智能之道：决策与神经网络的奇妙交汇｜会议报道
“人类究竟有多理性？”这是著名认知心理学家、普林斯顿大学教授丹尼尔·卡尼曼在其畅销书《思考，快与慢》中向世人抛出的重要问题。有意思的是，虽然诺贝尔奖中没有心理学奖，但是丹尼尔·卡尼曼作为认知心理学家，凭借着对于人的行为决策方面的研究贡献于2002年获得了诺贝尔经济学奖。决策行为贯穿着人的一生，小到小时候上学该走哪条路，大到高考该如何选择学校和专业，乃至一个公司、集体和国家如何选择发展战略。决策的机制是心理学、脑科学和行为经济学等多个领域共同关注的问题。
另一方面，人工智能的快速发展渗透到了各个行业，尤其是改变了很多科研领域的研究取向。AI for Science，即利用人工智能作为工具和思想来解决传统的科学问题也是当前交叉科学研究的主流取向之一。可以说，在众多学科中没有哪个学科比脑科学更加贴近人工智能，因为人工智能发展的初衷就是模拟人脑智能，更别说神经网络这种模拟人脑神经系统的模型框架以及上世纪脑科学家和人工智能科学家们共同合作的过往。AI for Brain Science已经成为当前脑科学研究的热门话题。近期，天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）以“人工智能和人类智能对话”的形式邀请脑科学家针对决策这一话题进行对谈，就证明人工智能和脑科学又到了再聚首的时候。（点击了解会议详情）
在本次线上会议中，中科院脑科学与智能技术卓越创新中心的杨天明研究员其论述的核心集中在“我们为什么需要在决策研究中引入人工智能的模型？”传统的实验室决策任务，例如二元价值决策，因为维度较为单一，很难精细地区分灵长类不同脑区的功能。所以，杨天明老师认为当前的决策研究需要引入更加高维的任务。杨天明老师以自己实验室开发的一个“吃豆人（Pac-Man）”游戏为例进行了阐述，玩该游戏涉及获取奖赏、路径规划、敌人躲避等多个成分，玩家需要综合考虑和使用这几种策略。杨天明老师认为，一旦脑科学研究从低维简单实验室任务扩展到高维复杂任务，就必然需要当前人工智能模型（例如神经网络）强大的数据拟合能力作为辅助。
本次会议的第二位报告人是北京大学心理与认知科学学院的周阳研究员。和杨天明老师的偏向于高屋建瓴的方式不同，周阳老师以猕猴在连接学习任务中后顶叶脑区神经元编码规则为例，详细说明了生物神经元如何支持生命体做连续学习。周阳老师展示了一系列初步的结果，表明猕猴后顶叶神经元可以很清楚地表征学习不同决策任务的规则。但是这一过程如何用神经网络模拟，以及神经网络内部神经元是否和生物神经元相匹配依然是待解决的科学问题。
本次会议第三位分享者是加州大学圣地亚哥分校认知科学专业博士生李济安同学。李济安介绍了其利用递归神经网络，来模拟多个实验室决策任务中老鼠和猕猴的行为。李济安比较了这样的神经网络模型和传统的认知决策模型，发现只需要隐藏层中的两个神经元，对决策行为的模拟表现就好过了传统的认知决策模型。这一结果非常令人惊讶，因为目前对神经网络的主流理解依然是其利用海量的人工神经元和它们之间的突触连接，可以模拟非常复杂的认知过程。但是李济安的研究表明，对于脑科学中经常用到的决策任务，只需要比一般认为小得多的网络。相比于海量参数的网络而言，这样的网络也更具有可解释性。
