本書是一本關于人腦智能與人工智能的教材,旨在介紹人腦各個系統(tǒng)以及相關人工智能技術。全書分為多個章節(jié),詳細介紹了人腦的視覺、聽覺、運動、語言等系統(tǒng)以及人工智能在相關方向的進展。本書的特色在于從人腦智能與人工智能兩個角度講述,不僅包含人腦是如何實現(xiàn)各系統(tǒng)功能,還介紹了人工智能在相關方向的研究進展和兩者結合的研究動態(tài)。除了解釋人腦系統(tǒng)和人工智能技術的基礎理論,本書還提供了將兩者融合的具體方法和實踐案例,使其具備高度的實用性和參考價值。本書的讀者對象包括對神經科學、腦科學以及人工智能感興趣的讀者,以及從事相關領域研究的人員。
這本書的選題旨在探索人腦智能與人工智能技術,通過介紹人腦各個系統(tǒng)的神經表征和機器學習技術的融合建模,為讀者提供更多樣化的閱讀選擇。這本書的特色在于以下幾點:1.創(chuàng)新性:將人腦智能與人工智能相結合,通過融合建模的方式探索內在聯(lián)系和互動機制,是近年來人工智能領域的一個熱門方向,具有較高的研究價值和應用前景。2.內容全面:這本書涵蓋了人腦的各個系統(tǒng)和人工智能技術,不僅介紹了視覺系統(tǒng)、聽覺系統(tǒng)、嗅覺系統(tǒng)等的神經表征,還介紹了機器學習技術在這些系統(tǒng)的融合建模方法和應用前景。3.學術性強:通過對人腦各個系統(tǒng)的神經表征和人工智能技術的深入介紹,可以讓讀者更好地了解人腦的工作機制和人工智能技術的原理。
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
劉泉影,南方科技大學生物醫(yī)學工程系助理教授、博士生導師,神經計算與控制實驗室PI。擅長領域:利用動力學系統(tǒng)模型和深度學習模型,研究神經信息表征,探索大腦的計算機制,用于解釋神經信號、大腦功能和行為三者之間的關系;結合現(xiàn)代控制理論,優(yōu)化神經反饋控制,用于調節(jié)人類行為、輔助神經相關疾病。
目?錄
優(yōu)質部分
第1章?緒論 3
1.1 智能的本質與多樣性 3
1.2 人工智能的發(fā)展與腦科學的價值 5
1.3 AI與BI的相似之處 6
1.4 BI與AI的相互啟發(fā) 7
1.5 本書的章節(jié)結構 9
第2章?AI基礎 11
2.1 引言 11
2.2 簡介 12
2.3 基礎概念 15
2.4 神經網(wǎng)絡 19
2.5 常見網(wǎng)絡架構 31
2.6 生成模型 38
第3章?視覺系統(tǒng) 51
3.1 引言 51
3.2 眼睛的演化 52
3.3 視覺系統(tǒng)的功能 53
3.4 眼睛的結構 55
3.5 視覺通路 61
3.6 視覺系統(tǒng)中生物智能和人工智能的討論 65
第4章?聽覺系統(tǒng) 69
4.1 引言 69
4.2 聲音的性質 69
4.3 人耳的結構 70
4.4 中樞聽覺過程 72
4.5 聲音定位機制 74
4.6 聽覺皮層與神經可塑性 75
4.7 聽覺系統(tǒng)中生物智能和人工智能的應用 78
第5章?嗅覺系統(tǒng) 85
5.1 引言 85
5.2 嗅覺 86
5.3 嗅覺受體:感知氣味的核心 87
5.4 嗅覺皮層:氣味感知的高級處理中心 89
5.5 氣味的編碼機制:從化學信號到大腦語言 92
5.6 與嗅覺相關的新興研究 94
第6章?體感系統(tǒng) 99
6.1 引言 99
6.2 皮膚中的接受器 100
6.3 初級傳入纖維和外周神經系統(tǒng) 101
6.4 脊髓 102
6.5 背柱-內側門神經通路及三叉神經觸覺通路 104
6.6 體感皮層 105
6.7 利用電刺激恢復觸覺 107
6.8 電子皮膚 108
第7章?運動系統(tǒng) 113
7.1 引言 113
7.2 基礎結構(肌肉與神經系統(tǒng)) 114
7.3 低級控制:反射與脊髓水平通路 115
