腦科學(xué)與類腦研究概述*

蒲慕明　 徐 波　 譚鐵牛1 中國科學(xué)院上海生命科學(xué)研究院神經(jīng)科學(xué)研究所 上海 2000312 中國科學(xué)院自動化研究所 北京 1001903 中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心 上海 200031

腦科學(xué)與類腦研究概述*

蒲慕明1，3**徐 波2，3**譚鐵牛2，3**
1 中國科學(xué)院上海生命科學(xué)研究院神經(jīng)科學(xué)研究所 上海 200031
2 中國科學(xué)院自動化研究所 北京 100190
3 中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心 上海 200031

編者按 腦科學(xué)和類腦智能技術(shù)是當(dāng)前國際重要科技前沿，其對人類健康和新一代人工智能技術(shù)及新型信息產(chǎn)業(yè)的發(fā)展意義重大，是國際科技界必爭的重要戰(zhàn)略領(lǐng)域。我國即將啟動“中國腦計劃”（腦科學(xué)和類腦研究）重大科技專項，以期在未來15年內(nèi)，使我國在該領(lǐng)域處于國際前沿地位。為此，本刊特策劃推出“腦科學(xué)與類腦智能”專題，系統(tǒng)評述國內(nèi)外腦科學(xué)和類腦智能技術(shù)研究進(jìn)展、未來15年發(fā)展趨勢和有望解決的重大科學(xué)問題，以及我國在該領(lǐng)域的特色和優(yōu)勢。希望其對上述重大專項的實施、推進(jìn)和我國相關(guān)領(lǐng)域的研究有所借鑒和助益。本專題由蒲慕明院士、郭愛克院士、譚鐵牛院士、張旭院士共同指導(dǎo)推進(jìn)。

腦科學(xué)和類腦智能技術(shù)是兩個重要的前沿科技領(lǐng)域；二者相互借鑒、相互融合的發(fā)展是近年來國際科學(xué)界涌現(xiàn)的新趨勢。腦科學(xué)研究對大腦認(rèn)知神經(jīng)原理的認(rèn)識，提升了人類對自身的理解和腦重大疾病的診治水平，也為發(fā)展類腦計算系統(tǒng)和器件、突破傳統(tǒng)計算機(jī)架構(gòu)的束縛提供了重要的依據(jù)。文章概括性地總結(jié)了國際腦科學(xué)和智能技術(shù)領(lǐng)域的總體進(jìn)展，未來 15 年的發(fā)展趨勢和有望解決的重大科學(xué)問題，以及我國在這兩領(lǐng)域發(fā)展的特色和優(yōu)勢。

腦科學(xué)，神經(jīng)網(wǎng)絡(luò)，腦疾病，人工智能，類腦研究，智能機(jī)器人

人類的大腦是生物演化的奇跡，它是由數(shù)百種不同類型的上千億的神經(jīng)細(xì)胞所構(gòu)成的極為復(fù)雜的生物組織。理解大腦的結(jié)構(gòu)與功能是 21 世紀(jì)最具挑戰(zhàn)性的前沿科學(xué)問題；理解認(rèn)知、思維、意識和語言的神經(jīng)基礎(chǔ)，是人類認(rèn)識自然與自身的終極挑戰(zhàn)。腦科學(xué)對各種腦功能神經(jīng)基礎(chǔ)的解析，對有效診斷和治療腦疾病有重要的臨床意義；腦科學(xué)所啟發(fā)的類腦研究可推動新一代人工智能技術(shù)和新型信息產(chǎn)業(yè)的發(fā)展。

《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006—2020）》對腦科學(xué)與認(rèn)知科學(xué)研究做了戰(zhàn)略規(guī)劃：“腦功能的細(xì)胞和分子機(jī)理，腦重大疾病的發(fā)生發(fā)展機(jī)理，腦發(fā)育、可塑性與人類智力的關(guān)系，學(xué)習(xí)記憶和思維等腦高級認(rèn)知功能的過程及其神經(jīng)基礎(chǔ)，腦信息表達(dá)與腦式信息處理系統(tǒng)，人腦與計算機(jī)對話等。”近年來，腦科學(xué)在基礎(chǔ)研究和應(yīng)用方面醞釀著歷史性的重大突破，發(fā)達(dá)國家紛紛推出大型腦研究計劃；我國政府亦將啟動“腦科學(xué)與類腦研究”國家科技重大專項：側(cè)重以探索大腦認(rèn)知原理的基礎(chǔ)研究為主體，以發(fā)展類腦人工智能的計算技術(shù)和器件及研發(fā)腦重大疾病的診斷干預(yù)手段為應(yīng)用導(dǎo)向。面對激烈的國際競爭以及迫切的社會需求，“腦科學(xué)與類腦研究”項目的實施，將有助于我國在腦認(rèn)知原理、類腦人工智能和腦疾病診治的前沿領(lǐng)域取得重大突破，在國際上產(chǎn)生引領(lǐng)作用。

1 國際腦科學(xué)和類腦研究的回顧與前瞻

1.1腦科學(xué)的回顧

現(xiàn)代神經(jīng)科學(xué)的起點(diǎn)是神經(jīng)解剖學(xué)和組織學(xué)對神經(jīng)系統(tǒng)結(jié)構(gòu)的認(rèn)識和分析。從宏觀層面，Broca 和 Wernicke 對大腦語言區(qū)的定位，Brodmann 對腦區(qū)的組織學(xué)分割，Penfield 對大腦運(yùn)動和感覺皮層對應(yīng)身體各部位的圖譜繪制、功能核磁共振成像對在活體進(jìn)行任務(wù)時腦內(nèi)依賴于電活動的血流信號等，使我們對大腦各腦區(qū)可能參與某種腦功能已有相當(dāng)?shù)睦斫狻Ｓ捎诿恳荒X區(qū)的神經(jīng)元種類多樣，局部微環(huán)路和長程投射環(huán)路錯綜復(fù)雜，要理解神經(jīng)系統(tǒng)處理信息的工作原理，必須先具有神經(jīng)元層面的神經(jīng)聯(lián)結(jié)結(jié)構(gòu)和電活動信息。20 世紀(jì)在神經(jīng)元層面從下而上的研究也有了一些標(biāo)志性的突破，如 Cajal 對神經(jīng)系統(tǒng)的細(xì)胞基礎(chǔ)及神經(jīng)元極性結(jié)構(gòu)和多樣形態(tài)的分析， Sherrington 對神經(jīng)環(huán)路和脊髓反射弧的定義，Adrian 發(fā)現(xiàn)神經(jīng)信息以動作電位的頻率來編碼信息的幅度，Hodgkin 和 Huxley 對從動作電位的離子機(jī)制并發(fā)現(xiàn)各種神經(jīng)遞質(zhì)及其功能，Katz 和 Eccles 對化學(xué)突觸傳遞的分析，Hubel 和 Wiesel 發(fā)現(xiàn)各種視覺神經(jīng)元從簡單到復(fù)雜的感受野特性，Bliss 和 Ito 等人發(fā)現(xiàn)突觸的長期強(qiáng)化和弱化現(xiàn)象，O'keefe 等人發(fā)現(xiàn)對特定空間定位有反應(yīng)的神經(jīng)元等，使我們對神經(jīng)元如何編碼、轉(zhuǎn)導(dǎo)和儲存神經(jīng)信息有了較清楚的理解，但是這些神經(jīng)元的特性是如何通過局部環(huán)路和長程環(huán)路產(chǎn)生的，我們的理解還十分有限。至于對環(huán)路中的神經(jīng)信息如何產(chǎn)生感知覺、情緒、思維、抉擇、意識、語言等各種腦認(rèn)知功能的理解更為粗淺。問題的關(guān)鍵是，我們對腦功能相關(guān)的神經(jīng)環(huán)路結(jié)構(gòu)和神經(jīng)信息處理機(jī)制的解析仍極不清楚。

