郭爱克院士：智能时代脑科学的核心是探索智力的本质 及其实现

jack

郭爱克，中国科学院生物物理研究所, 脑与认知科学国家重点实验室，中国科学院上海生命科学研究院神经科学研究所


人们常说, 宇宙、物质、生命和大脑是自然界的四大奥秘. 中国人常说“天人合一”, 人脑的神经元数量超过了整个银河系星星的数量, 大概有 1000 亿个.人脑是智力演化最伟大的奇迹, 它是“灵性的王国”[1].许多世纪以来, 哲学家、科学家, 尤其是心理学大家们孜孜求索人的本质、心的本质、脑的本质(即智力的本质), 试图回答人脑是如何工作的, 人的精神现象是如何产生的, 物质如何变成精神, 精神如何变成物质等问题[2]. 恩格斯曾将“思维着的精神”比作是“地球上最美的花朵”[3], 何等的生动、深刻而美妙.人脑是非常精细、复杂、优美、可塑的器官, 它是集智慧之大成, 集大成之智慧, 它以其非凡的智力造就了人类知识体系和文明的社会传承.

脑科学是探索心-智关系(brain and mind)(或称“神-智”、“脑-智”)的科学, 是研究人、动物和机器的认知与智能的本质与规律的科学. 回答智力和创造性是从哪里来的, 什么是记性, 什么是忘性, 什么是个性, 什么是人性, 什么是德性, 什么是理性, 什么是创造性, 什么是社会性, 怎样做决策, 如何防范脑疾病的定时炸弹, 如何推迟脑衰老, 能否创造脑式的人工智能系统等. 其科学目标是认识和理解脑, 保护和促进脑, 开发和创造脑.

什么是智力 ? 瑞士发展心理学家让·皮亚杰(Piaget, 1896~1980), 将“适应(adaptation)看作是智力的本质, 人的智力的发展过程被视为其适应水平不断提高的过程”, “智力就是你不知道怎么办时动用的东西”[4].

Hawkins[5]提出了智力的框架是“记忆-预测”(“thememory-prediction framework: intelligence is measured by the capacity to remember and predict patterns in the world, …”). O’Reilly[6]则倾向认为智力的全部属性就是 “ 目 标 坚 守 和 与 时 俱 进 ”(“full story of our intelligence”, “robust active maintenance of goals and
other task-relevant information, and rapid updating of this information to keep pace with a changing environment or task”).

本文提出智力就是“记忆-预测-抉择”的理论框架. 有学习才有记忆, 有记忆才有预测, 有预测才有抉择, 有抉择才有智慧. 记忆代表神经系统存储过往经验的能力, 它将现在和过去联系起来, 做出有利于个体和种群发展的判断. 抉择是指人或动物在风险和不确定条件下, 基于知识和经验, 权衡利弊得失, 选择策略和行动的过程. 抉择就是力求利益最大化, 风险和损失最小化的过程. 生命就是不断地做出抉择的连续链条, 无论是果蝇(Drosophila melanogaster), 还是人类(Homo sapiens)概不能外, 不过尺度是不同的. 果蝇的抉择是在一个小的尺度上, 更多是趋利避害, 而人类的抉择是在一个超越这个星球上的任何一个物种的大尺度上进行的, 如生与死、 爱与恨、 智与愚、战争与和平的抉择. 在每一个抉择拐点上, 人类的大脑能最大限度地调用全部的知识和经验积累, 包括这个物种在生命演化的历史长河中所学到的, 包括每个个体在人生道路上所学到的, 还包括从历史和社会的文化传承所学到的(“our brains allow each of us to bring a maximum amount of learning and experience to each and every choice point, all that our species has learned and all that we have learned in our lifetimes. A fly does this to some small degree, and we do it to a large degree-more than any other creature on this planet”)[7]. 抉择将过去、现在和未来联系起来, 它是人类理性的来源. 抉择涉及感觉信息注册、价值表征、运动执行等若干步骤, 每个步骤都需要征用若干脑功能区, 这些脑功能区之间联系就构成了抉择行为相关的脑联结网络实现.

到哪里去寻找智力实现的秘密? 克里克(Crick) 作了准确的回答, “我们至今没有绘制出人类大脑的联结图, 这是一件无法忍受的事情, 没有它就别指望能了解大脑是如何工作的”(It is intolerable that we do not have this information (the connectional map) for the human brain, without it there is little hope of understanding how our brains work except in the crudes way)[8]. 在经历了 60 年的电生理记录、 40年的分子生物学介入以及 20 年的脑核磁成像(magnetic resonance imaging, MRI)后, 脑科学正在实现研究策略的革命性转变. 智能时代的脑科学必是将基因组、蛋白质组、神经联结组、脑网络组等进行有效地集成和大规模会聚的大科学前沿. 大量神经元相互作用、相互协作时, 整个系统会自发地涌现出动态重构等复杂自组织行为, 这种自组织模式被认为是脑高级认知功能产生的物质基础. 复杂动力学系统通过个体间相互作用产生全新的自组织整体行为的过程, 存在于脑系统的各个层次. 所以, 对脑功能的破译需要在
多个层次上解析脑网络系统的联结方式与规则, 最终得到脑网络实现其功能的“线路设计图”, 这是脑科学的战略制高点. 有了这个蓝图, 才可能理解脑在整体上是如何工作的, 才能揭示神经认知退行性疾病 是 怎 样 发 生 的 , 才 有 可 能 突 破 冯 · 诺 依 曼 计算机体系原理; 构建出新型脑机智能技术体系, 研发出低耗、高速、具备自适应能力的类脑神经元和神经网络芯片、新一代计算机及通讯网络、类脑智能机器人[9].

