序
人類天生渴望認知。
——亞里士多德

人類探索智能本質的旅程漫長而曲折。從遠古先民虔誠樸素的“萬物有靈論”（Animism），到霍布斯在《利維坦》中細致描述的“自動機”（Automata）；從十八世紀沃坎森傾力打造的、擁有消化系統(tǒng)的機械鴨子，到雅克德羅妙手創(chuàng)造的能吟唱、繪畫與書寫的機械人偶，我們的認知旅程充滿了離經叛道的想象與人定勝天的
自負。
如今，以GPT系列為代表的大模型技術所帶來的人工智能風潮席卷，其在智力推理、情緒感知乃至文學藝術創(chuàng)造等多個領域的表現(xiàn)，已逐漸達到甚至超越人類自身。這不禁促使我們重新審視：人工智能作為最初從模仿生命行為與人腦機制中誕生的技術，是否還需要繼續(xù)向認知科學與腦科學汲取靈感，是否依然需要追隨人類足跡，還是已經可以踏上屬于自己的探索之路？
辛頓早在2020年GPT-3嶄露頭角時，就宣稱：“或許生命、宇宙和萬物的終極答案不過是4.398萬億個參數(shù)而已�！边@個宣言所表達的是一種對“參數(shù)量”的崇拜——仿佛只要參數(shù)足夠龐大，人工智能便可以接近甚至超越人類智慧。
作為一個腦科學和人工智能交叉學科的研究者，我不知道答案。但是生物的進化給我們提供了一個信仰的基石——智能并非簡單地依賴神經元數(shù)量。大象的大腦重約5?kg，擁有約2570?億個神經元；而虎鯨的大腦重達9?kg，僅小腦神經元數(shù)量便超過1000?億，遠超過人類大腦的860?億個神經元。但是它們的智能程度卻遠不及人類——在浩瀚無垠的宇宙中，只有我們人類能夠創(chuàng)造語言、發(fā)展數(shù)學、探索宇宙，甚至建造文明。所以，智能并非參數(shù)量的簡單疊加；可能更在于這些神經元的連接方式、信息流的動態(tài)模式，以及復雜系統(tǒng)內部的協(xié)作與協(xié)調機制。所以，在我看來，人工智能依然需要腦科學的持續(xù)啟發(fā)。
首先是智能架構的優(yōu)化與模塊化設計。人類大腦的皮層分區(qū)與功能模塊呈現(xiàn)出精妙的分層特化和精細協(xié)作模式。視覺、聽覺、運動、情緒、語言，這些系統(tǒng)看似獨立，卻又緊密相連，形成高效的多模態(tài)信息處理體系。而當前主流的人工智能模型，雖然參數(shù)規(guī)模龐大，卻仍未真正掌握這種精巧的功能模塊獨立性和交互機制。因此，腦科學對大腦分區(qū)與功能整合的進一步揭示，將為人工智能提供極為重要的架構啟示。
其次是持續(xù)學習與記憶整合。人類大腦可以在生命過程中不斷接納新知識，同時牢牢保留已有的記憶和技能。目前人工智能的“災難性遺忘”問題，恰恰暴露了其在持續(xù)學習上的不足。深入研究海馬與皮層的協(xié)作機制、記憶的重放現(xiàn)象以及睡眠對記憶的鞏固作用，都將為構建能夠真正自我適應、持續(xù)進化的智能模型提供寶貴的理論基礎和實踐范例。
再者，魯棒性與可解釋性是當前人工智能應用的重大挑戰(zhàn)，尤其在面對噪聲、缺失信息或未知環(huán)境時尤為明顯。而人腦卻表現(xiàn)出非凡的韌性與適應性，其多通路信息冗余機制、反饋控制機制和注意力調控策略，無疑是提高人工智能魯棒性和可解釋性的絕佳藍圖。
最后，人工智能最稀缺的真正從0到1的顛覆式創(chuàng)造力，或許來源于我們根植于內心深處的生命與的本能驅動力，亦或許來源于我們在浩瀚空間與無限時間中逐漸塑造出的獨一無二的自我意識。這些閃耀于智能之冠上的璀璨明珠，也許只有在人類大腦的幽微深處，我們才能真正窺見其神秘的光輝。
因此，我們亟須推動一種更深層次的腦科學與人工智能的聯(lián)姻。不再是單純的模仿，而是互相促進共同進化：腦科學將提供更多關于腦連接組、神經動力學、認知理論的發(fā)現(xiàn)和啟示，指導人工智能構建更高效的架構和算法；而人工智能則可以利用強大的計算力與算法分析工具，深入解析海量神經數(shù)據(jù)，推進腦科學的基礎研究與應用開發(fā)。這種深度融合的科學范式，將為理解智能的本質帶來質的飛躍。
