专访 | 孙哲博士：AI离大脑究竟有多远？脑模拟研究解密

编者按：

这里是“脑人言”新创立的《脑科学连线》节目。本栏目旨在与脑科学相关的产、学、研界一线人士深入交流，帮助大家更好地了解脑科学现状和未来发展动态。

人脑是我们已知最复杂的生物器官，它虽然大约只有三磅重，却由大约860亿个神经元所组成，而这些神经元之间又通过大约100万亿个突触来相互连接。大部分的生物学者都认为，人类的大脑和其所产生的智能都不可以复制，我们只能以旁观者的身份来进行观察研究。而另一部分学者则认为，大脑如同其他的机器一样，可以被人为的制造出来。因此他们中的某些人便积极投身了模拟人类神经元、神经环路、甚至整个大脑的研究。

※嘉宾学习工作背景  

我们今天所邀请的嘉宾孙哲老师就是从事该项研究的专家。

孙老师自2010年开始，先后在庆应义塾大学和横滨市立大学学习，并在横滨市立大学获得了理学硕士和博士学位。他于2015年进入日本国立理化研究所（RIKEN）工作，先后在脑科学综合研究中心（BSI）和计算机工学应用开发实验组担任研究助理和研究科学家。

主持人：孙老师，你现在在日本理化所从事的研究方向是什么？

嘉宾：我目前从事的是一个基于百亿亿次运算（一秒钟进行10的18次方计算）的超级计算机的人类全脑模拟的工作。全脑即包括人类规模的大脑、小脑，还有基底核三个重要部分。

主持人：你们模拟人脑研究的问题是什么？

嘉宾：我们主要进行的是对于思考回路的模拟。比如说人脑在进行思考时，大脑皮层、小脑和丘脑的回路，以及大脑基底核、丘脑和大脑皮层的回路。

主持人：请问你在本硕博士期间所学习的专业与你现在所从事的研究工作关联性大吗？

嘉宾：关联性挺大的，并且在我们这个项目和我的双向选择中起到了非常关键的作用。我在学习期间主攻计算神经科学，比如做一些简单的脉冲神经环路的模拟工作。在刚开始当研究科学家的一年里，我一直在做脑信号的相关工作。而在大脑模拟的工程中恰好就需要一个既能模拟，又熟悉计算机代码编写和大脑信号处理的研究人员。这与我的经历不谋而合，而且我也对此有浓厚兴趣，所以他们邀请我加入这个项目组，然后一直工作至今。

 ※欧盟、日本和中国脑计划中的脑模拟研究

主持人：在今年7月底，欧盟宣布于2013年所启动的投资了13亿欧元的“人类脑计划”（Human Brain Project, HBP）进展不顺利，遭遇了严重挫折，并表示今后可能不会再资助如此大型的单一研究计划。我们知道，欧盟的人类脑计划所从事的正是用计算机模拟人脑以实现人工智能的研究。孙老师能否简单的介绍一下欧盟的脑计划？

嘉宾：欧盟的脑计划，包括欧洲的深蓝大脑计划，是世界范围内一项启动很早的大脑模拟研究工程。它包含的子项目非常多，例如机器人、神经模态的计算、大脑模拟。它对于其他项目组都是导师一样的存在，在很多的方向做了探索性的工作并给予了我们启发。

国外媒体对欧洲脑计划的报道

来源：The Atlantic大西洋月刊

主持人：既然欧盟脑计划也取得了进步和科研成果，为什么欧盟会宣布该计划进展不顺利并今后不会资助类似重大研究计划呢？

嘉宾：在这种挑战性的课题上肯定遇到了预想不到的困难。从我的角度来看，第一，大脑模拟工程之前空白太多，很多的地方需要进行探索性的工作，可能走很多弯路。第二，在我们过去培养的人才中，神经科学和计算科学的交叉人才太少。另外，在项目的整个进展的过程中，可能存在着与别的课题组的合作问题。

但这个项目还会持续到2023年。目前我们也在跟它的两个项目组进行合作。我相信在未来的一段时间内，他们会调整好目标，继续取得好成果。

主持人：所以概括一下说，欧盟脑计划虽然取得了很大的成功，但是当初设立的目标太高，不切实际？

嘉宾：当时设定这个目标可以说是切实际的。但这种大的计划是十年前来做的，我们不能从现在的角度来看十年前的思路。因为现在科技它是加速在进展的，特别是脑科学领域这样一个非常热门的领域。

