追问专访·张捷研究员｜类脑智能可以触及人脑意识的本质吗？

# 追问按

类脑智能是人工智能学科的重要研究方向，其关注在人脑启发下构建类脑结构，实现类人认知和行为功能。为了带大家深入了解大脑机制和类脑智能，我们将以类脑智能领域的问题进行追问，以多人联动的方式，带领大家了解类脑智能的原理以及目前的最新进展。

在之前的采访中，中国科学院自动化研究所研究员曾毅提出了下面的“追问”：“对‘有可能构造出具有意识的人工智能’持否定态度的观点，来自脑与神经科学、认知科学等领域的科学依据是什么？”

本期我们采访了复旦大学类脑智能科学与技术研究院研究员张捷，张捷研究员将带我们了解动态脑功能网络对类脑智能的启发以及类脑智能在精神疾病领域的应用。按照惯例，张捷研究员也提出了自己最想知道答案的一个追问，我们将在文末公布该问题。

以下为具体文字内容，欢迎阅读转发。

张捷

复旦大学类脑智能科学与技术研究院研究员，

博士生导师。

研究兴趣为大脑信息处理机制，人类智能和精神疾病。2008年于香港理工大学获博士学位。曾获“香港青年科学家奖”提名奖。为牛津大学“系统建模分析与预测”实验室荣誉成员。以第一/通讯作者在Brain, Plos. Biology，Molecular Psychiatry, American Journal of Psychiatry等杂志发表SCI论文80余篇。谷歌学术引用4500余次。其中2016年在Brain发表了动态脑功能网络的论文(封面文章)。美国麦克阿瑟奖得主Bassett教授专门为此撰写评论，认为该工作是“我们理解大脑动态变化道路上的一块基石”。目前主持多项国家自然基金项目和2030脑科学与类脑研究重大项目《基于脑图谱的认知功能建模》的子课题。

Q

可以介绍下您目前的主要研究领域和最新进展吗？

张捷：非常荣幸可以接受天桥脑科学研究院的采访，我目前的研究主要集中在大脑信息处理机制、精神疾病以及大脑建模三个方面。

首先是大脑的信息处理机制。利用神经影像技术，我们可以在广泛的时空尺度测量大脑神经活动，刻画大脑节点之间的信息传递与整合，解码脑网络的动态变化模式与认知功能、智力、创造力的关联，从而启发类脑计算。

其次是精神疾病研究。利用人工智能算法，识别各种精神疾病大脑结构和功能网络的变化，并对同一种疾病进行亚型分类，帮助医生实现精准诊疗。我们发现了分裂症，抑郁症、不同类型的焦虑症等脑网络改变的生物标志。我们还发现精神分裂症和强迫症患者均存在高焦虑和低焦虑的亚型。高焦虑亚型认知损害更严重，可能具有自杀倾向，应根据亚型进行精准治疗。

最后则是大脑建模。或者叫数字孪生脑。基于大脑的结构和神经活动扫描，如脑区之间的连接（线路图），每个脑区的特性（元器件）， 建立一个数学模型，仿真大脑的神经活动。通过模型不仅可以检验理论是否合理，还可以根据患者个性化的数据完成虚拟诊疗，判断患者适合怎样的药物和治疗方式，寻找最佳的刺激靶点或药物。

Q

您之前发表的文章被选作《Brain》的封面文章，可以为我们介绍下动态脑功能网络在类脑智能中的应用吗？

张捷：我举个简单的例子来说明下动态脑网络。如果将大脑比作一个公司，大脑里面各个脑区就相当于一个个员工。在面对不同任务时，公司会根据任务情况进行小组员工的动态调整——大脑的脑区也是如此，在不同的任务中可以进行重组，具有很强的适应性。

在发表在《Brain》的封面文章中，我们就论述了相关进展。动态脑网络作为大脑的一种重要特征，对于类脑智能包括人工神经网络的发展都有着一定的意义。传统神经元网络的连接权重是固定的，但在大脑中，神经元之间的连接却是动态调整的——这对于人工神经网络的发展具有重要的启发意义。