正是在這樣的背景下，劉泉影的《人腦智能與人工智能》應運而生。它基于David Marr提出的智能分析三層次（目標、算法、實現(xiàn)），將人腦功能系統(tǒng)的探索與人工智能的實踐緊密結合。前半部分系統(tǒng)探討了視覺、聽覺、嗅覺、運動、情緒、語言、睡眠與夢境等人腦關鍵功能系統(tǒng)，細致揭示了其背后的神經機制以及人工智能對其的實現(xiàn)或模擬；后半部分則集中呈現(xiàn)了人工智能如何深入賦能腦科學研究，通過多模態(tài)神經數(shù)據(jù)處理、腦網(wǎng)絡建模、數(shù)字孿生腦等技術，推動腦科學研究邁向新的高度。
在認知科學、腦科學與人工智能深度融合的前沿領域，我們正站在一個關鍵的歷史轉折點。我誠摯邀請來自計算機科學、神經科學、心理學、工程學乃至哲學等各學科領域的研究者與青年學子，共同參與到這一充滿挑戰(zhàn)且富有深遠意義的跨學科探索中來，加入到探索智能本質的旅程中來，在理解人類智能的過程中，創(chuàng)造出一個全新的智能。
清華大學基礎科學講席教授
心理與認知科學系主任
2025年8月于北京
序
還記得五年前，劉泉影老師在南方科技大學神經計算與控制實驗室初創(chuàng)《大腦智能與機器智能》這門新課。彼時，我也在準備《AI與心理學》的新課。我們都苦于找不到現(xiàn)成教材，茶水涼了又熱，PPT改了又改，開課優(yōu)質年幾乎每堂課前都備課至凌晨。常常左邊畫著大腦皮層結構圖，右邊貼著卷積神經網(wǎng)絡示意圖；這邊討論著腦科學與AI結合的創(chuàng)新點，那邊琢磨著如何用AI模型解析心理學機制。就是在這些“燒腦”又興奮的夜晚，一個念頭愈發(fā)清晰：人腦與機器智能這兩條軌跡，正從并行走向交織，彼此照亮。
劉老師曾幾次邀我參與課堂，終于有幸成行一次。看著那些年輕面孔從最初被跨學科概念搞得暈頭轉向，到后來能侃侃而談課程核心觀點，甚至結課后設計出融合雙領域思想的創(chuàng)新模型。助教們也通過持續(xù)參與教學成長為跨領域新銳——這大概是做教師最欣慰的事。他們的蛻變印證著時代命題：理解智能本質，需同時穿越“突觸密林”與“算法星河”。他們讓我確信，未來突破必屬于既通生物腦之精妙，又諳機器智能之精髓的“兩棲”探索者。
但說實話，想同時掌握這兩套體系談何容易！我們備課時就深有體會：想找本真正打通“腦”與“機”的書，難！神經科學教材把神經機制與認知功能講得透徹，卻很少提及這些發(fā)現(xiàn)如何催生了Transformer這樣顛覆性的AI；AI專著詳解公式代碼，卻鮮少剖析AI如何促進對大腦運作機制的理解。這種割裂讓學生困惑，更讓研究者錯失啟發(fā)良機。
正因如此，劉老師團隊執(zhí)筆寫就此書：只為搭建一座橋。例如，為我們解析視覺之謎：為何獼猴顳葉神經元活動模式，與卷積神經網(wǎng)絡中層特征驚人相似？其間藏著何種普適的對物理世界的編碼法則？
我篤信，書中諸多洞見正源自那些備課深夜里師生思維碰撞的火花，以及我們在交叉領域跌撞前行的體悟。它或許不優(yōu)質，但竭力實現(xiàn)一個愿景：當你研讀大腦章節(jié)時，會自然聯(lián)想到某個人工智能模型；而當你調試算法時，又忍不住翻看書中對應的神經機制解析。
若你也為“智能”著迷——無論你是探索腦機制的科學家、構建智能算法的工程師，還是求知若渴的學生——愿此書成為你征途上的伙伴。當你在深夜被難題所困，或許書中某個人腦的“巧思”或AI的“妙招”，能倏然點亮靈感的星火。
因此，書中傳遞的不只是知識——更是投向“智能”深淵的微光，照亮來者的路。
澳門大學協(xié)同創(chuàng)新研究所教授
認知與腦科學中心
2025年6月于澳門