主持人：日本是否也有类似的脑计划？

嘉宾：我现在所在的是旗舰2020工程项目组。在2020年或者2021年的时候，我们会开启一个新的超级计算机，该计算机的研发代号之前叫做post K，现在它的新名字叫“富岳”，就是富士山的意思。这台超级计算机可以达到一秒钟10的18次方的计算，我们之前的K（“京”）计算机，它能达到一秒钟10的16次方。在“京”超算上, 我们实现了夜猴大脑规模的模拟，现在最高是模拟到17-18亿个神经元的规模, 在8万多个计算节点完全运行的话。新的超级计算机“富岳”会从亿亿级计算提高到百亿亿级别, 这样的话，我们完全可以完成整个人脑的模拟。

孙哲博士与“京”超级计算机

主持人：提高了100倍是吗？大概经过了多长时间？

嘉宾：“京”于2009年开始研发，在2011年完全装机。我们的“京”（K computer）也是人类第一次把计算推进到了亿亿次时代（10的16次方）的超级计算机。因为10的16次方在日语里的汉字就是“京”，所以我们命名其为“京”。

我们在2016年就提出要建立一个后续的超级计算机。因为半导体还有硬件技术的进展，比如新的超级计算机可以用7纳米的技术来造CPU，所以功耗会极大的降低。功耗大概会提高3-4倍，但是计算能力是可以提高到100倍左右。现在我们逐渐的建立了测试的节点，应该会在2020年或者2021年的时候正式上线，然后进行各种科研实验。

主持人：日本的2020脑计划工程跟欧盟的脑计划有什么区别和相同点？

嘉宾：相同点很多，因为我们在很多的方向上进行了交流合作，比如说我们共享着超级计算机的运转框架。我们有一个框架叫做MONET模拟器。在很多的模拟技术还有数据上我们都是很相似的。日本的大脑模拟工程是由我们脑中心的前主任，信息几何学之父Shun'ichi Amari (甘利俊一)教授提出来的。他也邀请了参与欧洲脑计划的一位教授来到理化所兼职主任研究员，指导我们的一些工作。

在共同点上，我们都在模拟大脑，在做神经模态芯片相关的工作，同时开发更强的超级计算机系统来模拟更大规模的大脑。

不同的方面，欧洲脑计划主攻大脑皮层的研究，它对小脑还有基底节的研究稍微少一些。而我们主要关注的点是对思考回路的模拟。大家都知道基底核对于做出决定起到了非常关键的作用，而当你做出决定后进行一些简单的运动的时候，我们的小脑也发挥着非常重要的作用，能起到一个非常精准的修饰作用。简单来说，基底核会起到一个强化学习的作用，而小脑会起到一个监督式学习的作用，我们把这两个点都加到大脑的模拟中，相信对我们解开人类大脑思考回路会有非常大的帮助。

我们的侧重点是不同的。HBP关注更细节的东西，比如说在模拟中已经加入离子通道，而且他们在计算连接的时候，是通过两个神经元不同的模态，计算出来被连接时产生这种突出的概率，从而建立这种突出。而我们目前的使用的神经元模拟的模型是Leaky integrate and Fire 这种神经元模型，我们只关注它的单个信号，没有离子通道的信息。

主持人：作为一个中国人，其实我更关心的是我们中国自己的脑计划。中国脑计划已经筹备了好几年，提出的核心内容是一体两翼，即研究人脑的认知神经元里为主体，研发重大脑疾病的诊断和脑机智能新技术为两翼。从你的角度来看，中国的脑计划与日本、欧盟的脑计划里面关于脑模拟的这方面的计划有什么不同和相同点？

嘉宾：日本和欧洲在神经模态芯片，还有超级计算机在大脑模拟方面的应用做的时间比较久，国内做的时间比较短。目前国内提出的几个方向，与国外已开展的比较热门的一些工作非常相似。并且现在还有一个新的机遇，包括日本欧洲在内，都在研发新的超级计算机并在超级计算机上做大脑模拟的应用。因为中国有足够的超级计算机的计算资源，是不是我们也可以在超级计算机的技术上，做一些大脑模拟或者类脑算法方面的工作？我知道一些研究者已经提出了很好的想法并取得了进展，所以我相信国内在这种脑计划的指导下会有飞速的发展。

中国脑计划的“一体两翼”

来源：《neuron》

主持人： 中国脑计划今后会不会也遇到欧盟所遇到的问题？

嘉宾：在不同课题、课题组的交叉合作中会遇到很多问题。现在科学走向了越来越复杂的情况，而脑科学就是一个典型的例子。我相信国内肯定也会遇到这样的问题，但是我们可以在探索中来培养这种团队，并且在不同的年龄层次培养这种研究者。因为在日本和欧洲有同样的情况，计算神经科学变得越来越热门，但是招人的时候并不顺利。因为做计算神经科学的人很多是懂人工智能的，而人工智能的薪酬更高，因此抢走了很多人。第二个就是在合作的过程中会遇到很多的困难， 因为不是所有实验生物学的人都能够理解计算科学，也不是所有的计算科学的人也能理解对方。这个事情非常困难，但我相信会随着努力逐渐克服掉。