2019年，著名华人教授汪小京发表的论文就训练一个神经网络去做多个与记忆、决策、和抑制控制有关的认知任务。训练结束后，神经网络会涌现出多个模块，每个模块负责某一计算功能，还可通过组合，参与到多种任务。这与人脑的功能模块的重组是类似的——对于大脑来说，面对新的、复杂的任务，不需要专门再去构建新的神经元集群，而是将这个任务分解成小的任务，再通过对应的模块重组即可完成。这其实就反映了大脑动态重组的能力。

在人工神经网络中，我们是否应该有对应的模块重组，从而完成不同功能？这需要发展新型的训练方法和迁移学习算法，也将进一步促进人工神经网络的发展。

Q

目前通过大数据人们可以不断完善人工智能（AI）系统，AI如何促进类脑智能的发展？AI和类脑智能有着怎样的联系和区别？

张捷：我觉得目前的人工智能可以理解为弱人工智能，是人工智能的低级阶段，而类脑智能可以理解为更高级或者说通用级别的智能，算是人工智能的高级阶段。人工智能的发展可有效地推动类脑智能的发展。

举个例子，人工智能最大的优势就是可以对海量的数据进行分析和优化。大脑有860亿神经元，即使只有一立方毫米的脑组织，也可以产生超过1000TB的数据。要重构脑连接图谱就需要借助人工智能算法。相信随着人工智能对大脑神经元连接的解析包括对大脑数据的深度挖掘，将有助于我们发掘生物大脑的连接机制，从而促进脑科学包括类脑智能的研究。

Q

对于人类的认知来说，时间和空间是相当重要的两个元素，类脑智能如何分辨时间和空间？

张捷：时间和空间在大脑中的表征是密切关联的。不论中文中的“前后”还是英文中的“before、after”，它们都不仅仅可以表示时间前后，也可以表示空间位置上的前后。

对于人类大脑，对于最常接受的视觉信息，包括颜色、亮度等，从视网膜接收到这些信号开始大脑中就会有专门的神经元来处理。海马体中也存在编码时间的神经元群，可以间接表征不同的时间尺度。有的神经元在较大时间尺度上放电，有些则在小时间尺度，这些以不同频率发放的神经元为活动提供了时间戳，从而使得大脑可以感知时间。大脑中不仅有表征时间的神经元，还有网格细胞等对空间进行表征。对于情景记忆来说，大脑中时间和空间信息是联合表征的。

目前来说，类脑智能中可以采用已有的时钟工具，时间度量已相当准确；空间可以通过欧式空间坐标来表征——这样做虽然容易，但无法使类脑智能具备像人类一样的记忆储存和提取模式。比如人脑的记忆中，时间上相继发生的事情被编码在相继激活的神经元集群中。而原本具有复杂时间空间关联的信息在电脑中都是独立储存。如果要让类脑智能像人类一样编码时间和空间，则需要弄清楚大脑中的时间神经元和空间网格细胞的相互作用以及他们如何编码记忆的底层机制。

类脑智能需要从大脑海马体和内嗅皮层中的时间神经元和网格细胞之间的耦合编码时空信息中获得启发，从而在未来实现像人脑一样联合编码时间和空间。

Q

目前对衰老的研究证实部分的大脑衰老是可逆的，类脑智能是否可以帮助我们理解大脑衰老进程？类脑智能是否可以避免衰老？

张捷：目前有研究证实将年轻小鼠的脑脊液注入老年小鼠中，可以逆转老年小鼠的记忆衰退。研究人员也从中找到了对应的蛋白——这些蛋白可以促进大脑神经元之间的连接，从而延缓衰老。

除了上面的研究外，通过人工智能也可以帮助我们找到延缓衰老的路径。比如，研究人员对50万人（英国生物银行数据）的脑部结构进行了核磁共振扫描，基于影像数据建立模型预测一个人的大脑年龄，发现了一些影响、加速大脑衰老的基因。对于那些具有衰老特征的人群来说，他们患有严重的精神疾病，如抑郁症和精神分裂症（轻微精神疾病对大脑的衰老几乎没什么影响，如自闭症等）。

因此，人工智能或者说类脑智能在大脑衰老方面的应用可以分成两个部分，第一部分就是帮助找到延缓衰老的一些基因，蛋白和小分子药物，比如上面提到的影像学分析；通过人工智能可以找到那些在衰老进程中扮演着重要角色的基因，或者影响它的上游关键基因或分子，这样我们就可以在小的范围内，通过临床和动物实验，更高效地筛选可以对抗衰老的蛋白或分子并验证。