1.2腦科學(xué)領(lǐng)域的重大問題：從圖譜制作到機(jī)制解析

就像 20 世紀(jì) 90 年代“全基因組測序”是理解生物體基因基礎(chǔ)的關(guān)鍵，“全腦圖譜的制作”已成為腦科學(xué)必須攻克的關(guān)口。核磁共振等腦成像技術(shù)大大推動了人們在無創(chuàng)條件下對大腦宏觀結(jié)構(gòu)和電活動的理解［1］。但是由于這些宏觀成像技術(shù)的低時空分辨率（秒、厘米級），不能滿足在解析大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和工作原理時的需求，目前急需有介觀層面細(xì)胞級分辨率（微米級）神經(jīng)網(wǎng)絡(luò)的圖譜和高時間分辨率（毫秒級）的載體神經(jīng)元集群的電活動圖譜。完整的全腦圖譜制作的必要過程中，對每個腦區(qū)神經(jīng)元種類的鑒定是必要的一步。目前使用單細(xì)胞深度RNA測序技術(shù)對小鼠大腦進(jìn)行的鑒定中，已發(fā)現(xiàn)許多新的神經(jīng)元亞型。利用在這些神經(jīng)元亞型特異表達(dá)的分子作為標(biāo)記，可以繪制各腦區(qū)各種類型神經(jīng)元的輸入和輸出聯(lián)接圖譜。對一個神經(jīng)元亞型的最好的定義是連接和功能的定義：接受相同神經(jīng)元的輸入并對相同腦區(qū)的相同神經(jīng)元有輸出的一群神經(jīng)元。在建立結(jié)構(gòu)圖譜后，需要描敘各個神經(jīng)聯(lián)接在進(jìn)行腦功能時的電活動圖譜，這就需要有對神經(jīng)元集群在體內(nèi)的觀測手段。有了神經(jīng)元層面的網(wǎng)絡(luò)電活動的圖譜，并進(jìn)一步用操縱電活動的方式來決定該電活動與腦功能的因果關(guān)系，就能逐步解析腦功能的神經(jīng)基礎(chǔ)。

上述三類腦圖譜（神經(jīng)元種類圖譜、介觀神經(jīng)聯(lián)接圖譜、介觀神經(jīng)元電活動圖譜）的制作將是腦科學(xué)界長期的工作。以目前已有的技術(shù)，鑒別小鼠全腦的所有神經(jīng)元的類型和介觀層面的全腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖譜制作至少需要10—15年，而對非人靈長類（如獼猴）則可能需要20—30年以上的時間。當(dāng)然，與過去人類基因組測序一樣，腦結(jié)構(gòu)圖譜制作的進(jìn)展速度很大程度上依賴于介觀層面觀測新技術(shù)的研發(fā)，后者又依賴于對新技術(shù)研發(fā)和圖譜制作的科研投資。值得注意的是，在全腦神經(jīng)聯(lián)接圖譜未完成前，神經(jīng)科學(xué)家針對特定腦功能的已知神經(jīng)環(huán)路，對其工作機(jī)制已作出了許多有意義的解析。尤其是在過去 10 年中，使用小鼠為模型，利用光遺傳方法操縱環(huán)路電活動，對特定神經(jīng)環(huán)路的電活動與腦認(rèn)知功能之間的因果關(guān)系的理解，取得了前所未有的進(jìn)展［2，3］。神經(jīng)系統(tǒng)內(nèi)所有的腦功能環(huán)路都存在于彼此相連的神經(jīng)網(wǎng)絡(luò)之中，許多認(rèn)知功能的神經(jīng)環(huán)路都牽涉到許多腦區(qū)的網(wǎng)絡(luò)，全腦的結(jié)構(gòu)和電活動圖譜是完整地理解大腦功能神經(jīng)基礎(chǔ)所必需的［4］。

許多動物都具有基本腦認(rèn)知功能，例如感覺和知覺、學(xué)習(xí)和記憶、情緒和情感、注意和抉擇等，這些功能的神經(jīng)環(huán)路和工作機(jī)理研究，可使用各種動物模型（包括果蠅、斑馬魚、鼠、猴等）；但是對高等腦認(rèn)知功能，如共情心、思維、意識、語言等，可能有必要使用非人靈長類（如獼猴和狨猴）為實驗動物。介觀神經(jīng)網(wǎng)絡(luò)的神經(jīng)元類別、結(jié)構(gòu)性和功能性的聯(lián)接圖譜繪制，在未來 20 年將是不可或缺的腦科學(xué)領(lǐng)域。我國科學(xué)家有望在此領(lǐng)域發(fā)揮引領(lǐng)作用。

1.3腦健康領(lǐng)域的重大問題：腦疾病的早期診斷和干預(yù)

據(jù)世界衛(wèi)生組織定量評價，全球各類疾病給社會造成的負(fù)擔(dān)中，腦疾病占 28%，已超過心血管疾病或癌癥。其中備受關(guān)注的腦疾病包括神經(jīng)發(fā)育疾病（如自閉癥）、精神疾病（如抑郁癥）和神經(jīng)退行性疾病（如老年癡呆癥等）。神經(jīng)發(fā)育疾病是一類由腦部生長和發(fā)育缺陷導(dǎo)致的疾病，表現(xiàn)為情緒、認(rèn)知等功能的異常。不少病變發(fā)生的時期較早，在嬰兒期或童年期就有表現(xiàn)。其中自閉癥（又稱孤獨(dú)癥）主要表現(xiàn)為人際交往、情感、語言交流等方面的障礙，以及狹隘的興趣和重復(fù)刻板等怪異行為。我國 0—6 歲低齡兒童占人口總數(shù)近 8%，自閉癥的發(fā)病率很高，一般平均在 1% 左右。根據(jù)局部抽樣調(diào)查數(shù)據(jù)保守推算，我國患兒人數(shù)已過百萬，受自閉癥困擾的人群可能達(dá)千萬。精神疾病是由神經(jīng)系統(tǒng)病變導(dǎo)致的行為和心理活動紊亂，表現(xiàn)為認(rèn)知、情感、意志等精神活動出現(xiàn)不同程度的障礙。其中抑郁癥最為普遍，據(jù)中國疾病預(yù)防控制中心調(diào)查，我國抑郁癥的發(fā)病率超過 4%，患者人數(shù)超過 3 000 萬，已成為影響我國人民生產(chǎn)生活的主要病癥之一。神經(jīng)退行性疾病是一類以神經(jīng)元的結(jié)構(gòu)和功能逐漸喪失以至死亡為特征的神經(jīng)系統(tǒng)病變。其中常見的是老年癡呆癥（又稱為阿爾茨海默綜合征），在 65 歲及以上的人群中發(fā)病率約 13%，并且發(fā)病率隨著年齡的增長而大幅提高。85 歲及以上的人群，約有一半以上患有此病。2014 年我國老齡人口已突破 2 億大關(guān)，并且將以每年 100 萬的速度增長。我國屬老年癡呆癥的高發(fā)地區(qū)，目前患者人數(shù)超過 600 萬，居全球首位，且呈明顯上升趨勢。

