專訪 | 孫哲博士：AI離大腦究竟有多遠？腦模擬研究解密

作者：由腦人言發表于繪畫時間：2019-11-29

編者按：

這裡是“腦人言”新創立的《腦科學連線》節目。本欄目旨在與腦科學相關的產、學、研界一線人士深入交流，幫助大家更好地瞭解腦科學現狀和未來發展動態。

人腦是我們已知最複雜的生物器官，它雖然大約只有三磅重，卻由大約860億個神經元所組成，而這些神經元之間又透過大約100萬億個突觸來相互連線。大部分的生物學者都認為，人類的大腦和其所產生的智慧都不可以複製，我們只能以旁觀者的身份來進行觀察研究。而另一部分學者則認為，大腦如同其他的機器一樣，可以被人為的製造出來。因此他們中的某些人便積極投身了模擬人類神經元、神經環路、甚至整個大腦的研究。

嘉賓學習工作背景

我們今天所邀請的嘉賓孫哲老師就是從事該項研究的專家。

孫老師自2010年開始，先後在慶應義塾大學和橫濱市立大學學習，並在橫濱市立大學獲得了理學碩士和博士學位。他於2015年進入日本國立理化研究所（RIKEN）工作，先後在腦科學綜合研究中心（BSI）和計算機工學應用開發實驗組擔任研究助理和研究科學家。

主持人：

孫老師，你現在在日本理化所從事的研究方向是什麼？

嘉賓：

我目前從事的是一個基於百億億次運算（一秒鐘進行10的18次方計算）的超級計算機的人類全腦模擬的工作。全腦即包括人類規模的大腦、小腦，還有基底核三個重要部分。

主持人：

你們模擬人腦研究的問題是什麼？

嘉賓：

我們主要進行的是對於思考迴路的模擬。比如說人腦在進行思考時，大腦皮層、小腦和丘腦的迴路，以及大腦基底核、丘腦和大腦皮層的迴路。

主持人：

請問你在本碩博士期間所學習的專業與你現在所從事的研究工作關聯性大嗎？

嘉賓：

關聯性挺大的，並且在我們這個專案和我的雙向選擇中起到了非常關鍵的作用。我在學習期間主攻計算神經科學，比如做一些簡單的脈衝神經環路的模擬工作。在剛開始當研究科學家的一年裡，我一直在做腦訊號的相關工作。而在大腦模擬的工程中恰好就需要一個既能模擬，又熟悉計算機程式碼編寫和大腦訊號處理的研究人員。這與我的經歷不謀而合，而且我也對此有濃厚興趣，所以他們邀請我加入這個專案組，然後一直工作至今。

歐盟、日本和中國腦計劃中的腦模擬研究

主持人：

在今年7月底，歐盟宣佈於2013年所啟動的投資了13億歐元的“人類腦計劃”（Human Brain Project， HBP）進展不順利，遭遇了嚴重挫折，並表示今後可能不會再資助如此大型的單一研究計劃。我們知道，歐盟的人類腦計劃所從事的正是用計算機模擬人腦以實現人工智慧的研究。孫老師能否簡單的介紹一下歐盟的腦計劃？

嘉賓：

歐盟的腦計劃，包括歐洲的深藍大腦計劃，是世界範圍內一項啟動很早的大腦模擬研究工程。它包含的子專案非常多，例如機器人、神經模態的計算、大腦模擬。它對於其他專案組都是導師一樣的存在，在很多的方向做了探索性的工作並給予了我們啟發。

國外媒體對歐洲腦計劃的報道 | 來源：The Atlantic大西洋月刊

主持人：

既然歐盟腦計劃也取得了進步和科研成果，為什麼歐盟會宣佈該計劃進展不順利並今後不會資助類似重大研究計劃呢？

嘉賓：

在這種挑戰性的課題上肯定遇到了預想不到的困難。從我的角度來看，第一，大腦模擬工程之前空白太多，很多的地方需要進行探索性的工作，可能走很多彎路。第二，在我們過去培養的人才中，神經科學和計算科學的交叉人才太少。另外，在專案的整個進展的過程中，可能存在著與別的課題組的合作問題。

