本篇文章3203字，读完约8分钟
前言人脑的奥秘吸引了许多科学家去探索。你可能不相信，但计算机也是这次探索的成就之一。尽管今天计算机的工作原理与人脑的工作原理不相似，但这并不是发明者的初衷。目前，计算机对我们来说是一个极好的工具，但它不能帮助我们理解智力的本质。即使是流行的人工智能也远远没有达到这个目标。
然而，有些人已经注意到了这一点，并开始了一些相关的研究，希望从大脑结构中学到一些东西并将其应用到计算机中，同时试图帮助我们在更深的层次上理解智力的成因。
在长沙举行的湖南省人工智能论坛上，有两位主讲人提到了这个话题，他们是教授的“类脑计算”和郭院士的“类脑智能”。雷锋采访了姚鑫教授。在采访中，姚鑫教授向我们详细介绍了本课题的由来、发展和前景。
雷锋。你谈论的话题是像计算机一样的大脑。你和郭院士谈的类脑智能有什么区别和联系？
姚鑫:这不完全一样。郭院士讲的仍然是一些基础理论。因为从脑科学和神经科学的角度来看，他是一个真正的基础科学理论，我的研究实际上是从他们那里学习一些好的机制和想法，然后探索如何将他们的理论应用到计算机系统中。
雷锋。像计算机这样的大脑学科是什么时候以及如何形成的？
姚鑫:它的形成最初基于一个非常简单的观察。我们发现计算机科学的发展方向并不是100%按照我们最初希望计算机走的方向。在早期，至少在中国，我们都称它为计算机。从这个名字，我们可以看出，当我们第一次制造计算机时，我们实际上想制造一个可以像人脑一样工作的人工系统。然而，经过这么多年，我们发现计算机和人脑实际上正在某种程度上越走越远。例如，如果我们现在学习计算机科学，我们必须先学习编程。与人脑相比，我们可以发现人脑的学习能力与计算机有着根本的不同。计算机擅长一些相对“死”的东西，比如计算数据，但许多感知的东西速度很快，比如识别人脸或用自然语言说话。即使你不会说湖南方言，当别人说十句话时，你也可能猜出几个字。所以每个人都在想，我们是不是应该从大自然中学习一些知识，并把它应用到计算机上，这样我们就有了这门学科。事实上，最早可以追溯到20世纪50年代和60年代。
雷锋。像计算机这样的大脑主要想从人脑中学习什么？
姚鑫:我主要想学习生物大脑的机制。通过了解生物大脑的机制，我们可以尝试将其转化为计算机系统的一些算法，或者构建一些更像人脑的计算机系统。
雷锋:人工神经网络是它的成就之一吗？
姚鑫:人工神经网络是典型的代表之一，包括一种进化算法，它真正借鉴了生物进化的原理，然后将其应用于计算机。
雷锋。你在演讲中提到了大脑中的一些问题，比如计算。你对这些问题做过研究吗？
姚鑫:我对这些问题做了一些研究，偏向于计算机科学。我谈了三个问题。第一个是大脑和进化过程之间的关系。假设我们真的对像计算机这样的大脑感兴趣。也许我们应该对进化过程做进一步的研究。否则，如果你只看最终结果而忽略这个过程，你可能会错过一些东西。
第二个研究是环境可能对大脑人工智能的设计有很大影响。如果你让系统做一件事和做两件事，你会得到不同的东西。换句话说，这个东西是静态的还是动态的是不同的。举个简单的例子，不管你怎么说人工智能系统或类似大脑的系统，它都有一个载体。你把它放在电脑里。我认为对这家航空公司考虑不多。但事实上，这种现象在生物学中无处不在:所有的大脑都有一个身体。在生物学中没有光、大脑和身体这样的东西，所以两者的结合也是一项有趣的研究。对我们未来的研究也有很多启示。例如，在设计算法时，我们应该同时考虑控制器和形状，而不是分别考虑？现在我们实际上是分别做这两件事。
雷锋。你认为控制系统会影响智力吗？
姚鑫:是的，他们应该有非常密切的相互影响。
雷锋。用什么方式？你能举个例子吗？
