一个猫头鹰饿了,那么接下来会做什么,很显然会去寻找食物。
这一生物本能属于主动推断的范畴,而主动推断是知觉行为的第一性原理。
当前,AI与脑科学的碰撞和交融还有无限的空间,脑科学里面有哪些核心的“第一性原理”,正在成为AI创新的认知神经基础?人工智能技术有哪些应用和实践,正在成为探索生物大脑“智能的奥秘”的有力工具?站在交叉学科的十字路口,通往通用人工智能有哪些可行路径?
在“2022北京智源大会-人工智能的认知神经基础”主题论坛上,来自于智源研究院[人工智能的认知神经基础重大研究方向]的科学家同国内外行业专家一起,通过跨学科的学术研讨和交叉讨论,分享了他们对于以上问题的探索和思考。
整理:智源人工智能的认知神经基础团队
编辑:李梦佳
论坛专家名单:
Karl Friston | 伦敦大学学院教授
刘 嘉 | 清华大学脑与智能实验室教授,智源首席科学家
陈良怡 | 北京大学未来技术学院教授,智源研究员
宋 森 | 清华大学医学院教授,智源研究员
余 山 | 中国科学院自动化研究所教授,智源研究员
方 方 | 北京大学心理与认知科学学院教授,智源研究员
吴 思 | 北京大学心理与认知科学学院教授,智源研究员
杜 凯 | 北京大学人工智能研究院助理研究员
从第一理性出发,推动脑启发的人工智能
刘嘉|视觉皮层的物体选择性编码原则
人类视觉皮层对物体的编码选择性是大脑进行遮挡物体识别的基础,例如,即使一张人脸被口罩、帽子等遮挡,我们仍立刻可以识别这是一张人脸。然而,遮挡物体识别是当前利用深度学习技术进行物体识别领域时面临的普遍问题,例如将遮挡面孔识别成是一般的其他物品。因此,从认知神经科学出发,探究人脑腹侧颞叶(Ventral temporal lobe, VTC)区域对遮挡面部识别的工作机制,揭示其背后的智能基础,将会极大推动脑启发AI识别模型或算法创新。
为此,我们筛选了神经科学里面的三个基本原则来提升AI在识别被遮挡物体上的效能:第一,连线最小的原则(wiring cost minimization),即脑神经是以布线最小为原则来进行布线;第二,神经激活传导原则,即通过特定高斯函数参数来模拟轴突长度和激活扩散过程;以及第三,模块化(modularity)约束原则,即信息由特定模块编码和封装。
通过将三个基本原则植入自组织映射(Self-Organizing Map)网络,配合 Alexnet 网络,结果显示模型对面孔具有编码选择性,即使面孔被遮挡,负责编码面孔的神经对遮挡面孔表现为活动逐渐上升的过程,而对非面孔则是逐渐下降的过程。与此同时,模型预测了神经对遮挡面孔的识别时间存在差异,表现为被遮挡的比例越大,识别时间越长。通过脑电实验证实,该现象可以被人脑 VTC 活动显著预测。
该报告展现了一个以发掘[第一性原理]为核心实现脑启发的示例。寻找第一性原理的过程就像是一个寻找智能载体并建模的过程,也是一个 implementation 的过程。复杂来源于简单,找到第一性原理,是我们理解脑启发 AI 的一个关键。
陈良怡|从神经的稀疏编码到数学超分辨率显微镜
稀疏编码在数学与神经科学领域已有较多的研究。2006年陶哲轩等证明了只要原始信号足够稀疏,在信号的频域空间,由完整频谱的任意一部分均能以接近于100% 的可能性恢复出原始信号,也就是由不完整的频谱恢复出完整的频谱。
在本次报告中,陈良怡教授向大家介绍了一些神经科学中的稀疏编码现象,并介绍了当前领域内的一些观点,认为大脑也有可能在利用压缩感知的方法对信息进行处理与传递。神经编码的稀疏性使得神经系统能够更有效的传递和分类高维信息,扩大记忆的存储能力,节省能量,提升泛化推理能力。
受到稀疏性对信号传输和恢复重要性的启发,陈良怡教授及其合作团队利用稀疏性基本原理突破荧光超分辨率的衍射极限。他们利用图像的稀疏性与连续性两个先验条件,结合迭代解卷积,大大提高了荧光成像的分辨率,和原先基于物理原理和荧光探针特定特性的超分辨率方法截然不同。利用这一新算法,第一次实现了在活细胞上对核孔复合体的60nm 结构进行观察(以往只能观察到90nm的结构)。成像分辨率的提升对研究神经科学、临床领域问题都有很大的帮助。例如,利用这一新算法,能够更有效的观察Tau蛋白在老年痴呆患者脑中是从何处起始、富集和传播。
稀疏性是一个基础性的原理,它对于信息的传递与恢复具有很重要的意义,在神经系统的信息加工中同样具有重要意义。
宋森|借鉴人类学习抽象规则的认知范式,实现神经网络的推