 ※脑模拟研究的关键问题  

主持人：目前大脑模拟研究进展到了怎样的程度？到底有没有给我们的产业、学界带来实质性的提升？

嘉宾：对于大脑模拟的研究，目前进展还是挺顺利的，无论是在离子通道上的一些在非常细节的模拟，还有在点对点的神经元比较。我们项目中有一些老师，现在在做一些昆虫的大脑的模拟，在不同尺度的大脑模拟中都取得了非常好的进展。

从人工智能的角度来讲，我们可以用学到的一些智能的本质。比如说我们知道大脑皮层是分层的，然后我们把神经网络也进行分层，再引入一些数学的东西，我们确实可以解决问题，实现一些功能。但是未来我们肯定还要学习更多的智能的本质，来提升人工智能系统的算法。

从我的角度来看，用生物学来指导人工智能的研究是非常有必要的。比如我们大脑中有剪枝，能去掉一些没有必要的连接，那么人们就能把它学到神经网络中，提高神经网络的泛化能力。我觉得未来这种例子会越来越多，包括侧抑制(Lateral Inhibition)的技术，来帮助计算机视觉提升计算视觉的识别能力。另外，在用超级计算机进行大脑模拟的过程中，我们会开发一些新的算法，解决在并行计算中一遇到的问题，这对于别的计算机科学领域也会有一些启发。

主持人：你们从事这类研究还需要什么特殊的硬件或者软件方面的支持？

嘉宾：在模拟大脑的过程中，需要两个关键的东西。第一个是很强的计算资源。我们需要一个非常好的软件，能够在超级计算机上进行非常好的并行计算。这个需要软件管理，比如说我们叫来十个人，如果管理不好的话，只有一个人在干活。如果这个问题出现的话，超级计算机的能力会发挥不出来。

另一方面，用现有生物技术所获得的数据都是稀疏的，从稀疏的数据如何制造出稠密的数据，这是需要我们探讨的。我们在模拟出来大脑之后，可以去实现一些功能，比如让现有的人工智算法能实现更好的智能。另外还可以应用在机器人技术上，我们可以把思考回路放在机器人身上，帮助机器人更好的实现控制，比如抓取，甚至可以让它拥有思考和判断。

还有一点，我们现在的超级计算机的总功率是12.6兆瓦，它能模拟约17亿神经元，但是真正的人类大脑只有10瓦的总功率却拥有着860亿的神经元。有几个不同的点导致了这种差异，所以我们可以把这几个不同的点拿过来制造新芯片（不是现有的通用计算机芯片，是神经模态芯片），这个可能会在未来以极低的功率来实现更多的功能。

主持人：这个神经模态芯片是与华为、中兴所使用芯片一样的吗？

嘉宾：对，比如说英特尔的Loihi，然后华为的Atlas这种系统的芯片，它们都是在运行人工神经网络算法上发挥着重要作用。比如我们大脑本身是异构的，有些部分负责复杂的计算，有些部分负责重复性的简单计算。通过学习这种大脑的运行方式,重新设计芯片，让它能够更快地对神经网络进行训练。但是同时我们也要意识到，大脑不止在异构上跟计算机有着本质的区别，比如说大脑一直在用脉冲来处理信号 (Loihi的设计已经考虑了这一点)。所以未来可能神经模态芯片还会在如何用脉冲来更快地处理这些脉冲信号上做一些工作。另外一点就是如果我们能够用神经模态芯片更快的来实现突触的可塑性的话，我们就能以极低的功耗来实现这种学习的功能。

“富岳”超算的架构和基于超算的计算科学四大挑战课题

来源: https://www.r-ccs.riken.jp/

主持人：当前大脑模拟研究有没有遇到一些关键性的问题？你当前所从事的研究是否与之相关？

嘉宾：关键性问的问题有两点。第一点就是如何利用现有的爆炸式增长的生物学数据。这些数据非常的庞大，肯定不能都拿来用，而且每一种数据用了不同的技术，使我们很难统一这些东西，所以我们要找到他们之间的共性。我们不知道一个整个大脑整个每一个细节，我们只知道一部分的数据，然后我们需要利用稀疏的数据来推算出一些共性的东西来制造出稠密的数据，这是一个关键的技术。

第二个关键性的问题是我们还需要开发功耗更低的更强的芯片，比如说我们现在的“京”超级计算机，每年的电费约1.5亿人民币。在这种情况下，它全力运转才能模拟一部分的大脑。这就要求我们在算法上做很多工作来节省计算资源。

