诺奖得主Edvard Moser:神经科学发展将促进人工智能

Edvard Moser，2014年诺贝尔生理学或医学奖获得者
                                                                                       
　　新浪科技讯 8月10日晚间消息，2018年8月10―12日，以“共享全球智慧，引领未来科技”为主题的世界科技创新论坛在北京会议中心举办，2014年诺贝尔生理学或医学奖获得者Edvard Moser教授在主题对话“生命与宇宙”中发表了题为“网格细胞、神经计算和人工智能”的演讲。

　　大脑中细胞是如何进行信号传输，大脑如何进行空间定位呢？Edvard Moser教授表示，人类的大脑大概有一千亿个神经元，每个细胞会和周边一万个细胞进行信号交流。为了解决大脑细胞如何记忆时间的问题，通过研究，他们课题组发现即使我们进入睡眠状态，大脑中的某些位置细胞也会被激活。那么各种类型的脑细胞之间是如何配合的呢？通过目前新的技术，可以同时记录成百上千的神经细胞被激活时的信号，这方面目前有了很多研究进展。

　　谈到人工智能和人类大脑的关系，Edvard Moser教授表示，过去计算机主要用来进行运算，但对计算机来说，比较困难的是如何来识别物体，因此，我们可以通过神经网络来改进计算机，另外，可以让人工智能的通过自我培训来进行学习升级。目前，机器学习已经取得了巨大进展。在某些方面，计算机已经超越了人类。Edvard Mose教授相信，未来神经科学会有更好的发展，而且神经科学的发展也会促进人工智能的发展。

　　据了解，Edvard Moser教授因发现构成大脑定位系统的细胞而获得了2014年诺贝尔生理学或医学奖。（河雨）

　　人的大脑内部有大量的脑细胞、神经元，他们通过彼此连通，这么多的信息传输的通道，它分布在整个大脑中，在大量的信息中我们如何去寻找信息的痕迹呢？我们一直致力于通过观察脑细胞来推断它的机制。比如在内嗅皮层内的网格细胞有助于帮我们判断方向和距离，再来看人的大脑和人工智能AI之间的关系，人工智能在过去几年取得了巨大的进展。现在计算机已经能打败世界上最厉害的国际围棋手，也就是说可以利用人工智能的网络通过自我培训掌握这种技能。这个网络不仅打败了人，而且打败了只有空间细胞和网格细胞的这个机器。未来神经科学会有更好的进展，我们可以利用人脑去提高计算机的能力，我们甚至可以利用计算机去研究人脑的能力。

　　以下是演讲全文：

　　我也要感谢主办方邀请我参加此次论坛，这里我要解决时间的问题，由于大脑存在复杂性，我们还是用图画说明问题，给大家看一个视频短片，我们看一下人的大脑内部的机制，这里有大量的脑细胞、神经元，他们通过彼此连通，细胞之间的彼此连通，当一个神经元向周围的神经元发布信号，其实是一种化学反应，然后把信号传递给周围的神经元。通过这种方式，将信号传输到整个大脑，但是有多少数量呢？人类的大脑是有点不到1000亿神经元，每一个神经元跟一万个神经细胞相连，这样大家乘一下，有这么多的信息传输的通道，它分布在整个大脑中，在大量的信息中我们如何去寻找信息的痕迹呢？听上去是个非常难的任务，由于它分布在整个大脑，而且数量巨大。说实话，在过去10~20年，神经科学的进展并不明显，虽然有几个领域比较好。一个也就是进展最明显的，这就跟脑功能相关的一个领域，就是空间定位，我们如何去判断我们的位置在哪里，以及如何从地点A到地点D，这个方面还是取得了进展的。

