一秒看遍10万神经元的「绚丽烟花」,AI究竟向大脑学什么?|北大陈良怡专访...

news2024/3/3 7:39:14

作者:梦佳

大脑是人类进化的高级产物,重量约1.5公斤,占体重2%,功耗约20瓦,占全身功耗20%,当前人类对大脑的认识还不足5%,尚无完整的脑谱图可供参考。

 

毫无疑问,如何洞察生物大脑内的一切是走向类脑AI的第一步,而看清一切所需要的工具就显得尤为重要。

‍小鼠大脑内的神经元

工欲善其事必先利其器。2021年1月6日,由北京大学分子医学研究所牵头的跨学科团队,在Nature Methods在线发表了题为「Miniature two-photon microscopy for enlarged field-of-view, multi-plane, and long-term brain imaging」的文章。

对此,北京大学分子医学研究所教授、智源学者陈良怡表示,「我们的第二代微型化双光子显微镜在Nature Methods正式发表了,这也是我进入智源研究院以后,第一个受智源支持的工作。」

团队研发的第二代微型化双光子荧光显微镜FHIRM-TPM 2.0,其成像视野是该团队于2017年发布的第一代微型化显微镜的7.8倍,同时具备三维成像能力,获取了小鼠在自由运动行为中大脑三维区域内上千个神经元清晰稳定的动态功能图像,并且实现了针对同一批神经元长达一个月的追踪记录。

miniature two-photon microscopy for enlarged field-of-view, multi-plane and long-term brain imaging

 

有关双光子显微镜的用途,以及构建自由行为活体的大脑全连接图谱对未来AI研究的启发,北京大学分子医学研究所教授、智源学者陈良怡教授为我们做了详尽的解答。

 

01

更大视场,看的更清楚

 

第二代微型化显微镜和第一代相比有什么样的进展?一切要从革命性的工具说起。

 

2017年,陈良怡作为主要成员研发的高分辨率微型化双光子显微成像技术入选了「2017年中国科学十大进展」,并于2018年入选 Nature Method年度方法「自由行为动物成像技术」。

 

2017年10月,诺贝尔生物学或医学奖获得者爱德华·莫泽 (Edvard I. Moser)专程访问北大微型化双光子显微镜跨学科联合实验室,当时对微型化双光子显微镜给予了高度评价,称其将为神经科学研究,特别是为他所研究的大脑空间定位神经系统提供了一个「革命性」的新工具。

 

当然这一「革命性」的工具也并非完美无缺。总结来看,微型化双光子虽然分辨率很高,但是和斯坦福的Mark Schnitzer(美国脑计划最初建议人)所做的微型化单光子比起来,视场不够大。一个大概400乘400微米的视场里就可能有几百个神经元。视场大,就能看到更多的神经元和回路。

 

「我们做出来第一版微型化双光子的时候,就认识到了这一点,因为我们当时是以分辨率,也就是看清楚为目标,而不是以越大越好为目标。所以从19年开始,我们就往更大『视场』的方向上走。」陈良怡教授表示。

 

「我们有一种特殊的技术叫做remote focusing,液体透镜,聚焦不需要镜头的伸进伸出,而是用一个新的器件把电极加上去,当中液体的曲率就会发生变化,这样去聚焦。所以把这些新技术用上了以后,我们第二代主要解决的问题就是一个三维成像的大视场。」

 

 

「因为它是一个光学的透镜,就可以在同一只老鼠上做很长时间,可以把老鼠开颅,打开之后,给它贴上一个玻片,(因为是个光学透镜),可以光学上进行补偿,原来是不能这样做的,后果是老鼠是暴露的,很容易感染,可能就不能再做了,那么现在我们就可以同一只老鼠做一个月。」

 

如果是第一代微型化显微镜是从0到1,那么第二代就是从1到10,实现了更大视场,三维扫描建模,以及更长的跟踪时长,实现了技术上的革新。

 

02

看遍三个脑区,生物成像的究极意义

 

根据陈良怡教授的介绍,微型化双光子的好处在于可以同时在三个脑区观看,包括视觉皮层、听觉皮层、前额叶决策皮层等等。

 

但这又涉及到一个问题,追踪数据的工作量就会非常大。

 

「做活体的动物,一个显微镜随随便便拍一个下午可能就会到几百G甚至上T的数据。如果没有分析和处理,这个数据不能转换成所谓的科学上的洞见,其实对你一点用都没有。」

 

某种意义上说,陈良怡团队所做的事更像是一个小型IT公司。通过残差网络、GANs或者FCN进行图像分割处理,或其他流行的深度学习方法进行大量的图像数据处理。

 

通过处理数据、分析关联性再建立模型探究生物智能(biological intelligence)的来源,这个过程,陈良怡称之为真正意义上的逆向工程。

 