目前科學(xué)界對這三類重大腦疾病（幼年期自閉癥和智障、中年期抑郁癥和成癮、老年期的退行性腦疾病）的病因仍不了解，治療的措施也十分缺乏。早期診斷和早期干預(yù)將是對腦疾病最有效的醫(yī)療方式。人類需要繼續(xù)探索這些腦重大疾病的致病機(jī)理，致病機(jī)理的完全理解仍有賴于闡明腦認(rèn)知功能的神經(jīng)基礎(chǔ)［5］。在完全理解機(jī)理之前，急需研發(fā)出有效的腦重大疾病預(yù)警和早期診斷的各種指標(biāo)，包括基因變異的檢測、血液體液和腦脊液中的分子成分、腦影像及腦功能的指標(biāo)等。對診斷出的早期患者，需要早期干預(yù)，以延緩或預(yù)防腦疾病的出現(xiàn)。我們需要研發(fā)早期干預(yù)的藥理、生理和物理新技術(shù)和新儀器。目前醫(yī)療界已在使用一些物理刺激技術(shù)來治療腦疾病，如穿顱磁刺激（TMS）、穿顱直流電刺激（tDCS）、深度腦刺激（TMS）等，這些刺激方法的精度和刺激模式需進(jìn)一步優(yōu)化，而優(yōu)化的過程仍依賴于腦科學(xué)對認(rèn)知功能的神經(jīng)環(huán)路所獲得的新信息。新藥物和新型生理物理干預(yù)技術(shù)的研發(fā)，需要合適的動物模型，因此，建立腦重大疾病的非人靈長類模型是不可或缺的一環(huán)。

1.4人工智能發(fā)展的回顧

1956 年夏季，以麥卡錫、明斯基等為首的一批有遠(yuǎn)見的年輕科學(xué)家探討用機(jī)器模擬智能，并提出了人工智能這一術(shù)語，60 年來該領(lǐng)域的理論和技術(shù)都得到了迅速的發(fā)展。

圖靈獎獲得者 Allen Newell 以認(rèn)知心理學(xué)為核心，探索認(rèn)知體系結(jié)構(gòu)。至今在認(rèn)知心理學(xué)與人工智能領(lǐng)域廣泛應(yīng)用于心智建模的認(rèn)知體系結(jié)構(gòu) SOAR 與 ACT-R 都是在 Newell 直接領(lǐng)導(dǎo)下或受其啟發(fā)而發(fā)展起來的，并以此為基石實現(xiàn)了對人類各種認(rèn)知功能的建模［6，7］。David Marr 不但是計算機(jī)視覺的開拓者［8］，還奠定了神經(jīng)元群之間存儲、處理、傳遞信息的計算基礎(chǔ)，特別是對學(xué)習(xí)與記憶、視覺相關(guān)環(huán)路的神經(jīng)計算建模作出了重要貢獻(xiàn)［9-12］。Hodgkin 與 Huxley 依據(jù)生理實驗結(jié)果創(chuàng)建了第一個精細(xì)的動作電位模型［13］，Misha 等人構(gòu)建了神經(jīng)元之間的突觸計算模型［14］。由瑞士洛桑聯(lián)邦理工大學(xué)（EPFL）發(fā)起的“藍(lán)腦計劃”自 2005 年開始實施，經(jīng)過 10 年的努力，目前專注于極為精細(xì)的微觀神經(jīng)元及其微環(huán)路建模，較為完整地完成了特定腦區(qū)內(nèi)皮質(zhì)柱的計算模擬［15］。但總體而言，以上工作要真正實現(xiàn)認(rèn)知功能的模擬還有很大鴻溝需要跨越［16］。

人工智能符號主義研究的出發(fā)點(diǎn)是對人類思維、行為的符號化高層抽象描述，20 世紀(jì) 70 年代興起的專家系統(tǒng)是該類方法的代表。而以人工神經(jīng)網(wǎng)絡(luò)為代表的聯(lián)接主義的出發(fā)點(diǎn)正是對腦神經(jīng)系統(tǒng)結(jié)構(gòu)及其計算機(jī)制的初步模擬。人工神經(jīng)網(wǎng)絡(luò)的研究可以追溯到 20 世紀(jì) 40 年代［17］，有些還借鑒了腦神經(jīng)元之間突觸聯(lián)接的赫布法則作為其學(xué)習(xí)理論［18］。感知器（Perceptron）是淺層人工神經(jīng)網(wǎng)絡(luò)的代表，由于其權(quán)值自學(xué)習(xí)能力引起了巨大關(guān)注［19］。Minsky 等人指出，單層感知器無法表示異或函數(shù)的缺陷使得人工神經(jīng)網(wǎng)絡(luò)研究一度陷入低谷，而反向傳播算法的提出解決了多層感知機(jī)學(xué)習(xí)的難題［20］。隨后 Minsky 在文獻(xiàn)［19］中提出的第二個問題，即當(dāng)時計算能力的提升不足以支持大規(guī)模神經(jīng)網(wǎng)絡(luò)訓(xùn)練的問題長期限制了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，直至深度學(xué)習(xí)的誕生及其支撐硬件平臺的發(fā)展［21］。在深度學(xué)習(xí)提出之前，Rumelhart 等人重新提出誤差反向傳播算法，其在非線性模式分類中顯示的強(qiáng)大性能帶動了人工神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用的一輪熱潮［22］。LeCun 等人提出的卷積神經(jīng)網(wǎng)絡(luò)受到了 Fukushima 等人更早提出的 Neocognitron 的啟發(fā)［23，24］。深度學(xué)習(xí)算法提出之后，隨著 GPU 并行計算的推廣和大數(shù)據(jù)的出現(xiàn)，在大規(guī)模數(shù)據(jù)上訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)成為可能，從而大大提升了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和泛化能力。然而，增加層數(shù)的人工神經(jīng)網(wǎng)絡(luò)仍然是腦神經(jīng)系統(tǒng)的粗糙模擬，且其學(xué)習(xí)的靈活性仍遠(yuǎn)遜于人腦［16］。

在人工神經(jīng)網(wǎng)絡(luò)的研究中，大多數(shù)學(xué)者主要關(guān)心提升網(wǎng)絡(luò)學(xué)習(xí)的性能。Poggio 及其合作者的工作是人工神經(jīng)網(wǎng)絡(luò)向更類腦方向發(fā)展的典范，特別是其模仿人類視覺信息處理通路構(gòu)建的 HMAX 模型上的一系列工作［25，26］。此外，Bengio 及其合作者融合了腦的基底神經(jīng)節(jié)與前額葉的信息處理機(jī)制，提出了類腦強(qiáng)化學(xué)習(xí)，也是人工神經(jīng)網(wǎng)絡(luò)向更類腦的方向發(fā)展有較大影響力的工作［27］。加拿大滑鐵盧大學(xué) Eliasmith 團(tuán)隊的 SPAUN 腦模擬器是多腦區(qū)協(xié)同計算領(lǐng)域標(biāo)志性的工作［28］。由 Hawkins 提出的分層時序記憶（Hierarchical Temporal Memory）模型更為深度地借鑒了腦信息處理機(jī)制，主要體現(xiàn)在該模型借鑒了腦皮層的 6 層組織結(jié)構(gòu)及不同層次神經(jīng)元之間的信息傳遞機(jī)制、皮質(zhì)柱的信息處理原理等［29，30］。

