殊途同归：生物视觉与人工视觉 | 周日直播·NeuroAI读书会

导语

神经科学和人工智能领域的多位著名学者近日发表 NeuroAI 白皮书认为，神经科学长期以来一直是推动人工智能（AI）发展的重要驱动力，NeuroAI 领域的基础研究将推动下一代人工智能的进程。文章发表后引发热议：神经科学是否推动了人工智能？未来的人工智能是否需要神经科学？

本着促进神经科学、计算机科学、认知科学和脑科学等不同领域的学术工作者的交流与合作，集智俱乐部联合北京师范大学柳昀哲、北京大学鲍平磊和昌平实验室吕柄江三位研究员共同发起了「NeuroAI」读书会，聚焦在视觉、语言和学习领域中神经科学与人工智能的相关研究，期待能够架起神经科学与人工智能领域的合作桥梁，激发跨学科的学术火花。

读书会线上进行，11月27日开始，每周日下午14:00-16:00，持续时间预计10周。读书会详情及参与方式见后文。

分享内容简介

本次分享将重点涉及如何通过深度学习网络帮助我们更好的理解物体识别的神经机制和物体识别脑区的的功能组织原则，谈论视觉神经科学和AI领域对物体识别问题的探索。涉及到的方法包括脑功能成像，电生理记录，微电刺激，模型包括各种深度学习网络模型。

分享内容大纲

视觉模块整体安排介绍

基本概念

• 视觉神经科学

• 人工智能

深度学习网络促进视觉神经机制的理解

• 物体识别的神经机制

• 物体识别脑区的功能组织原则

主要涉及到的知识概念

视觉系统（Visual system）

物体识别（Object recognition）

深度学习网络（Deep learning network）

卷积（Convolution）

功能组织原则（Function organization）

主讲人介绍

鲍平磊，2003年于中国科学技术大学获得理学学士学位，2014年于南加州大学获得博士学位，2014年-2020年在加州理工学院从事博士后研究。2020年11月至今任北京大学心理与认知科学学院研究员、麦戈文脑研究所研究员、北京大学-清华大学生命科学联合中心研究员。

鲍平磊实验室致力于高级视觉功能认知的神经机制探索，采用电生理，脑功能成像，微电刺激以及心理物理的方法等多种研究手段对于人和非人灵长类的视觉系统进行多层面的研究，并结合深度学习网络等多种手段去构建视知觉的数学模型。

主要涉及到的参考文献

这篇文献利用深度学习网络来研究视觉系统的文章，是这一领域的开山之作。

[1] Yamins, Daniel LK, et al. "Performance-optimized hierarchical models predict neural responses in higher visual cortex." Proceedings of the national academy of sciences 111.23 (2014): 8619-8624.

这篇文献是发起人老师鲍平磊2020年的一项研究，利用深度网络对物体识别区域功能组织原则的探索。

[2] Bao, Pinglei, et al. "A map of object space in primate inferotemporal cortex." Nature 583.7814 (2020): 103-108.

这篇文献研究说明无监督的深度神经网络也可以用来对腹侧视觉通路建模。

[3] Zhuang, Chengxu, et al. "Unsupervised neural network models of the ventral visual stream." Proceedings of the National Academy of Sciences 118.3 (2021): e2014196118.

这篇文献研究发现前馈网络可能并不足够描述腹侧通路，可能还需要循环神经网络。

[4] Kar, Kohitij, et al. "Evidence that recurrent circuits are critical to the ventral stream’s execution of core object recognition behavior." Nature neuroscience 22.6 (2019): 974-983.

这篇文献使用深度生成网络进化的神经元图像揭示了视觉编码原理和神经元偏好。

[5] Ponce, C. R., Xiao, W., Schade, P. F., Hartmann, T. S., Kreiman, G., & Livingstone, M. S. (2019). Evolving images for visual neurons using a deep generative network reveals coding principles and neuronal preferences. Cell, 177(4), 999-1009.

本次分享与读书会主题之间的关系

视觉作为接受外界信息的主要途径之一，无论是人工智能还是生物智能，都需要通过光的刺激从而理解外部世界，而其复杂的信息提取过程，也同样对智能体提出了很大的考验。而这二者在处理同样问题的时候，所表现出不同层面的一致性或者差异性能更好地帮助我们将神经科学和人工智能联合起来去理解智能的本质。

直播信息

时间：

2022年11月27日（本周日）下午14:00-16:00

参与方式：

扫码参与NeuroAI读书会，加入群聊，获取系列读书会回看权限，成为NeuroAI社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动NeuroAI社区的发展。

NeuroAI读书会招募中

神经科学和人工智能领域的多位著名学者近日发表 NeuroAI 白皮书认为，神经科学长期以来一直是推动人工智能（AI）发展的重要驱动力，NeuroAI 领域的基础研究将推动下一代人工智能的进程。文章发表后引发热议：神经科学是否推动了人工智能？未来的人工智能是否需要神经科学？

本着促进神经科学、计算机科学、认知科学和脑科学等不同领域的学术工作者的交流与合作，集智俱乐部联合北京师范大学柳昀哲、北京大学鲍平磊和昌平实验室吕柄江三位研究员共同发起了「NeuroAI」读书会，聚焦在视觉、语言和学习领域中神经科学与人工智能的相关研究，期待能够架起神经科学与人工智能领域的合作桥梁，激发跨学科的学术火花。

详情请见：

点击“阅读原文”，报名读书会