「实际上这也是在智源我们的认知神经科学方向下希望做的事情。」目前陈良怡所在的智源团队专注于构建斑马鱼的全脑连接图谱。

 

有关斑马鱼的脑连接图谱,国内外的团队也多有涉猎,其中包括中国科学院神经研究所研究员杜久林团队,哈佛Jeff Lichtman团队,德国马普神经所等等。

 

「之所以斑马鱼是一个很好的模型,在于我们现在的这种成像技术,能够在一秒钟内看到它的大脑里的几万个神经元。目前我们团队的优势在于光学上的深刻理解。」

 

 

作为常见的模式生物,斑马鱼麻雀虽小五脏俱全,透明闪亮,记忆短暂,大脑约有10万个神经元。

 

以斑马鱼为基础的学习模型和儿童背单词类似,「我们也有那种学习的模型,让他能够学习一件事情,记忆可以维持6个小时,一旦不复习他就会忘掉。」

03

AI究竟向大脑学什么?

 

AI究竟能向大脑学什么呢?

 

陈良怡认为,作为一个能量资源有限的系统,生物系统重要的机制是学习、记忆以及遗忘,生物系统的变量是随时间变化的。生物运用一整套系统来学习周围的环境进而完成趋利避害等,它的个体以及群体的进化策略并不是对数量的堆叠,我们也许能模拟很复杂的人脑变量,但是能否产生多样性是值得怀疑的。

 

「现在大家诟病说neuroscience 对人工智能没有什么贡献,其实我觉得主要分歧在于在人脑或者生物脑里没有直接的反向传播(backprop)这一说。」

 

而反向传播的发明者Geoffery Hinton去年4月却在Nature子刊发文,表示人脑中存在类似于反向传播的神经机制,甚至可以用一种新算法类比出来。

 

该研究认为,尽管存在明显的差异,但大脑仍有能力实现反向传播的核心原则。其主要思想是,大脑可以通过使用反向连接来引发神经元活动从而计算有效的突触更新,而这些神经元活动将局部计算出的差异编码成类似于反向传播的误差信号。

 

简言之,大脑用了一些我们尚不理解的方式来传递信号,而且实现的方式更加高效。

 

一直以来,各国的神经科学家都在通过生物实验探索相似的道路。

 

2016年,由IARPA(美国情报先进研究计划署)和脑计划(BRAIN Initiative)部分项目牵头,堪比人类登月计划的Micron(Machine Intelligence from Cortical Networks),也称10万神经元计划雄心勃勃地启动了,其终极目标,就是通过对哺乳动物的大脑皮层进行逆向工程以找到革新机器学习的方法。

 

神经科学家的任务是发现大脑湿软灰质中的工作策略,然后数据团队将这些策略转换为算法。人工智能中的一大挑战就是 one-shot learning,项目招募的哈佛大学生物和计算机学家 David Cox曾表示,「人类在推理与归纳上有着惊人的能力,这也是我们尝试抓取的能力。」

 

除了大脑记忆、决策和因果推理的过程,在认知领域,还有更多的谜团亟待发掘。陈良怡讲到一个例子。

2017年,浙大胡海岚教授团队通过小鼠的「钻管测试」证明了强者恒胜的原则。

 

研究人员将两只老鼠放在一个狭窄的狭缝中,让他们两个各自从一边冲过来,更强势一点的老鼠会把另一只挤出去了。在后续的经历中,处于弱势地位的老鼠会经常处于弱势地位。

  

研究表明,用光遗传学(一种利用激光来瞬时、特异激活神经元的手段)可以改变化学物质,让原来弱势的变成强势。

 

 

对此陈良怡认为,「这一点至少证明,所有的这些情绪,包括aggression等等都是跟这些化学物质有关,是有物理上的本体存在的。」

 

「我们认为这些所谓的aggression、happiness、sadness,在单个神经元的尺度上是如何组织,在具体的脑区里是怎么样编织信号,回路是如何的,我们只有了解了这些,才能设法把这些东西应用到AI上去,让AI也有这种情绪,或者说感情。如果以跨十年来记的话,这是未来的一个(AI的)方向。当然在此之前还需要很多扎实的工作才能实现。」

 

04

跨学科之光,殊途同归

 

陈良怡目前所在的跨学科研究组,融合了生物、物理、数学和计算机等多重学科背景。「在一个跨学科团队里工作,每个人要跨出他的学科舒适度,跳出既定的轨道,去听别人的思路。」

 

神经认知和计算机科学的碰撞,往往有不一样的火花。陈良怡指出,二者主要区别在于思维方式上的不同。

 

「从计算机和 AI 这个角度上来讲,我的理解,大部分的学者是沿着现有的轨道在走,对现有的这些理论做一些优化,然后我的被认可的程度是任务base的,比如说ImageNet,识别率的高低,比如说我调了哪些参数,现在识别率比别人高了3%,就挺牛的。」