從問題求解目標(biāo)講，幾乎所有的人工智能系統(tǒng)都需要首先進(jìn)行人工形式化建模，轉(zhuǎn)化為一類特定的計算問題（如搜索、自動推理、機(jī)器學(xué)習(xí)等）進(jìn)行處理，因而人工智能系統(tǒng)都被稱為專用人工智能系統(tǒng)。IBM DeepBlue 系統(tǒng)擊敗國際象棋世界冠軍卡斯帕羅夫、IBM Watson 問答系統(tǒng)在“危險邊緣”挑戰(zhàn)賽中擊敗人類對手、Siri 等自動人機(jī)對話與服務(wù)系統(tǒng)的出現(xiàn)、Google 汽車自動駕駛等都從不同視角展示了這個領(lǐng)域的進(jìn)展。而最為震撼的是，2016 年 3 月份 Google 的 AlphaGo 程序首次利用深度學(xué)習(xí)技術(shù)擊敗人類圍棋世界冠軍。這些人工智能系統(tǒng)的出現(xiàn)，有力地推動了人工智能技術(shù)和應(yīng)用的發(fā)展，也使得人工智能成為目前 IT 領(lǐng)域最為引人注目的領(lǐng)域。

1.5類腦人工智能發(fā)展的重大問題：具有自主學(xué)習(xí)能力的智能系統(tǒng)

人工智能技術(shù)代表著國家競爭力，并正在以前所未有的速度滲透到現(xiàn)代服務(wù)業(yè)、工業(yè)和軍事等領(lǐng)域中。隨著老齡化社會的到來，需要大量具備能理解人類意圖并進(jìn)行人機(jī)協(xié)同工作的智能機(jī)器人，歐盟 SPARC 就啟動了全球最大的民用機(jī)器人研發(fā)計劃；以 IBM Watson 為代表，將有大量具備復(fù)雜數(shù)據(jù)整合和分析能力的人工智能用于醫(yī)療、法律、政府決策等領(lǐng)域，正在替代很多專業(yè)領(lǐng)域的白領(lǐng)工作；通過人工智能技術(shù)實現(xiàn)無人駕駛，不但釋放大量勞動力、提高生活質(zhì)量，且是另外一個萬億級規(guī)模產(chǎn)值的領(lǐng)域。我國人口紅利的消失也迫切需要發(fā)展各種智能機(jī)器人替代藍(lán)領(lǐng)工人，智能化成為未來工業(yè)發(fā)展的必然趨勢。德國“工業(yè) 4.0”，軟銀集團(tuán)的孫正義提出 2050 年機(jī)器人拯救日本經(jīng)濟(jì)，美國總統(tǒng)奧巴馬提出的以機(jī)器人為核心的高端制造業(yè)回歸，無不對中國智能產(chǎn)業(yè)發(fā)展構(gòu)成重大挑戰(zhàn)。美國的 X47-B 無人機(jī)實現(xiàn)在航母上的自主起降，美國的 BigDog 能在多種復(fù)雜環(huán)境中自如穩(wěn)定行進(jìn)，世界軍事強(qiáng)國已逐步形成以加速發(fā)展智能化武器裝備為核心的競爭態(tài)勢。可以說，沒有智能技術(shù)武裝的服務(wù)業(yè)、工業(yè)和軍事的大國之間的較量，就猶如侏儒和巨人的格斗。

（1）人工智能要滿足現(xiàn)實需求還缺乏足夠的適應(yīng)性。圖靈機(jī)計算的本質(zhì)是需要人們對現(xiàn)實世界進(jìn)行形式化的定義，模型能力取決于人對物理世界的認(rèn)知程度，因此人限定了機(jī)器描述問題、解決問題的程度。這使得目前的智能系統(tǒng)在感知、認(rèn)知、控制等多方面都存在巨大瓶頸。例如還難以實現(xiàn)海量多模態(tài)信息的選擇性感知與注意、模式識別與語言理解在處理機(jī)制與效率等方面與人腦相比還存在明顯不足，需要針對某個專用問題非常依賴人工輸入知識或提供大規(guī)模標(biāo)記訓(xùn)練樣本［16］。

（2）目前的人工智能技術(shù)缺乏通用性。語音識別、圖像處理、自然語言處理、機(jī)器翻譯等采用不同的模型和不同的學(xué)習(xí)數(shù)據(jù)，兩種不同的任務(wù)無法采用同一套系統(tǒng)進(jìn)行求解，不同任務(wù)之間知識也無法共享。而人腦卻采用同一個信息處理系統(tǒng)進(jìn)行自動感知、問題分析與求解、決策控制等。

（3）目前基于深度學(xué)習(xí)方法已經(jīng)在人工智能領(lǐng)域取得了很大的成功，然而其代價是高耗能。例如在執(zhí)行AlphaGo 這樣的任務(wù)時，共動用了 1 202 個 CPU 核和 176 GPU 核，采用了 40 個搜索線程進(jìn)行計算。按照這個耗能計算，我們還無法想象要實現(xiàn)一個具備大腦功能的智能系統(tǒng)按照目前的水平需要多少供電。而人類大腦的功耗僅在 20W 左右。

Ailamaki 等人［31］指出：“除人腦以外，沒有任何一個自然或人工系統(tǒng)能夠具有對新環(huán)境與新挑戰(zhàn)的自適應(yīng)能力、新信息與新技能的自動獲取能力、在復(fù)雜環(huán)境下進(jìn)行有效決策并穩(wěn)定工作直至幾十年的能力。沒有任何系統(tǒng)能夠在多處損傷的情況下保持像人腦一樣好的魯棒性，在處理同樣復(fù)雜的任務(wù)時，沒有任何人工系統(tǒng)能夠媲美人腦的低能耗性。”近年來，腦與神經(jīng)科學(xué)、認(rèn)知科學(xué)的進(jìn)展使得在腦區(qū)、神經(jīng)簇、神經(jīng)微環(huán)路、神經(jīng)元等不同尺度觀測的各種認(rèn)知任務(wù)中，獲取腦組織的部分活動相關(guān)數(shù)據(jù)已成為可能。人腦信息處理過程不再僅憑猜測，而通過多學(xué)科交叉和實驗研究獲得的人腦工作機(jī)制也更具可靠性。因此，受腦信息處理機(jī)制啟發(fā)，借鑒腦神經(jīng)機(jī)制和認(rèn)知行為機(jī)制發(fā)展類腦智能已成為近年來人工智能與計算科學(xué)領(lǐng)域的研究熱點(diǎn)［16］。

新一代人工智能需要在上述腦研究啟發(fā)下，以多腦區(qū)、多模態(tài)和多任務(wù)協(xié)同為核心，研究神經(jīng)網(wǎng)絡(luò)微觀刺激調(diào)控和宏觀動態(tài)演化、視聽觸感認(rèn)知通道及協(xié)同、長時短時記憶與決策、運(yùn)動視覺與規(guī)劃控制等，建立具有生物和數(shù)學(xué)基礎(chǔ)的計算模型與學(xué)習(xí)方法，實現(xiàn)具有自主學(xué)習(xí)能力的智能系統(tǒng)。

2 國際大型腦研究計劃概述

近年來國際上興起了腦科學(xué)研究的熱潮，發(fā)達(dá)國家紛紛推出大型腦研究計劃。其中最受關(guān)注的是 2013 年美國和歐盟分別提出的“通過推動創(chuàng)新型神經(jīng)技術(shù)開展大腦研究計劃（Brain Research through Advancing Innovative Neurotechnologies，BRAIN）”和“人腦計劃 （Human Brain Project，HBP） ”，以及 2014 年日本啟動的“腦智（Brain/MIND）計劃”。美國的腦計劃側(cè)重于新型腦研究技術(shù)的研發(fā)［32，33］，從而揭示腦的工作原理和腦的重大疾病發(fā)生機(jī)制，其目標(biāo)是像人類基因組計劃那樣，不僅要引領(lǐng)前沿科學(xué)發(fā)展，同時帶動相關(guān)高科技產(chǎn)業(yè)的發(fā)展。在未來 10 年將新增投入 45 億美元。參與此計劃的機(jī)構(gòu)包括美國政府科研資助機(jī)構(gòu)（如 NIH、NSF、DARPA）、民間基金會（Kavli、Simon 基金會）和研究所（Allen 研究所）。在計劃啟動之初，美國 NIH 成立了工作小組，邀請專家在全美各地召開討論會征求意見，并為此計劃提出了 9 項優(yōu)先發(fā)展的領(lǐng)域和目標(biāo)，其中依序為：鑒定神經(jīng)細(xì)胞的類型并達(dá)成共識；繪制大腦結(jié)構(gòu)圖譜；研發(fā)新的大規(guī)模神經(jīng)網(wǎng)絡(luò)電活動記錄技術(shù)；研發(fā)一套調(diào)控神經(jīng)環(huán)路電活動的工具集；建立神經(jīng)元電活動與行為的聯(lián)系；整合理論、模型和統(tǒng)計方法；解析人腦成像技術(shù)的基本機(jī)制；建立人腦數(shù)據(jù)采集的機(jī)制；腦科學(xué)知識的傳播與人員培訓(xùn)。