中国科学院经过约 2 年的酝酿、准备和凝炼, 于2012 年 11 月启动了中国科学院战略性先导科技专项(B 类)“脑功能联结图谱计划”(mapping brain functional connections, MBFC, 简称脑功能图谱, 2012~2020)[10]. 其科学内涵是针对特定脑功能神经联结通路及其网络结构的解析及模拟, 不是全脑神经联结组学, 而是限定在对特定脑功能的神经联结网络作图. 该专项研究下设 5 个项目: 感知觉联结图谱、学习记忆与老年痴呆联结图谱、情绪与抑郁症联结图谱、 抉择与成瘾联结图谱、 脑功能联结图谱关键技术. 研究含 4 个层次: 在纳米尺度主要聚焦神经元间突触连接的信息传递及其分子调控; 在微米尺度主要聚焦相互联结且数量庞大的神经环路及其网络; 介观层次对应数百微米分辨率, 主要考察类似皮层功能柱的基本单元之间的联结规律; 宏观层次指毫米级空间分辨率的不同功能脑区的联结结构. 该专项的目标(2012~2020)是力求完整地描述大脑的 4 类重要脑功能(感觉、情绪、记忆及抉择)在正常态和病态期的神经网络联结的构造、运作方式和机制. 目标并不在于描述全体神经细胞的全部电活动, 而在于描述各脑区特殊种类神经细胞群之间有功能的联结和运作.

当今, 脑式计算或类脑智能被热烈地讨论着. 笔者想起了在顾凡及《脑科学的故事》一书中讲述的故事: 两位德国青年哈森斯坦(Bernhard Hassenstein)和拉夏德(Werner Reichardt), 一个是学习生物学的大学生(21 岁), 另一个是学习物理学的大学生(19 岁), 在二战期间都被征了兵. 他们相约如果能活下去, 一定要做成一件大事—建立一个综合物理学和生物学的研究所. 1958年他们通过对甲虫视动反应的研究建立了初级运动检测模型, 开创了视觉运动检测研究的先河. 尽管拉夏德是学习物理出身的, 但是对生物学实验非常重视, 后来他告诫青年人: “理论必须每时每刻都和实验紧密结合. 我不相信无中生有的脑科学理论会有任何机会取得成功”. 多年以后, 当Current Biology 杂志问当今计算神经科学的领军人物之一波吉奥(Tomaso Poggio)“什么是您得到过的最好的劝告”, 他就以拉夏德的这段话相赠, 并且还说:“我对每一位想从事计算神经科学的学生都强调同样的思想”[11].

发现和创新是脑科学的生命, 研究者们要力争提出新问题、新观念、新原理、新技术, 做到“有所发现, 有所发明, 有所创造, 有所前进”. 脑科学是一个具有无限可能性的领域, 人类完全可以期待着从脑科学那里获得最为令人惊奇的启迪, 并拉开人类历史上的智能革命的大幕。

1 张香桐. 灵性的王国. 长沙: 湖南少年儿童出版社, 2000
2 郭爱克. 脑理论巡礼. 见: 姚志彬, 陈以慈, 主编. 脑科学前沿. 广州: 广东科技出版社, 1995. 1–20
3 恩格斯. 自然辩证法. 北京: 人民出版社, 1971. 28
4 卡尔文. 大脑如何思维: 智力演化的今昔. 杨雄里, 梁培基, 译. 上海: 上海科学技术出版社, 2007
5 Hawkins J. On Intelligence. New York: Times Books, 2004
6 O’Reilly R C. Biologically-based computational models of high-level cognition. Science, 2006, 314: 91–94
7 Weiner J. Time, Love, Memory: a Great Biologist and His Quest for the Origins of Behavior. New York: Random House, 1999
8 Crick F, Jones E. Backwardness of human neuroanatomy. Nature, 1993, 361: 109–110
9 郭爱克. 大数据时代的大脑科学—绘制智力的蓝图. 生物化学与生物物理研究进展, 2014, 41: 1034–1040
10 郭爱克. “脑功能联结图谱”研究进展. 2015 科学发展报告. 北京: 科学出版社, 2015. 70–77
11 顾凡及. 脑科学的故事. 上海: 上海科学技术出版社, 2011