 

 

「在这个既定的轨道上,如果以ImageNet最后的成功率来定的话,你很难跳出这个轨道,也就很难有真正很创新的东西,比如说你去模拟脉冲神经放电,做一个仿神经的脉冲神经网络,但是实际上效果差太远,大家就会觉得这个没什么意思。」

 

而相比之下,神经科学则是从更基础的角度研究问题,这同时也是它的优势和弊病所在。

 

「从基础科研来走,大家都以比如说发表文章为最终的目标。有的时候你去做这些特别fundamental的事情,不一定会给你带来直接的回报。」

 

解决人工智能最核心关键的技术问题,势必需要二者的相互碰撞和融合。在世界级的AI研究机构Google Brain、Deepmind等在硬核的生物和神经科学领域的基础工作也往往积累深厚。

 

「人工智能的认知神经基础」是智源2020年发布的首个重大研究方向,将认知神经基础作为人工智能的基础,事实上是从底层框架的角度追求创新的意义,走向体制的创新。

 

神经科学、认知科学和信息科学的充分交叉融合,人工智能和脑科学的双向互动,意在揭示生物智能系统的精细结构和工作机理,构建功能类脑、性能超脑的智能系统,以视觉等功能和典型模式动物作为参照物测试智能水平,为人工智能未来发展探索可行道路。

 

谈到对自身的定位,陈良怡表示,「首先,我给自己的定位是一个工程师。其实我绝对不能算神经科学家,我属于半吊子神经科学家。我从本科、研究生再到博士的训练都是 biomedical engineering。」作为生物医学成像领域的专家,陈良怡教授其实是工科出身,对交叉领域有独道而深刻的理解。

 

陈良怡教授

在智源的资源和创新体制影响下,陈良怡希望打造一个开源开放的可视化的数据分析平台,「我们在智源斑马鱼项目的愿景,不敢说是理解人那么复杂,但至少可以去理解斑马鱼全脑尺度上呈现的基本学习和记忆的过程。理解了这个机制,希望对设计更有效的人工智能网络会有帮助,这是我们的目标。」


点击左下角“阅读原文”,了解更多!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://nwjs.net/news/141816.html

如若内容造成侵权/违法违规/事实不符,请联系七分地网进行投诉反馈,一经查实,立即删除!

相关文章

一本真正讲“大数据”处理思路的书

这是我读到的第一本真正讲“大数据”处理思路的书,我想分享一下我读了这本书的感悟。一般情况下,在面对海量数据的时候,我们的软件架构也会跟着发生变化。当你的数据量在内存里放不下的时候,你就得考虑硬盘;当你的硬盘…

这些代码改变了科学界:从Fortran、arXiv到AlexNet

转自:机器之心2019 年,「事件视界望远镜」团队拍下了第一张黑洞照片。这张照片并非传统意义上的照片,而是计算得来的——将美国、墨西哥、智利、西班牙和南极多台射电望远镜捕捉到的数据进行数学转换。该团队公开了所用代码,使科学…

不存在完美的入门书,但是有些书在某些方面很惊艳

题图 | Technology vector created by stories - www.freepik.com前段时间收到了明发哥翻译的《Android 编程权威指南(第4版)》,许久没有打开纸质书,但翻阅时的纸墨味儿依旧,仿佛回到了几年前初学 XML 布局的时候。我从…

两院院士评选2020年中国、世界十大科技进展揭晓,「机器学习模拟上亿原子」等入选 | AI日报...

两院院士评选2020年中国、世界十大科技进展揭晓,「机器学习模拟上亿原子」等入选由中国科学院、中国工程院主办,中国科学院学部工作局、中国工程院办公厅、中国科学报社承办,腾讯集团发展研究办公室协办的中国科学院院士和中国工程院院士投票…

一本书带你入门商业数据科学

老马(Matt Taddy)是 Central Economics Team 的 VP,亚马逊北美首席经济学家。相当于大型智囊团里的二当家的。在来亚马逊之前,老马是芝加哥大学布斯商学院的明星教授,他是学数理统计出身的,一开始教授的是统…

面对500篇GNN论文,心态差点儿崩了,幸好我有这本小书

题图 | Computer vector created by stories - www.freepik.com说起来,大学时代的图灵君也算得上是零挂科修完全部计算机课程的人才。怀着对前沿技术的满腔热忱,年(yī)纪(tu)轻(xi)…

《因果科学周刊》第7期:2021因果强化学习第一课

为了帮助大家更好地了解因果科学的最新科研进展和资讯,我们因果科学社区团队本周整理了第7期《因果科学周刊》,推送近期因果科学领域值得关注的论文和资讯信息。本期的主题是“因果强化学习”,它在众多通向通用人工智能的路径中备受关注&…