歐盟是世界最大的經(jīng)濟(jì)體，多年來對腦科學(xué)及相關(guān)疾病的研究有大量投入。2012 年 7 月“歐洲第七框架計劃（FP7）”將“腦部疾病防治”和“涉及健康、材料、神經(jīng)科學(xué)與神經(jīng)機(jī)器人的信息通信技術(shù)”作為新的資助主題，共投入 19.2 億歐元。2013 年 1 月歐盟正式公布“人腦計劃”（HBP）為未來新興技術(shù)旗艦計劃（FETFlagship）的兩大計劃之一。該計劃原由瑞士的神經(jīng)學(xué)家 Henry Markram 構(gòu)思并領(lǐng)導(dǎo)籌劃［34］，初始目標(biāo)是用超級計算機(jī)來模擬人類大腦，用于研究人腦的工作機(jī)制和未來腦疾病的治療，并借此推動類腦人工智能的發(fā)展。參與的科學(xué)家來自歐盟各成員國的 87 個研究機(jī)構(gòu)。

日本在2014年啟動的國家腦計劃的目標(biāo)是“使用整合性神經(jīng)技術(shù)制作有助于腦疾病研究的大腦圖譜（ Brain Mapping by Integrated Neurotechnologies for Disease Studies，Brain/MINDS）”［35］，為期 10 年，第一年 2 700 萬美元，以后逐年增加。此計劃聚焦在使用狨猴為動物模型，繪制從宏觀到微觀的腦聯(lián)結(jié)圖譜，并以基因操作手段，建立腦疾病的狨猴模型。

3 中國腦計劃

過去兩年內(nèi)，在科技部的組織下，中國腦科學(xué)和智能技術(shù)相關(guān)領(lǐng)域的專家舉行了 10 余次討論。這些會議達(dá)成的基本共識是，我國急需啟動一項國家級“腦科學(xué)和類腦研究”計劃；并建議此計劃應(yīng)依據(jù)我國的特色、優(yōu)勢、需求和目前的科研力量，以理解腦認(rèn)知功能的神經(jīng)基礎(chǔ)為研究主體，以腦機(jī)智能技術(shù)和腦重大疾病診治手段研發(fā)為兩翼，在未來 15 年內(nèi)使我國的腦認(rèn)知基礎(chǔ)研究、類腦研究和腦重大疾病研究達(dá)到國際先進(jìn)水平，并在部分領(lǐng)域起到引領(lǐng)作用 （圖 1）。腦認(rèn)知原理的研究將可能產(chǎn)生有重大國際影響的基礎(chǔ)科學(xué)成果；腦重大疾病的研究可望建立早期診斷與早期干預(yù)的技術(shù)體系，大幅度降低腦疾病的經(jīng)濟(jì)與社會負(fù)擔(dān)。類腦研究和腦機(jī)智能技術(shù)是未來高科技領(lǐng)域的關(guān)鍵；類腦計算系統(tǒng)的突破將推動我國信息產(chǎn)業(yè)并帶動工業(yè)、農(nóng)業(yè)、金融及國防等領(lǐng)域的跨越式發(fā)展。

圖1　中國腦計劃的總體格局

在腦計劃討論中，專家們提出了一些未來研究的重點(diǎn)內(nèi)容。在腦認(rèn)知的神經(jīng)基礎(chǔ)原理領(lǐng)域，包括基本腦認(rèn)知功能（感覺和知覺、學(xué)習(xí)和記憶、情緒和情感、注意和抉擇等）以及高等腦認(rèn)知功能（同理心、思維、自我意識、語言等）的神經(jīng)環(huán)路和工作機(jī)理、人腦宏觀神經(jīng)網(wǎng)絡(luò)和模式動物介觀神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)性及功能性全景式圖譜的繪制。在類腦計算與腦機(jī)智能技術(shù)領(lǐng)域，包括類腦計算理論和新一代人工神經(jīng)網(wǎng)絡(luò)計算模型、類神經(jīng)形態(tài)的處理器和類腦計算機(jī)、類腦計算系統(tǒng)所需要的軟件環(huán)境和應(yīng)用平臺、可自我學(xué)習(xí)和能適應(yīng)環(huán)境而成長的機(jī)器人、腦機(jī)接口和腦機(jī)融合的新模型和新方法、腦活動（電、磁、超聲）調(diào)控技術(shù)等。在腦重大疾病與健康領(lǐng)域，包括了闡釋腦重大疾病（如幼年期自閉癥和智障，中年期抑郁癥和成癮、老年期的退行性腦疾病）的致病機(jī)理、確立腦重大疾病預(yù)警和早期診斷的各種指標(biāo)（包括基因譜、血液和腦脊液、腦影像和腦功能指標(biāo)）、腦重大疾病早期干預(yù)、治療與康復(fù)的（藥理、生理和物理）新手段和器件的研發(fā)、建立非人靈長類動物（獼猴為主）的腦重大疾病模型等。為支撐這些研究，需要建立關(guān)鍵核心技術(shù)研發(fā)與推廣的三類全國性平臺：腦結(jié)構(gòu)與功能研究新技術(shù)平臺、腦重大疾病臨床研究技術(shù)平臺、類腦研究工程平臺。總之，與歐、美、日新啟動的腦計劃相比，中國腦計劃所包含的內(nèi)容更為廣泛，同時對社會需求有更直接的對應(yīng)［36］。