姚鑫:我在演讲中也提到了这个例子。进化计算中有一个概念叫做共生进化。或者共生设计。也就是说，引入一种新的设计方法是好的。未来设计人工智能系统时，有必要同时设计其载体。让我们以一个智能机器人为例。如果我是一个设计良好的人工智能系统，我们在设计时应该考虑这个机器人的未来形状会是什么样子。因为形式实际上对我的智能系统有影响。现在，似乎我们总是认为我们不应该考虑四肢控制的方向，而应该更多地考虑大脑。事实上，它们是密不可分的。
在他的演讲中，姚鑫教授举了一个线虫的例子:线虫的身体通过肌肉收缩和放松引起的蠕动来移动。他们的团队用计算机模拟了线虫的神经网络，然后给出了线虫尽快从一个点游到另一个点的例子。首先，这个目标没有附加其他条件，线虫的神经网络很快形成了完美的对称类型。
但后来，姚教授在任务目标不变的情况下对线虫进行了限制，规定了线虫的姿势，使其不再像以前那样扭动，很快神经网络就适应了，形成了一个与第一个完全不同的状态。
雷锋。也就是说，你应该为你希望这个人工智能做的事情设计它的智能？
姚鑫:是的，两者应该同时考虑。
雷锋。你还问了一个问题，通用人工智能可以通过堆叠单一功能的模块来实现吗？你认为这个问题怎么样？
姚鑫:我认为我们应该使用相同的系统来完成不同的任务。我举了一个例子来说明人工神经网络系统。如果你让它做一件事，让它做很多事，你得到的神经网络结果会非常不同。当你让人工神经网络做一些事情时，它将不会有一个模块化的结构。如果你让一个神经网络做很多事情，它的模块结构会自己出来。通过这个例子，我想说明不管你想做什么样的系统。这与你希望系统做什么有很大关系。
雷锋。你之前提到的人工智能的模块化是自己出现的，还是我们自己编程的？
姚鑫:我自己做了这项研究，但我不是故意设计的。我在演讲中提到过，举个例子。
雷锋。我们已经注意到人脑不太擅长数字计算。为什么会这样？
姚鑫:事实上，我不是这个领域的专家。也许认知科学或脑科学的专家会在这个领域做更多的研究，但是我们知道这个现象。
雷锋。com(搜索“雷锋。公众关注):像计算机这样的大脑到底在追求什么样的境界？
姚鑫:实际上，有两个主要方向。一个方向是来自科学的理解，特别是像大脑科学家和认知科学家这样的专家，他们对大脑的工作机制非常感兴趣。大脑本质上是一个物理结构，由分子和原子组成。抽象智能是如何出现在其中的？每个人都想知道这个。这是研究方向之一，了解它是如何工作的，以及为什么智能会出现在其中。另一个方向与计算机、科学家和工程师密切相关。现在你对这个机制有了一定的了解。它也部分知道大脑如何工作，以及你如何将这些理解抽象到计算系统和算法中。这实际上是一个巨大的挑战，并不是说你所理解的一切都可以被构建成一个更好的计算结构。
雷锋。主要的挑战是什么？
姚鑫:首先，我们对脑科学的理解还不够。另一个挑战是将一些我们知道的定性概念转化为定量描述。因为在计算机模型中，一切都必须是定量参数。这是一个大问题。
雷锋。你认为他的目标能帮助我们创造一个通用的人工智能吗？
姚鑫:实际上我们现在正在这个领域努力工作。事实上，我们都意识到目前的人工智能系统只能做一件事。象棋就是象棋，图像识别就是图像识别。没有一个系统可以同时完成这两件事，我们希望将来能建立这样一个系统。我们也希望通过制作这个系统来帮助我们对智力有一个更定量和更深刻的理解。
雷锋。在这个过程中，类似大脑的计算也会有很大帮助。
姚鑫:我认为计算是一个非常重要的研究方向，因为计算机研究实际上包括两个方向。一个方向是我们通过人的智能设计更好的系统。这是一种自上而下的设计方法。大脑就像计算机一样，有一点点这种自下而上的意义。什么意思?这是因为我观察生物世界中的一些现象，了解这些现象，然后抽象出它们的特征。然后建立一个计算机模型，然后看看这个计算机模型可以实现智能行为的哪一部分。如今，计算机真的很擅长计算，但是当涉及到感知时，计算机就做不到了。像计算这样的大脑研究对这些领域的进步非常有帮助。如果我能把两者结合起来，我相信这些智能系统真的能在某些方面超越人类。