JDK安装与环境变量配置

安装JDK 选择安装目录 安装过程中会出现两次 安装提示 。第一次是安装 jdk ,第二次是安装 jre 。建议两个都安装在同一个java文件夹中的不同文件夹中。(不能都安装在java文件夹的根目录下,jdk和jre安装在同一文件夹会出错) 如下图…

搞定了数学,拿下了代码,没想到在这件事上栽了跟头……

“我好像要失业了。”如果有一天,你的学霸老同学给你发了这样一条信息,你会怎么想?我就碰到了这样的事。当年我们系所向披靡的刚哥,毕业季能拿着一叠offer打扑克的牛人,他竟然告诉我他要失业了。#1被800字追杀的学霸“…

哈佛大学研发水下机器人,Science Robotics发表 | AI日报

哈佛大学研发水下机器人,Science Robotics发表日前,来自哈佛大学的科学家们就从鱼群中汲取灵感,研发出了一批水下机器人,这种机器人可以像真正的鱼群一样同步运动,且不需要任何外部控制。同时,他们也首次利…

日程来了!2021年佛山敏捷之旅暨第1届佛山DevOps社区Meetup

2021年佛山敏捷之旅暨第1届佛山DevOps社区Meetup首次在佛山举行,大会以金融科技研发效能为主题,立足广东金融高新区,服务周边企业。大会地点在广东佛山市南海区新凯广场万枫酒店,时间为5月16日,拟定2个会场&#xff0c…

[解决方案记录]No module named fused(stylegan2的bug,已更新)

基本情况 https://github.com/rosinality/stylegan2-pytorch/issues/81 运行psp时出现的问题。其实就是stylegan2里面采用了c编译等功能带来的bug,非常烦人。 系统:windows 平台:pycharm jupyter notebook GPU:GTX1660Ti 解决…

5月书讯 | 哺育小平邦彦、伊藤清等一代数学家的“数学圣经”终于来啦!

“2020已经过去了三分之二,不知何年何月才能与此书见面。”“编辑老师,不知道还有多久面世?”“2021年了,终于预售了...”......经过编辑老师几百个日夜的努力,作为图灵经典数学系列的其中一员,这本书与其他…

「数据+知识」并非万能!NLP未来是多模态,人大长聘副教授宋睿华提「理解」新观点...

理解,就是看到小情侣吵架,能够想象到幸福的画面智源导读:计算机科学家,往往会用已知的方法来解决未知的问题。举例来说,对于如何增强机器对自然语言的理解能力,目前国内比较主流的观点是——“数据知识”&a…

读书笔记|如何让用户为你的产品尖叫

文/PM十二 编辑/李老太、小太阳 Hi各位小伙伴,最近新认识的一位从事编辑的小伙伴推荐了《用户思维:好产品让用户为自己尖叫》,趁着周末把它读完了,因此今天要分享的是一篇读书笔记。正式阅读之前初读题目的时候非常好奇&#xff…

《Python面向对象编程指南》——1.2 基类中的__init__()方法

本节书摘来自异步社区《Python面向对象编程指南》一书中的第1章,第1.2节,作者[美]Steven F. Lott, 张心韬 兰亮 译,更多章节内容可以访问云栖社区“异步社区”公众号查看。 1.2 基类中的__init__()方法 对…

统计学权威盘点过去50年最重要的统计学思想,因果推理、bootstrap等上榜,Judea Pearl点赞...

作者 | 陈彩娴、Mr Bear编辑 | 青暮本文转自AI科技评论近日,图灵奖得主、“贝叶斯网络之父”Judea Pearl在Twitter上分享了一篇新论文“What are the most important statistical ideas of the past 50 years?”(过去50年中最重要的统计思想是什么&…

不扶好眼镜,请别打开这本挑战JS语言特性的书

"人们不停地给老化的语言“整容”,拼命地往其中注入各种新的特性来稳住其流行地位,或者至少让其看起来不那么“土”。与“代码膨胀”一样,“特性膨胀”过犹不及。我们更应该去发现JavaScript的内在美,而不是做各种表面功夫。…

python怎么变成动图_python简单的图片切换形成动画效果程序

简单事情复杂化了,这个程序实现这个效果还能再度精简很多代码,把类去掉吧,你能自行完成吗? import turtle class Window: def __init__(self,width,height,bgimages,title"",alt_delay120,bgcolor"white"):…

用一篇文章说清楚如何写作

专门讲写作的书就有一大堆,这事能用一篇文章说清楚吗?答案是能的,不信你往下看。写之前要先弄清楚文章属于什么类型,类型不同写法当然不一样。以沟通为目的的文章最好写,虚构类文章不好写,因为你还要先虚构…