4 中國腦科學(xué)和類腦智能技術(shù)的優(yōu)勢領(lǐng)域

《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006—2020）》將“腦科學(xué)與認(rèn)知”列入基礎(chǔ)研究 8 個科學(xué)前沿問題之一。“973” “863 ”計劃和科技支撐計劃等對腦科學(xué)研究總投入約 14 億元人民幣，國家自然科學(xué)基金資助腦研究的經(jīng)費(fèi)近 20 億元人民幣，2012 年起中科院啟動的 B 類先導(dǎo)專項“腦功能聯(lián)結(jié)圖譜計劃”，每年投入經(jīng)費(fèi)約 6 000 千萬元人民幣。通過以上項目的實施，我國已培養(yǎng)了一批積極參與國際腦科學(xué)前沿工作的科學(xué)家團(tuán)隊，建立了一些國際先進(jìn)水平的技術(shù)平臺；在腦和神經(jīng)元發(fā)育的分子機(jī)制、基因組分析和基因操作技術(shù)、突觸可塑性、膠質(zhì)細(xì)胞與神經(jīng)元的交互作用、視覺感知功能環(huán)路、情感情緒的調(diào)控機(jī)制、學(xué)習(xí)記憶和抉擇等腦認(rèn)知功能的神經(jīng)基礎(chǔ)、多模態(tài)腦成像技術(shù)、腦電信號采集分析、宏觀和介觀層面腦網(wǎng)絡(luò)結(jié)構(gòu)的觀測和分析技術(shù)等方面，已取得了一批國際水平的成果；理解腦疾病（如老年癡呆癥、帕金森病、抑郁癥、精神分裂癥、毒品成癮等）的發(fā)病機(jī)制、精神類疾病的相關(guān)基因研究、精神神經(jīng)藥物研發(fā)和進(jìn)一步研發(fā)腦疾病的預(yù)防、早期診斷和治療手段等方面已具有了初步的條件；腦疾病的轉(zhuǎn)基因獼猴模型制作，已居國際領(lǐng)先；多種腦重大疾病患者的資源庫建設(shè)、致病基因和早期生物標(biāo)記的篩選等領(lǐng)域已建立了一定的基礎(chǔ)。但是，與發(fā)達(dá)國家相比，整體水平仍有相當(dāng)差距，尤其是支撐腦科學(xué)研究的先進(jìn)技術(shù)的原創(chuàng)和研發(fā)能力差距甚大；國際影響力有限，同時缺乏整體、系統(tǒng)性的統(tǒng)籌規(guī)劃。面對時不我待的新形勢，我國必須抓住機(jī)遇，推動腦科學(xué)研究的跨越式發(fā)展。

腦機(jī)智能也得到了我國“973”“863”和自然科學(xué)基金項目的支持，其分布在《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006—2020）》前沿技術(shù)中的“智能感知”和“虛擬現(xiàn)實”等領(lǐng)域，同時在重點(diǎn)領(lǐng)域與優(yōu)先主題中“數(shù)字媒體內(nèi)容技術(shù)”也包含了人工智能技術(shù)。“973”“863”計劃和科技支撐計劃等從不同角度對人工智能研究進(jìn)行了支持。自 2008 年開始，國家自然科學(xué)基金委啟動了重大研究計劃“視聽覺信息的認(rèn)知計算”，連續(xù) 5 年資助了 73 個項目。“在感知特征提取、整合和表達(dá)”“感知數(shù)據(jù)的機(jī)器學(xué)習(xí)和理解”以及“多模態(tài)信息協(xié)同計算”等核心科學(xué)問題上取得進(jìn)展。2012 年起中科院啟動的 B 類先導(dǎo)專項“腦功能聯(lián)結(jié)圖譜計劃”，從 2015 年開始也專門將智能技術(shù)納入其中，進(jìn)行融合。

通過以上項目的實施，我國在計算機(jī)視覺、語音識別、機(jī)器翻譯和自然語言理解等領(lǐng)域已達(dá)國際先進(jìn)水平，并在產(chǎn)業(yè)化方面邁出了堅實的步伐。同時我國也在深度學(xué)習(xí)芯片體系架構(gòu)方面有所創(chuàng)新，并在類腦智能機(jī)器人方面率先進(jìn)行了布局。但是，與發(fā)達(dá)國家相比，在支撐類腦智能的前沿研究以及軟硬件結(jié)合的類腦智能機(jī)器人領(lǐng)域的原創(chuàng)與研發(fā)能力方面差距甚大。我們迫切需要按照“頂天立地”的原則，一方面抓兩個學(xué)科的融合，產(chǎn)生原始創(chuàng)新的理論和方法；另一方面要進(jìn)一步加強(qiáng)技術(shù)的應(yīng)用和產(chǎn)業(yè)化，迎頭趕上人工智能浪潮的到來。

圖2　中科院腦科學(xué)與智能技術(shù)卓越中心參與單位

圖3　中心科研攻關(guān)問題與團(tuán)隊組織

5 中科院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心

為配合國家科技發(fā)展的戰(zhàn)略需求和相應(yīng)的體制與機(jī)制改革，中科院在“四類機(jī)構(gòu)”改革的框架下，于 2014 年 8 月成立了“腦科學(xué)卓越創(chuàng)新中心”，以上海生科院神經(jīng)科學(xué)所為依托單位。鑒于腦科學(xué)與類腦研究交叉和融合發(fā)展的需求，“腦科學(xué)卓越創(chuàng)新中心”在 2015 年擴(kuò)容為“腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心”（簡稱為“腦智中心”）。腦智中心是跨學(xué)科、跨院校的組織；目標(biāo)在以科學(xué)問題為導(dǎo)向，凝聚中科院的科研實力，通過團(tuán)隊合作和學(xué)科交叉融合，解決在腦科學(xué)和類腦智能技術(shù)兩個前沿領(lǐng)域的重大問題。

腦智中心有 4 個特點(diǎn)：（1）中心的科研骨干來自中科院 20 個研究所和中科院外若干高校（圖 2）。每位科研骨干加入中心后，都須參與一個或多個研究團(tuán)隊，以合作的形式對團(tuán)隊成員共同感興趣的重大前沿科學(xué)問題進(jìn)行攻關(guān)（圖 3）。（2）與其他已有的實驗室聯(lián)盟不同，中心明確要求每位學(xué)術(shù)骨干把主要的工作精力投入到完成中心團(tuán)隊的研究課題中。依據(jù)中心、學(xué)術(shù)骨干、骨干所在單位簽訂的“三方工作協(xié)議”，所在工作單位將積極支持骨干完成中心任務(wù)，提供必要的科研條件，并按照中科院制定的《卓越中心章程》認(rèn)定與采納中心對參與成員的考核結(jié)果。（3）中心所組織的全國性科研團(tuán)隊，將配合或承擔(dān)國家中長期重大科研項目的任務(wù)。（4）中心也是中科院科研體制改革的實驗平臺，將探索各種機(jī)制，以期最大程度地避免中科院各單位間研究內(nèi)容的同質(zhì)化與碎片化。腦智中心的共建單位多、學(xué)科多樣、文化差異較大，給有效交流合作帶來相當(dāng)?shù)碾y度。為此中心采取了一些措施，包括中心成員每年必須在中心其他共建單位蹲點(diǎn)兩個星期以上，進(jìn)行開課、講座和實驗工作；啟動雙導(dǎo)師研究生制度等。腦智中心將不斷嘗試新的機(jī)制，促進(jìn)不同研究背景的科學(xué)家之間的交流合作，并建立團(tuán)隊合作，攻克重大科學(xué)問題。

中心的科研工作包括 5 個領(lǐng)域：（1）在“腦認(rèn)知功能的環(huán)路基礎(chǔ)”領(lǐng)域，中心將研究感覺輸入是如何啟動和調(diào)節(jié)動物的本能行為、神經(jīng)元震蕩活動在多感覺信息處理和整合中的作用、記憶儲存與提取的神經(jīng)機(jī)制、適應(yīng)性行為和高級認(rèn)知功能（如自我意識、共情心和語言等）的神經(jīng)環(huán)路基礎(chǔ)。（2）在“腦疾病機(jī)理與診斷干預(yù)”領(lǐng)域，中心正在利用基因操作技術(shù)，研制腦疾病的猴類模型和腦認(rèn)知研究的工具猴。中心也在研究人類特有基因在調(diào)節(jié)腦容量和腦疾病致病機(jī)理的作用；研制能早期診斷發(fā)育性、精神性和神經(jīng)退行性腦疾病的基因、分子和認(rèn)知功能指標(biāo)。（3）在“腦研究新技術(shù)”研究方向，中心正在完善鑒別神經(jīng)元類型的單細(xì)胞基因分析方法、病毒感染示蹤標(biāo)記神經(jīng)環(huán)路的方法、記錄電信號和化學(xué)信號的微電級陣列技術(shù)，以及各種觀測腦結(jié)構(gòu)和功能的光學(xué)、磁共振影像新技術(shù)。（4）在“類腦模型與智能信息處理”研究方向，中心在介觀和宏觀水平對光學(xué)和磁共振成像數(shù)據(jù)進(jìn)行全腦聯(lián)結(jié)組分析，研發(fā)多感覺模態(tài)感知和能準(zhǔn)確辨認(rèn)圖像、語音并理解語義的信息計算模型。（5）在“類腦器件與系統(tǒng)”研究方向，中心正在研發(fā)類神經(jīng)元計算芯片、新一代的神經(jīng)網(wǎng)絡(luò)計算器件、類腦智能機(jī)器人以及人機(jī)協(xié)同的智能訓(xùn)練和生長環(huán)境。