　　我们看这张幻灯片。红色是海马体，蓝色是内嗅皮层，通过两个大脑的部位来解决人脑的定位问题。

　　下一张幻灯片。这一张是对前面May-Britt发言的补充，前面她介绍了位置细胞、网格细胞、头方向细胞、速度细胞等等，这里我又补充了一下，这里是对前面May-Britt演讲的补充。在过去10~20年中我们又发现了更多类型的脑细胞，这些脑细胞就像一个机器构成的螺丝螺母，虽然我们发现了这些细胞，知道了有不同种类的螺丝螺母，但这些不同的细胞如何合作呢？首先我们区分了位置细胞和网格细胞的差别，这里先讲位置细胞。

　　对于每一个我所处的地方都会形成一个独一无二的地图，以会议室为例会使大脑中某些细胞激活，通过这些细胞会看到我们所处在房间的什么位置，两个细胞可以同时被聚合。比如这个房间内脑子里有两个细胞同时激活，到另外一个房间就不会被同时激活，就会形成地图的独一无二性，在这个房间和另外一个房间形成了酒店位置是不一样的，所以它涉及到了海马体和内嗅皮层，但它会形成独一无二的地图。也就意味着，两个脑细胞当你所处一个房间的时候被同时激活，甚至在我们睡觉的时候，只要我们进入了同一个房间的同一个地点都会使得你某些脑细胞被激活，哪怕在睡眠状态，就是细胞之间维持了一些内在的关系。

　　这个发现对我们非常有用，在内嗅皮层内的网格细胞有助于帮我们判断方向和距离，因为我们的矩阵不会随着你的改变而改变，那么我们在内嗅皮层内还要对这个存储的记忆进行处理。

　　再看这张幻灯片，这张幻灯片回答了所有的细胞之间如何配合工作的问题。我们不仅要了解单独的细胞的工作，我们还要知道大量的细胞共同工作时候的机制，这一方面目前取得了大量的进展，在神经科学方面。现在随着新技术的出现，使我们可以记录几百个甚至几千个细胞同时被激活的情况，这里给大家展示一个新的技术，一会儿给大家看一个新的技术，用这个新的技术告诉大家我们是如何记录不同细胞，几百个、上千个细胞如何同时被激活。一会儿看到一个老鼠在一个盒子里跑来跑去，我们会将一个示位器放在一个大鼠的大脑上，我们看一下非常小的脑细胞是如何被激活的。

　　一般来说实验室的机器非常大，但随着试验设备的小型化，可以小到研究大鼠的一个脑细胞，像我们知道北京大学也具备了这方面的能力，也跟我们开展了一些研究的合作，一会儿大家看一下我们在试验室的一些试验活动的记录。

　　有了这个微型示波器，我们可以看当大鼠在盒子中跑来跑去的时候，脑细胞的激活情况。这里我们看到大脑皮层的几百个神经元，我们利用了荧光剂的显影，当这些神经元被激活的时候，它就会亮起来，那我们可以追踪几百个脑细胞的激活情况。我们感兴趣的是当小鼠在盒子里跑来跑去的时候，这些神经元如何被激活，以及神经元之间是如何沟通的。我们不仅要研究独立的脑细胞以及他们之间的沟通，微型示波器是个城乡率比较低的显微镜，不仅可以用来研究大鼠，也可以用来研究人。

　　这里我总结一下，这里可以同时看到很多的脑细胞，我们通过观察来推断它的机制。

　　下一张幻灯片，这里我想谈时间，我们已经研究空间二十多年了，我们对时间的理解远不如对空间的理解，好在最近我们在时间方面有了巨大的进展，Albert Tsao是我们的博士生，以前跟我们一起合作。我们来看他的试验的主要想法，在一个开放的盒子里大鼠跑来跑去，在一个小时内12个盒子，他们看脑细胞的活性，寻找规律，随着时间的进展，看上面这一排这是300分钟，大鼠一会儿在黑的盒子里，一会儿在白的盒子里。我们再来看，大鼠的那细胞在12个不同的测试过程中，它的活性。这里有不少的细胞是能反映时间进展的，如果我们记住大脑某一个地方的数量，这里叫做LEC，就是内嗅皮层的外侧，LEC这个区域，就会发现与时间相关的脑细胞要比空间的脑细胞多。所以说通过这些细胞的活性，我们可以判断它们是否主要存在于该区域。