第二部分则可以借助基因编辑技术，通过大数据深度学习算法建立精确的gRNA编辑效率预测模型，找到更好的基因位点进行编辑以治疗疾病。目前通过实验室方法去进行研究成本较高，而人工智能和类脑智能则可以大幅度降低这方面的成本。

当然衰老还有很多其他的影响因素，包括饮食、运动等，以及瑜伽和冥想也可以帮助我们对抗衰老。除了这些方法之外，未来人类也有望通过高科技手段来延缓衰老。

Q

随着年龄的增加人类脑部疾病开始也会增加，类脑智能是否可以帮助我们解析脑部疾病的病理进程？

张捷：人工智能或者类脑智能的强项就是可以从高维动态数据中挖掘出相应的模式，或者找到一些和疾病进展相关的生物标志物。比如说阿尔兹海默症，目前多数确诊的病人已是晚期，因为神经元死亡很难逆转。但通过影像学进行大数据比对和分析，可能提前10年诊断出阿尔兹海默症，从而提早干预，极大地延缓阿尔兹海默症的进程。

这背后的原理就是通过人工智能对全脑的结构和功能数据进行分析，从而找到与疾病有关的微小的变化模式。这对于人眼或者医生来说是相当困难的，因为可能涉及几万乃至于十几万的体素，但是对于人工智能或者类脑智能来说，就可以通过深度学习的方式从而精确地识别出病人个体在前驱期的特异性的改变。同时，人工智能还可以对其他各种各样的脑部疾病进行分析——而且是以人眼难以企及的精细度进行分析。若再融合体征数据、电子病历等多模态的纵向数据进行健康管理时，人工智能就可以有较大的发挥空间。

Q

类脑智能最终会以何种形式出现？是更加偏向于人脑的结构？还是目前的计算机形态？还是机械和生物的结合体？

张捷：这是一个很有深度的问题。目前不论是计算机还是类脑芯片都是物理的、机械的东西，而不是生物体，类脑智能硬件的形态取决于类脑芯片的设计和发展。芯片设计需要我们对人脑神经网络的形态和功能有更深层次的了解。机械和生物的结合以脑机接口为代表。目前脑机接口只是在解码大脑神经活动和帮助病人输出的层面试图实现生物体和机械的结合，但不论是脑机接口还是深部脑刺激短期可能都无法达到真正结合机械与生物完全结合目标和要求。

此外，除非我们对大脑本身的运作方式甚至是意识的产生等都有了比较深刻的底层的认识，我们才能决定生物和机械结合的方式，包括脑机接口以何种方式介入到大脑信息处理的过程中。同时我们也需要考虑到这个进程中对应的伦理问题。

Q

如果最终类脑智能出现，它是否也会出现和人类一样的意识？

张捷：在《Science》创刊125周年的时候，就提出了125个最前沿的科学问题，其中第一个问题是宇宙起源，而第二个问题就是意识起源——可见意识的问题非常重要，意识的起源也是人类最本源的问题之一。

那么，我们需要了解的是：产生意识的物质生物基础是什么？神经元可以放电是否代表着意识？能否在神经元以外的物质载体上制造出意识？主观的意识如何通过客观的仪器进行精确测量？这些都是相当大的难题。

就如爱因斯坦所说，任何问题都不能在提出这个问题的层面得到解决——必须从更高维度的角度来进行解答。举个例子，电影《失控玩家》中NPC可能也有意识，但是这个意识只有在玩家这个更高一层维度的人发现他们有自我意识才能确认他们有自我意识。而对于个人而言，意识是一种相当主观的东西，这是一个天知地知、我知你都不知的东西。再比如在植物实验中发现植物不仅可以对噪声做出反应，同时可以对人类的情感产生反应，但是你能说植物有意识吗？

我们没有具体的可测量的东西来表征植物出现了意识。从学术界的角度来说，意识本身是生物体自身的一种高级认知状态，我们看到的场景和感受等会形成独特的记忆，这种主观感受是每个人独有的，这也是为什么“一千个读者有一千个哈姆雷特”的原因，因为人和人的主观感受有着很多差别。