6 結(jié)語

雖然，腦科學(xué)與類腦研究是兩個目標(biāo)完全不同的領(lǐng)域：腦科學(xué)的目標(biāo)是要理解大腦的結(jié)構(gòu)和功能、演化來源和發(fā)育過程，以及神經(jīng)信息處理的機(jī)制。類腦研究的目標(biāo)是研發(fā)出新一代的智能技術(shù)，推動信息產(chǎn)業(yè)的發(fā)展。但在競爭激烈的國際科技界，哪個國家能領(lǐng)先占領(lǐng)腦科學(xué)和類腦研究的高地，很大程度要看誰能首先做到這兩個領(lǐng)域真正地融合發(fā)展。中科院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心的成立，邁出了重要的一步。

1 Van Essen， D.C. Cartography and Connectomes. Neuron， 2013，80:775-790.

2 AdamantidisA et al. Optogenetics: 10 years after ChR2 in neurons--views from the community. Nature Neuroscience，2015， 18（9）:1202-1212.

3 Rajasethupathy P， Ferenczi E， Deisseroth K. Targeting Neural Circuits. Cell， 2016， 165（3）:524-534.

4 Kandel， E. The New Science of Mind and the Future of Knowledge， Neuron， 2013， 80: 546-560.

5 Insel TR， Landis SC. Twenty-five years of progress: the view from NIMH and NINDS. Neuron， 2013， 80:561-567.

6 Anderson J R. How can the human mind occur in the physical universe？ Oxford， UK: Oxford University Press， 2007.

7 Laird J E， Newell A， Rosenbloom P S. SOAR: an architecture for general intelligence. Artificial Intelligence， 1987， 33（1）: 1-64.

8 Marr D. Vision: a computational investigation into the human representation and processing of visual information. New York，USA: W.H. Freeman and Company， 1982.

9 Marr D. A theory for cerebral neocortex. Proceedings of the Royal Society of London B， 1970， 176: 161-234.

10 Marr D. Simple memory: a theory for archicortex. Philosophical Transactions of the Royal Society B: Biological Sciences， 1971，262 （841）: 23-81.

11 Marr D. Approaches to biological information processing. Science， 1975， 190: 875-876.

12 Marr D， Poggio T. Cooperative computation of stereo disparity. Science， 1976， 194 （4262）: 283-287.

13 Hodgkin A L， Huxley A. A quantitative description of membrane current and its application to conduction and excitation in nerve. The Journal of physiology， 1952， 117 （4）: 500-544.

14 Tsodyks M， Pawelzik K， Markram H. Neural networks with dynamic synapses. Neural Computation， 1998， 10（4）: 821-835.

15 Markram H. The blue brain project. Nature Reviews Neuroscience， 2006， 7 （2）: 153-160.

16 曾毅， 劉成林， 譚鐵牛. 類腦智能研究的回顧與展望. 計算機(jī)學(xué)報， 2016， 39（1）: 212-222.

17 Farley B G， Clark W A. Simulation of self-organizing systems by digital computer. IRE Transactions on Information Theory，1954， 4（4）:76-84.

18 Minsky M L， Papert S. Perceptrons: introduction to Computational Geometry. Cambridge， USA: The MIT Press，1969.

19 Werbos P. Beyond regression: new tools for prediction and analysis in the behavioral sciences. Ph.D Thesis. Cambridge，UK: Harvard University， 1974.

20 Hinton G E， Osindero S， Teh Y W. A fast learning algorithm fordeep belief nets. Neural Computation， 2006， 18 （7）: 1527-1554.

21 Hinton G E， Osindero S， Teh Y W. A fast learning algorithm for deep belief nets. Neural Computation， 2006， 18 （7）: 1527-1554.

22 Rumelhart D E， Hinton G E， Williams R J. Learning representations by back-propagation errors. Nature， 1986，323（9）: 533-536.

23 LeCun Y， Boser B E， Denker J S， et al. Handwritten digit recognition with a back-propagation network. Advances in Neural Information Processing Systems 2. San Francisco， USA: Morgan Kaufmann Publishers， 1990， 396-404.

24 Fukushima K， Miyake S. Neocognitron: a new algorithm for pattern recognition tolerant of deformation and shifts in position，Pattern Recognition， 1982， 15（6）: 455-469.

25 Riesenhuber M， Poggio T. Hierarchical models of object recognition in cortex. Nature Neuroscience， 1999， 2（11）: 1019-1025.

26 Serre T， Oliva A， Poggio T. A feedforward architecture accounts for rapid categorization. Proceedings of the National Academy of Sciences， 2007， 104（15）: 6424-6429.

27 Rivest F， Bengio Y， Kalaska J. Brain inspired reinforcement learning. Advances in Neural Information Processing Systems 17. Cambridge， USA: The MIT Press， 2004: 1129-1136.

28 Eliasmith C， Stewart T C， Choo X， et al. A large-scale model of the functioning brain. Science， 2012， 338（6111）: 1202-1205.

29 Hawkins J. On intelligence. New York， USA: Times Books，2004.

30 George D， Hawkins J. Towards a mathematical theory of cortical micro-circuits. PLoS Computational Biology， 2009， 5（10）: e1000532.

31 Ailamaki A， Alvandpour A， Amunts K， et al. The human brain project: a report to the european commission. Technical Report，2012.

32 Alivisatos AP， Chun M， Church GM， et al.The brain activity map project and the challenge of functional connectomics. Neuron，2012， 74:970-974.

33 “Advisory Committee to the Director”. Brain Research through Advancing Innovative Neurotechnologies （BRAIN） Working Group. National Institutes of Health. Retrieved 14 April 2013.

34 Markram H （2012） The human brain project. Sci Am 306:50-55.

35 Okano H， Miyawaki A， Kasai K.Brain/MINDS: brain-mapping project in Japan. Philosophical Transactions of the Royal Society B: Biological Sciences. 2015， 370:1668.

