2020年人工智能的认知神经基础白皮书-北京智源人工智能研究院-2021.3-55页_5mb

人工智能的认知神经基础白皮书（2020年）总结

核心内容

本白皮书由北京智源人工智能研究院发布，旨在探讨人工智能与认知神经科学的交叉领域，总结2020年在认知神经科学和相关技术上的最新进展，揭示大脑和人工智能之间的相互启发关系。白皮书围绕四个主要部分展开：认知与神经科学研究进展、新技术在认知与神经科学领域的应用、神经科学对人工智能的启发、人工智能对神经科学的启发。

主要观点

认知与神经科学研究进展

• 神经递质与遗忘机制：多巴胺在瞬时遗忘中起到关键作用，尤其在果蝇实验中，多巴胺神经元的激活可抑制记忆提取，而抑制这些神经元则可消除干扰刺激的影响。
• 神经元突触与选择特异性：研究挑战了赫布理论，表明神经元的选择特异性并非由强突触单独决定，而是由所有被不同刺激激活的突触共同“投票”决定。
• 视觉神经元多样性：小鼠视皮层中存在大量低特异性神经元，它们对多种刺激均有响应，表明传统的视觉信息模型存在局限性。
• 视觉系统的功能层级：小鼠视觉系统具有类似灵长类动物的功能层级结构，高级区域的神经反应延迟更长，且与行为选择存在强相关性。
• 全脑连接组与功能活动：通过BRICseq技术，可以快速构建小鼠全脑连接组图谱，揭示神经元与基因表达、神经活动之间的关系。
• 小脑与决策行为：小脑颗粒细胞的神经活动对运动决策具有重要预测作用，同时小脑与ARTR区域的信号在决策中发挥关键作用。
• 认知理论的更新：新证据表明，人类视觉系统可能存在第三条通路，专门处理社会认知；同时，人类海马中可能不存在模式分离，而是采用类似二进制的编码机制。

新技术在认知与神经科学领域的应用

• 成像技术：多光子、宽场、光片等成像技术不断优化，实现更深层、更大视场和更高时间分辨率的神经活动观测。

  • 多光子成像：双光子和三光子显微镜分别用于深层成像和穿透更深层组织，如斑马鱼和小鼠。
  • 超大视场成像：清华大学戴琼海团队开发了具有超大视场（$1.56 \mathrm{~mm} \times 1.83 \mathrm{~mm}$）的显微镜，可用于多平面和体成像。
  • 超高速成像：加州大学伯克利分校Na Ji团队开发了全光无源激光扫描高速成像技术，实现每秒99帧的体成像速率。
  • 自由行为动物成像：北京大学开发的微型化双光子显微镜系统，支持小鼠自由行为下的高分辨率神经活动观测。

• 探针技术：化学合成与遗传编码的荧光探针用于更精确地观测神经递质和神经肽的动态释放过程。

• 神经调控技术：非侵入式和侵入式技术被用于增强或重建视觉认知功能，如经颅电刺激和Neuropixels电极阵列。

关键信息

技术突破

• 多光子成像：实现深层、高分辨率、高时间精度的神经活动记录。
• 宽场显微镜：通过改进技术实现多平面和体成像，提高成像速度和精度。
• 光片显微镜：具有高扫描速率和低光损伤，适合活体样本成像。
• 微型化双光子显微镜（FHIRM-TPM）：重量仅2.2克，支持小鼠自由行为下的长时间神经活动记录。
• BRICseq技术：通过核酸条形码实现全脑连接组的快速构建。

科学发现

• 多巴胺与瞬时遗忘：多巴胺在调节瞬时遗忘中起到关键作用，影响记忆提取。
• 突触联合效应：神经元的选择特异性由多个突触共同决定，而非单一强突触。
• 低特异性神经元：在小鼠视皮层中，大量神经元对多种刺激有响应，挑战了传统模型。
• 视觉系统功能层级：小鼠视觉系统存在层级结构，不同层级的神经元响应延迟和复杂度不同。
• 小脑的认知功能：小脑不仅与运动相关，还在决策过程中发挥重要作用。
• 第三视觉通路：可能用于处理社会认知信息，如面孔和身体的动态信息。
• 海马编码机制：人类海马中可能存在不依赖模式分离的编码机制，支持抽象概念的整合。

人工智能与神经科学的相互作用

• 鲁棒性提升：借鉴小鼠视觉系统的群编码原则和分布式强化学习算法，提高人工神经网络的鲁棒性。
• 模型启发：基于秀丽线虫的神经网络设计，开发更高效、可解释的人工智能系统。
• 神经网络建模：利用人工智能方法，如贝叶斯学习，解释大脑中信息表征的机制。
• 反向传播机制研究：寻找大脑中可能实现类似人工神经网络反向传播功能的机制。

未来展望

1. 高还原脑仿真：整合多尺度神经信息，构建更接近真实大脑的模型，用于解析神经机制。
2. 高级灵长类动物研究：将技术向更高级的模式生物转化，验证低等生物机制在高等生物中的适用性。
3. 新认知理论模型：结合新证据，建立或修订新的认知模型，如第三视觉通路的人工神经网络模型。
4. 技术整合：推动成像、探针、调控技术的进一步融合，提升对神经活动和行为关系的理解。

总结

本白皮书系统总结了2020年认知神经科学领域的最新进展，包括神经递质、突触、神经元、视觉系统、全脑连接组和认知理论等方面的突破。同时，强调了新技术在这些研究中的关键作用，如多光子、宽场、光片等成像技术的优化，以及探针与神经调控手段的发展。这些技术不仅提升了对神经活动的观测能力，也为人工智能的算法优化和模型构建提供了新的思路。未来，随着多学科交叉研究的深入，人工智能与神经科学将在相互启发中实现螺旋式发展，推动对大脑机制和智能本质的深入理解。