，理解具有超级智能的大脑工作原理，对于开发人工智能具有深刻的意义。脑科学的发展不但对于脑疾病的防治有巨大的推动作用，还将强有力地推动人工智能的进一步发展，从而推动人类经济文化的巨大变革和进步。

由于认识到脑科学对人工智能