　　下一张幻灯片。在这里，我们可以推断把它所有的活动加在一起，可以看它的实际问题。比如当大鼠走进一个盒子的时候，我们可以去培训它的神经网络，然后我们让计算机经过这样的学习之后去预测，它的预测准确性达到100%，这就说明大脑这个区域在空间区域边上，这个区域可以说是大脑负责时间编码的区域，它的精度是非常高的。

　　下一张幻灯片。这里有一个非常有意思的方面，我们说到时间它有一个问题，因为时间是流动的，它不会重复，所以时间是不可复制的，试验已经完成了，不可以再重新做一遍。但当我们培训了老鼠，培训了它做同样的事情，做的次数足够多。比如这里有一个“8”的形状，专门跑“8”的形状，May-Britt做的一项研究就是就是怎么样去准确的预测老鼠在黑白箱子中的成功率。

　　我们看在试验内，老鼠被培训之后，发现它的成功率更高了，要比之前的成功率更高了，这就说明老鼠的神经网络它可以学会，这个试验做的次数多了之后，它可以学会。那么这个我们得出一个结论，在大脑这个区域，离空间记忆区很近，在这个地方是专门记录时间的进展的。那么这种随机的活动，只要它发生的次数足够多，它会带来一种周期性，它自己就会生成这种周期性。那么这时候我们就要问自己，时间到底是什么？对于大脑这个区域来说，这个时间不像一个钟，它只不过是把时间总结出一个规律来，它不是针对自然的时间，而是针对它的一种经历对它进行编码。

　　还有几分钟，我介绍一下跟本次论坛有联系的主题，因为我们讲的是世界科技创新论坛，这里我想谈谈人的大脑和人工智能AI之间的关系，人工智能在过去几年取得了巨大的进展。过去计算机主要用来更快的运算和寻找信息，但是对电脑来说比较困难的任务是解决那些对人脑甚至老鼠脑来说非常简单的活动。比如说识别物品，对电脑来说是很难的，怎么让计算机认识到这两个物体不是讲台的一部分，对于人脑来说这是很简单的，但是对于计算机来说它无法识别这两个物品不是讲台的一部分。

　　当然，现在计算机这个能力在提升，但是这里我们认识到电脑需要得到改进。第一，我们需要电脑利用神经元网络去运算，它有不同的层次，像神经元网络一样有不同的层次。第二，我们希望计算机具备学习能力，因为大脑具备学习能力，大脑通过学习之后能加强脑细胞之间的联系，基于脑内的活动，大脑可以通过自己内部自动调节使得下一次的表现更好，我们希望计算机也具备这个能力。

　　下一张幻灯片。这里举了两个例子，这是计算机在下围棋，现在计算机已经能打败世界上最厉害的国际围棋手，也就是说可以利用人工智能的网络通过自我培训掌握这种技能。去年，一群在伦敦的deep-mind团队培训了电脑，它不需要规则，让计算机自我培训，最后一百局以百胜打败了人的冠军，所以机器学习也取得了巨大进展。

　　这个和我们的导航有相关吗？说到导航又说到我们的网格细胞，这是伦敦的同一群人员，他们培训了电脑、人工代理。通过给电脑有关空间和方向的信息，看电脑是否能自我学习。首先他们用像对角线这种方式自我组织，让电脑参与了一个VR环境的导航，这个VR环境里面有很多的门，说你能不能找到从一个点到另一个点最近的距离，这两个点也是不能直接联系的。发现机器的表现要比非常擅长玩VR游戏的人的表现还要好，也就是计算机超过了人的判断力。

　　这个网络不仅打败了人，而且打败了只有空间细胞和网格细胞的这个机器。未来神经科学会有更好的进展，这是我的合作团队，那么现在正处于该项研究的非常有趣的历史时机，而且我们这领域的发展会对人工智能的进步产生重大的促进作用。

　　我们可以利用人脑去提高计算机的能力，我们甚至可以利用计算机去研究人脑的能力。谢谢大家！