36 Poo， M-m. Where to the mega brain projects？ Natl. Sci. Rev. 2014， 1: 12-14.

蒲慕明 中科院外籍院士，中科院上海生命科學(xué)院神經(jīng)科學(xué)所所長、研究員，中科院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心主任。1970 年畢業(yè)于臺灣清華大學(xué)物理系，1974 年于美國 Johns Hopkins 大學(xué)獲生物物理學(xué)博士學(xué)位。1976—1985 年在美國加州大學(xué)艾文分校生物物理系任助理教授、副教授、教授，1984—1986 年任北京清華大學(xué)生物系主任，1985—2000 年任美國耶魯大學(xué)、哥倫比亞大學(xué)、美國加州大學(xué)圣地亞哥分校講座教授，2001—2006 年任美國加州大學(xué)伯克利分校分子與細(xì)胞生物學(xué)系講座教授和神經(jīng)生物學(xué)部主任，2006—2013 年任該校 Paul Licht 生物學(xué)杰出講座教授。1999 年起任中科院神經(jīng)科學(xué)所首任及現(xiàn)任所長、神經(jīng)可塑性研究組組長。獲得獎項及榮譽(yù)稱號包括：美國科學(xué)院院士、中科院外籍院士、美國 Ameritec 獎、法國巴黎高等師范學(xué)院和香港科技大學(xué)榮譽(yù)博士學(xué)位、中華人民共和國國際科學(xué)技術(shù)合作獎、求是杰出科學(xué)家獎、中科院杰出科技成就獎（集體）、Gruber 神經(jīng)科學(xué)獎等。2011 年起任科技部重大科學(xué)問題導(dǎo)向“973”計劃“人類智力的神經(jīng)基礎(chǔ)”首席科學(xué)家，2012 年起任中科院戰(zhàn)略性先導(dǎo)科技專項（B類）“腦功能聯(lián)結(jié)圖譜”首席科學(xué)顧問。E-mail: mpoo@ion.ac.cn

Poo MumingDirector of Institute of Neuroscience， CAS， Head of Laboratory of Neural Plasticity， and Director of CAS Center for Excellence in Brain Science and Intelligence Technology. Poo received B.S. degree in physics from Tsinghua University （Taiwan）， China in 1970 and his Ph. D in biophysics from Johns Hopkins University in 1974. Since 1976， he was on the faculty of UC Irvine， Yale University， Columbia University， UCSD， and UC Berkeley， where he had served as the Head of Division of Neurobiology of Department of Molecular and Cell Biology （2001—2006） and Paul Licht Distinguished Professor in Biology. He was the founding Chairman of Department of Biological Sciences and Biotechnology of Qinghua University （Beijing） during 1984—1986. Poo had received Ameritec Prize （2001）， China International Science & Technology Cooperation Award （2005）， QiushiDistinguished Scientist Award （2011）， Gruber Prize in Neuroscience （2016）， and Docteur Honoris Causa from Ecole Normale Supérieure （Paris） and Hong Kong University of Science and Technology. He is a member of Academia Sinica， National Academy of Sciences （USA）， and Chinese Academy of Sciences. He is currently the Chief Scientific Advisor of the CAS Strategic Priority Research Project （Class B） on “Mapping Brain Functional Connections”. Dr Poo's research interests focus on cellular and molecular mechanisms underlying axon guidance， synaptogenesis and synaptic plasticity. E-mail: mpoo@ion.ac.cn

徐 波男，中科院自動化所所長、研究員，中科院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心副主任，中國中文信息學(xué)會副理事長。 曾任國家“863”計劃信息技術(shù)領(lǐng)域?qū)＜医M專家。長期從事語音識別與人工智能研究，主要研究領(lǐng)域包括：語音識別、多語言處理與理解、認(rèn)知計算模型與類腦智能。E-mail: xubo@ia.ac.cn

Xu BoMale， professor， President of Institute of Automation， Chinese Academy of Sciences， and deputy director of the Center for Excellence in Brain Science and Intelligence Technology， Chinese Academy of Sciences. He also serves as an associate president of Chinese Information Processing Society of China. He was a steering committee member of National high-tech Programme （“863” Program）. His main research interests include speech recognition， multilingual language understanding and translation， cognitive model and brain-inspired intelligence. E-mail: xubo@ia.ac.cn

譚鐵牛男，模式識別與計算機(jī)視覺專家。中科院院士，中科院副院長、黨組成員，中科院自動化所研究員、智能感知與計算研究中心主任。1964 年出生于湖南省茶陵縣。1984 年畢業(yè)于西安交通大學(xué)，并于 1986 年、1989 年分別獲得英國帝國理工學(xué)院碩士與博士學(xué)位。2013 年當(dāng)選中科院院士，2014 年當(dāng)選英國皇家工程院外籍院士，2014 年當(dāng)選發(fā)展中國家科學(xué)院（TWAS）院士，2015 年當(dāng)選巴西科學(xué)院通訊院士。曾任模式識別國家重點(diǎn)實驗室主任、中科院自動化所所長、中科院副秘書長、中科院副秘書長兼任國際合作局局長。中共“十六大”“十七大”“十八大”代表。主要從事模式識別、圖像處理和計算機(jī)視覺方面的研究。曾任或現(xiàn)任 IEEE T-PAMI、 Pattern Recognition、 Pattern Recognition Letters 等多個國際學(xué)術(shù)刊物的編委以及 International Journal of Automation and Computing 和 《自動化學(xué)報》主編。中國人工智能學(xué)會副理事長，國際電子電氣工程師學(xué)會（IEEE）和國際模式識別學(xué)會 Fellow，曾任國際模式識別學(xué)會第一副主席和 IEEE 生物識別理事會主席。先后獲國家自然科學(xué)獎二等獎、國家技術(shù)發(fā)明獎二等獎和國家科技進(jìn)步獎二等獎等。E-mail: tnt@nlpr.ia.ac.cn

Tan TieniuMale， professor of computer vision and pattern recognition， Vice President of the Chinese Academy of Sciences. He is Member of the Chinese Academy of Sciences， International Fellow of the UK Royal Academy of Engineering， Fellow of The World Academy of Sciences for the advancement of sciences in developing countries （TWAS）， Corresponding Member of the Brazilian Academy of Sciences， and Fellow of the IEEE and IAPR （International Association for Pattern Recognition）. Tan received his BSc in electronic engineering from Xi'an Jiaotong University， China in 1984， and his MSc and PhD degrees in electronic engineering from Imperial College London， UK in 1986 and 1989 respectively. In October 1989， he joined the Department of Computer Science， The University of Reading， UK， where he worked as Research Fellow， Senior Research Fellow and Lecturer. In January 1998， he returned to China to join the National Laboratory of Pattern Recognition （NLPR），CAS Institute of Automation as a full professor. He was the Director General of the Institute from 2000—2007， Director of the NLPR from 1998—2013， and Deputy Secretary-General of the Chinese Academy of Sciences from 2007—2015. He is currently Director of the Center for Research on Intelligent Perception and Computing at the Institute of Automation. He has published more than 500 research papers in refereed international journals and conferences in the areas of image processing， computer vision and pattern recognition， and has authored or edited 11 books. He holds more than 70 patents. His current research interests include biometrics， image and video understanding， and information forensics and security. E-mail: tnt@nlpr.ia.ac.cn

Brain Science and Brain-Inspired Intelligence Technology—An Overview

Poo Muming1，3Xu Bo2，3Tan Tieniu2，3
（1 Institute of Neuroscience， Shanghai Institutes for Biological Sciences， Chinese Academy of Sciences， Shanghai 200031， China；2 Institute of Automation， Chinese Academy of Sciences， Beijing 100190， China；3 Center for Excellence in Brain Science and Intelligence Technology， Chinese Academy of Sciences， Shanghai 200031， China）

Brain science and brain-inspired intelligence technology are two important frontier areas in science and technology. There is an emergent trend in recent years for interaction and fusion of ideas and approaches in these two areas. Elucidation of the basic neural circuit principles of cognitive processes in the brain not only allows us to understand ourselves better but also facilitates the diagnosis and intervention of brain diseases. It also helps the development of brain-like computing methods and devices， and provides the basis for a new generation of computers with design beyond von Neumann architecture. Here we provide an overview of the current status and recent international development， future trend andprospects for solving major problems， and special features and advantages of Chinese researchers in these two areas.

brain science，neural network，brain disease， artificial intelligence，brain-inspired research，intelligent robot

10.16418/j.issn.1000-3045.2016.07.001

*資助項目：中科院戰(zhàn)略性先導(dǎo)科技專項項目（B類）（XDB0200000）
** 通訊作者
修改稿收到日期：2016年7 月10日