虽然几位分享者的研究内容和取向各有不同，但是都认为神经网络可能可以作为一个有用的工具来理解行为决策的本质。神经网络对决策的研究，是神经网络作为一种理论建模的工具，广泛地进入脑科学研究中的一个经典案例。在目前的认知脑科学中，神经网络在视觉脑科学和听觉语言理解两个领域的应用最多，原因在于计算机视觉和自然语言处理本身就是人工智能研究中的两大支柱领域，具有深厚的积累。决策可以说是目前神经网络应用的第三大领域，但是相比于视觉和语言，决策的神经网络模型多是受到脑科学家们的关注，人工智能领域学者关注较少。其主要原因是脑科学和人工智能关心的决策任务在复杂度上具有较大的差异。一方面，大多数脑科学中的决策任务，例如二元价值决策、多步价值决策等，与生活中实际的决策任务，例如高考择校等，存在较大的差异。另一方面，人工智能领域更多地关注复杂决策模型，例如解决AlphaGo在围棋对弈中涉及的计划、决策等多个认知过程。但是这样一个围棋的场景对于现在的脑科学研究而言又过于复杂。这次几位老师的分享，很明显的一个研究取向是让两个领域能够取长补短、双相奔赴。一方面，传统的决策科学研究需要从简单任务推广到复杂任务；另一方面，大规模的神经网络需要聚焦并且提升其可解释性，使其能够更好解释脑科学中的行为和神经现象。
抛开决策这一具体问题，当前AI for Brain Science在中国到底何去何从？本来人工和生物神经网络就是一颗硬币的两面，但是现在分属不同的研究阵营。反向传播算法的发明者David Rumelhart一直在斯坦福心理学系工作到去世，这说明在上世纪八十年代研究人工和生物神经网络的本来就是同一批研究人员，后来才随着时代的洪流分道扬镳。今天人工智能和脑科学又走到了一起，但是我们的研究人员是否真的具备了相应的研究素质？还是一个问号。一方面，心理学、脑科学的学生严重缺乏人工智能知识的培养；另一方面，人工智能的研究过于追求实用，人工智能的研究者普遍缺乏对脑科学的兴趣。这些在人才培养和科研评价体系中人为制造的隔阂阻碍着交叉学科的发展。与其探讨我们该如何研究诸如决策等具体的问题，不如探讨如何创造一个AI for Brain Science的研究社群，加强相关研究者的培养和交流，我想也是这次TCCI线上会议的核心目的。
End
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，欢迎加入AI4BS科学社群参与互动。
关于AI for Brain Science系列会议
AI for Brain Science系列会议致力于促进脑科学与人工智能的跨学科合作和交流，以推动学科深度融合。2023年，我们将组织一系列聚焦于AI for Brain Science主题的学术研讨会，包括：AI与数据合成，AI、音乐与大脑，AI与脑机接口，AI与睡眠/梦境， AI与精神健康等主题。
作为系列品牌活动，AI for Brain Science系列会议将提供一个重要的平台，让学术界和工业界的专家们可以展示他们的最新研究成果、交流合作机会，并分享在人工智能与脑科学领域的最佳实践。
我们热忱欢迎对人工智能和脑科学领域感兴趣的学者、研究人员和业界从业者参加AI for Brain Science系列会议。通过这个平台，我们希望推动人工智能和脑科学的前沿进展，为解决大脑功能和疾病的挑战提供创新的解决方案。
关于TCCI
天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）是由陈天桥、雒芊芊夫妇私人出资10亿美元创建的，旨在聚焦AI＋脑科学，支持、推进全球范围内脑科学研究，造福全人类，目前已经成为知名的支持人类脑科学研究的科研机构。
TCCI一期投入5亿元人民币支持中国的脑科学研究，与上海周良辅医学发展基金会合作成立上海陈天桥脑健康研究所（又名TCCI转化中心），致力于提升脑健康和脑疾病治疗研究和成果转化。后又与华山医院、上海市精神卫生中心等建立战略合作，设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室。在国际上，TCCI与加州理工学院合作成立TCCI加州理工研究院，设脑机接口、社交与决策神经科学、系统神经科学、分子与细胞神经科学、大脑成像、神经科学教育等多个中心，重点关注大脑基础研究。TCCI还在北美、亚洲、欧洲、大洋洲主办、资助了200多场高质量的学术会议。