这两个工作我现在都在做。第一个工作，我在通过从光遗传技术所获得的一些大脑切片的信号中，推断出大脑不同区域之间还有不同的神经元之间的连接。我在做的第二个工作是基于新芯片的新的超算，研究如何让它消耗单位功率产生更多的计算。如果我们能够进展顺利的话，相信未来能够在更小规模的计算机上能开展大规模的大脑模拟。

主持人：我们今后有没有可能在个人电脑上进行一些脑模拟？

嘉宾：现在有这类的研究，首先小规模的大脑有一些课题正取得进展，比如说模拟昆虫还有果蝇这些神经回路。另一方面就是在模拟软件上（科研用的专用的软件），我们现在也在努力地降低它消耗的通信还有计算资源，想办法在车不变的情况下让它跑得更快。在未来我们可能用一台笔记本电脑就可以模拟更多的神经元，这是没有问题的。

主持人：今天讨论环节的最后一个问题，也是读者非常关心的一个问题。我们非常熟悉的，包括《终结者》里面的“天网”和《黑客帝国》里面的“矩阵”，这些都是人类所创造的人工智能。他们最后都获得了独立的意识。你觉得你所研究的对象今后能否真正的获得意识？如果可行的话，你认为大概要花多长时间才可能实现？

“终结者”与天网Skynet

来源：https:/www.marketwatch.com/

嘉宾：第一个问题我觉得这个是可能的。2010年以后，因为随着各种数据的井喷，我们利用这些数据可以再现出来像人脑是怎么思考这样的信号。如果我们的数据和方法足够得当，我们是可以模拟出来某些我们认为是意识的东西，我相信我们肯定会在未来的一段时间内实现这种意识的模拟。这当然会出现像《终结者》、《黑客帝国》中的问题。只要这些技术出现，我们就必须得制定相应的法律，用这些制度来管理、约束新的技术。我们不能因为害怕而阻挡这种新的技术出现。

我不知道具体的时间是怎样，最近我们组长提出了2030和2040计划，计划在20年之内实现整个大脑非常详细的模拟，并且逐步实现它的功能，然后看这些功能究竟是怎么交互的，比如说三种在大脑中发生的不同的学习，强化学习、监督式学习、非监督式学习之间的交互功能。如果这个能实现的话，我认为我们在20年之内应该能够实现大脑的部分意识。

※心路历程  

主持人：希望孙老师作为一个过来人，给后来人在学习研究重的一些建议。第一个问题，我们脑人言的许多读者对人工智能脑模拟的研究非常感兴趣，你能给这些读者怎样的建议？

嘉宾：从我的角度来讲有两个非常重要的建议，第一个是持久的兴趣，因为模拟大脑会牵涉到非常多的领域和知识，我们可能会在某个地方卡壳，慢慢失去兴趣。这就要求我们慢慢的进行学习，另一个领域可能学起来非常缓慢，但是随着知识的增长，克服了这些困难之后，兴趣又会回来。

第二点就是说我们需要跟很多的专家进行合作。像这样的交叉领域，我们很难一个人找到很好的方向，或者说我们的见解可能不是特别正确。在请教的过程中，同时也坚持自己的想法和兴趣继续做下去，我觉得是非常重要的。

主持人：你在科研道路上有没有遇到重大的困难？你是如何克服的？克服这些困难之后你又有怎样的收获呢？

嘉宾：整个到现在来说困难有两个，第一个就是不被理解的时候很多。在不被理解的时候，我们一定要保持耐心，坚持自己，然后与不持有不同观点的人然后不停地进行交流，在这个过程中其实会给我们启迪和思考。

有一个故事是我的导师很早以前告诉我的，现在他是脑机接口方面世界上非常著名的专家。他在博士的时候就想做人工神经网络，但是好多老师告诉他说不可能，虽然现在我们看来这种观点是非常错误的。所以遇到这种问题，向更好的老师和前辈去探讨他们的经验，我觉得非常的必要。

第二个问题是跟更多的研究者沟通非常的有必要。我就经常的去拜访我们项目里的八个实验室的前辈和别的专家，想知道从他们的角度怎么看问题。往往在这种过程中，它会引发我们思考为什么是这样，接下来会怎么样。因为现在的科学很难像以前那样，比如说欧姆定律，量一下电压和电阻，立马知道电流，发现欧姆定律，然后名垂青史，所以我们必须得保持非常好的沟通能力。

制作人员：

主持人：东华君 （神经生物学博士，NIH博士后）

策划：Wendy （耶鲁大学，生物医学工程博士生）

编辑：李惠迪 （麦吉尔大学，认知科学本科生）

设计师：尼卡

排版：小箱子

脑人言”是公益的脑科学原创科普团队，由海内外一线科研人员组成，专注于神经科学、认知科学和脑机接口等领域的科学知识和思想的传播。关注请长按上方二维码；转载请联系：trueyLucidity；合作请联系：iam7182；加入作者团队请联系：chinatang2010。