再举个例子，Global Workspace Theory 将人类的意识用一个剧场来进行比喻，我们的大脑的注意力就好比是舞台上的聚光灯，这个照明圈揭示了意识的内容，但在我们看不到的地方，幕后人员、导演、观众等可能都有着各自的活动，这些无意识的意识行为潜藏在聚光灯外的黑暗中，这就导致我们很难一窥意识的全貌——目前来说，我们仍然不具备客观观测意识的物质条件。

意识的起源也可以从生物进化的角度来寻找答案。对于生物体来说，意识的存在使其具有自发的主观能动性。比如婴儿饿了会表达情绪，这也是意识的一种重要的表达——实际上情绪是生物体最早出现的一种意识，而情绪可以帮助生物体更好地生存，比如恐惧使我们逃避危险的事物，而美食让我们大快朵颐。

那么问题来了——类脑智能会有基本的情绪吗？会需要吃饱喝足来维持基本的生存吗？还是想享受更舒服的生活？与人类的本能相比，类脑智能可能很难有这些需求，所以很难想象意识的出现。

所以，目前我们尚且对于意识还知之甚少，对于意识的客观观测尚且做不到，更不要谈类脑智能具有意识了。意识的来源和产生搞不清楚，类脑智能就难以发展到更高的层次，只在仿生层面借鉴大脑神经网络的计算特点难以产生通用人工智能。不仅仅是算法，还要有意图/动机。

Q

人类在成长过程中会在社会和文化等教育下形成道德感，类脑智能是否也会有道德感的约束？或者其他的“限制”条件？

张捷：这也是一个很本源的问题——道德和意识也有着很大的关系，而关于类脑智能是否会产生道德，我们还是需要从人类社会寻找答案。

首先 道德是一个社会层面的概念，道德的行为即做出有利于最大数量人类的幸福的行为，或者利他的行为。其次，判断一个行为是否道德，通常取决于行为的意图与行为结果。对于类脑智能来说，机器人之间可以相互作用吗？如果无法形成相应的社会网络，那么道德就很难产生。

再比如我们经常讨论的一个道德问题：电车悖论——在电车岔道上，我们不扳动轨道，那么就会导致5人死亡；如果扳动轨道就会导致另外道路上1人死亡，这时候应该如何选择？在对应的神经影像实验中我们发现人类的大脑中有专门的区域去负责道德的选择，并可以根据脑区的活动判断人做出不同选择的概率。

因此对于人类来说，道德的产生不仅需要社会中的相互作用，同时也有对应的专门负责的脑区。因此对于类脑智能来说，要产生道德，则同样需要考虑对应的因素。

Q

张捷：无论是人工智能还是类脑智能，在可以预见的未来都很难产生意识。在前面我们也提到意识是生物体主观的感受，和其自身的生存和繁衍有关，存在主观能动性。情绪也是意识的重要组成部分，进化过程中情绪的产生，可以使人更好地生存繁衍、追求快乐和幸福，这也是人类的本能，驱动了人类的大部分行为，但是对于人工智能来说，它就没有这些本能的目标。

另外从马斯洛的需求理论来说，人是有不同层次的需求，在满足了生存需要后，人还具有更高层面的信念/价值观的东西，需要自我实现，这也是意识的一个重要组成部分，是比较高级层面的东西。类脑智能也很难有这样的信念或者愿景。

因此除非能够从更高的维度对意识的本源有更深入的了解，才可能去讨论类脑智能的意识。

嘉宾：张捷

采访：Aaron
编辑：Aaron，EY

排版：Jingtong

来自@张捷的问题：

表面上看起来不同的事情或问题，其底层的机制其实是类似的，越往底层，事情越相似。那么这种思维背后的神经机制是什么，类脑智能如何借鉴，可以自发地对事物和问题形成抽象概念，进行自主的学习？

针对张捷研究员的问题，我们将邀请更多嘉宾探索答案，敬请关注。

推荐阅读

追问互动

○ 如果您对本期内容有进一步想要追问的问题或者讨论的内容，欢迎在评论区留言，或者加入我们的社群参与互动，添加小助手微信questionlab即可申请进群。