7.4 高級控制:復雜運動與大腦協(xié)調機制 118
7.5 運動的建模與控制 121
7.6 運動與人工智能 122
第8章?情緒 127
8.1 引言 127
8.2 情緒的定義 128
8.3 情緒的神經基礎 130
8.4 情緒調節(jié) 136
8.5 情緒識別與情感智能 139
第9章?語言 143
9.1 引言 143
9.2 什么是語言 144
9.3 大腦中的語言系統(tǒng) 146
9.4 語言相關疾病 149
9.5 語言處理模型 151
9.6 自然語言處理中的語言模型 153
9.7 人工智能與大腦中的自然語言處理 157
第10章?睡眠與夢 161
10.1 引言 161
10.2 睡眠與夢的基礎理論 162
10.3 睡眠障礙與疾病 167
10.4 基于人工智能的睡眠與夢境研究 170
10.5 睡眠與夢對人工智能的啟發(fā) 175
第二部分
第11章?多模態(tài)神經信號處理 179
11.1 引言 179
11.2 神經信號采集技術 180
11.3 fMRI信號處理 181
11.4 EEG信號處理 183
11.5 iEEG信號處理 188
11.6 多模態(tài)融合分析 190
11.7 深度學習在神經信號處理中的應用 193
11.8 結語 196
第12章?神經數(shù)據(jù)的預訓練模型 199
12.1 預訓練模型背景 199
12.2 神經數(shù)據(jù)的特性與預訓練模型的應用價值 200
12.3 預訓練相關概念 201
12.4 處理神經數(shù)據(jù)的經典預訓練模型 209
12.5 預訓練模型在神經數(shù)據(jù)處理中的意義與展望 212
第13章?大腦中的潛在表征 217
13.1 引言 217
13.2 大腦中的潛在表征——神經群體編碼 223
13.3 概念表征與心理空間中的隱變量模型 229
13.4 大腦與人工智能的表征對齊 232
第14章?神經科學中的生成模型 235
14.1 計算神經科學為什么需要生成模型 235
14.2 生成模型在神經科學中的應用 243
14.3 現(xiàn)代神經科學研究中的生成模型應用 251
第15章?人工智能賦能神經科學 255
15.1 引言 255
15.2 深度學習為腦科學提供數(shù)據(jù)分析工具 256
15.3 深度學習為腦科學提供實驗仿真工具 261
15.4 腦科學為深度學習提供腦啟發(fā)的先驗假設和分析方法論 265
第16章?腦網(wǎng)絡建模 267
16.1 引言 267
16.2 大腦網(wǎng)絡建;A 268
16.3 大腦網(wǎng)絡動力學建模 275
16.4 大腦網(wǎng)絡建模的應用 280
第17章?腦結構、腦功能、行為的關系 289
17.1?引言 289
17.2 大腦結構、功能與行為 290
17.3 大腦結構、功能與行為的關系 291
17.4 結構-功能-行為的計算建模方法 294
第18章?數(shù)字孿生腦 303
18.1 引言 303
18.2 數(shù)字孿生腦的基本概念 304
18.3 數(shù)字孿生腦的模型構建 308
18.4 數(shù)字孿生腦的評估 311
18.5 數(shù)字孿生腦的應用 313
18.6 數(shù)字孿生腦的未來挑戰(zhàn) 318
第19章?基于模型的神經調控 323
19.1 引言 323
19.2 神經調控技術 324
19.3 經顱電刺激前向建模及逆向優(yōu)化調控策略 325
19.4 基于動力學模型的神經調控方法 333
19.5 基于行為獎勵的強化學習閉環(huán)神經調控方法 337
第20章?通往智能之路:人腦智能與人工智能 341
20.1 引言 341
20.2 智能的起源:進化與工程化 342
20.3 智能發(fā)展的未來:融合與創(chuàng)新 350
參考文獻 357