但這個專案還會持續到2023年。目前我們也在跟它的兩個專案組進行合作。我相信在未來的一段時間內，他們會調整好目標，繼續取得好成果。

主持人：

所以概括一下說，歐盟腦計劃雖然取得了很大的成功，但是當初設立的目標太高，不切實際？

嘉賓：

當時設定這個目標可以說是切實際的。但這種大的計劃是十年前來做的，我們不能從現在的角度來看十年前的思路。因為現在科技它是加速在進展的，特別是腦科學領域這樣一個非常熱門的領域。

主持人：

日本是否也有類似的腦計劃？

嘉賓：

我現在所在的是旗艦2020工程專案組。在2020年或者2021年的時候，我們會開啟一個新的超級計算機，該計算機的研發代號之前叫做post K，現在它的新名字叫“富嶽”，就是富士山的意思。這臺超級計算機可以達到一秒鐘10的18次方的計算，我們之前的K（“京”）計算機，它能達到一秒鐘10的16次方。

在“京”超算上, 我們實現了夜猴大腦規模的模擬，現在最高是模擬到17-18億個神經元的規模, 在8萬多個計算節點完全執行的話。新的超級計算機“富嶽”會從億億級計算提高到百億億級別, 這樣的話，我們完全可以完成整個人腦的模擬。

孫哲博士與“京”超級計算機

主持人：

提高了100倍是嗎？大概經過了多長時間？

嘉賓：

“京”於2009年開始研發，在2011年完全裝機。我們的“京”（K computer）也是人類第一次把計算推進到了億億次時代（10的16次方）的超級計算機。因為10的16次方在日語裡的漢字就是“京”，所以我們命名其為“京”。

我們在2016年就提出要建立一個後續的超級計算機。因為半導體還有硬體技術的進展，比如新的超級計算機可以用7奈米的技術來造CPU，所以功耗會極大的降低。

功耗大概會提高3-4倍，但是計算能力是可以提高到100倍左右。

現在我們逐漸的建立了測試的節點，應該會在2020年或者2021年的時候正式上線，然後進行各種科研實驗。

主持人：

日本的2020腦計劃工程跟歐盟的腦計劃有什麼區別和相同點？

嘉賓：

相同點很多，因為我們在很多的方向上進行了交流合作，比如說我們共享著超級計算機的運轉框架。我們有一個框架叫做MONET模擬器。在很多的模擬技術還有資料上我們都是很相似的。日本的大腦模擬工程是由我們腦中心的前主任，資訊幾何學之父Shun‘ichi Amari （甘利俊一）教授提出來的。他也邀請了參與歐洲腦計劃的一位教授來到理化所兼職主任研究員，指導我們的一些工作。

在共同點上，我們都在模擬大腦，在做神經模態晶片相關的工作，同時開發更強的超級計算機系統來模擬更大規模的大腦。

不同的方面，歐洲腦計劃主攻大腦皮層的研究，它對小腦還有基底節的研究稍微少一些。而我們主要關注的點是對思考迴路的模擬。大家都知道基底核對於做出決定起到了非常關鍵的作用，而當你做出決定後進行一些簡單的運動的時候，我們的小腦也發揮著非常重要的作用，能起到一個非常精準的修飾作用。簡單來說，基底核會起到一個強化學習的作用，而小腦會起到一個監督式學習的作用，我們把這兩個點都加到大腦的模擬中，相信對我們解開人類大腦思考迴路會有非常大的幫助。

我們的側重點是不同的。HBP關注更細節的東西，比如說在模擬中已經加入離子通道，而且他們在計算連線的時候，是透過兩個神經元不同的模態，計算出來被連線時產生這種突出的機率，從而建立這種突出。而我們目前的使用的神經元模擬的模型是Leaky integrate and Fire 這種神經元模型，我們只關注它的單個訊號，沒有離子通道的資訊。

主持人：

作為一箇中國人，其實我更關心的是我們中國自己的腦計劃。中國腦計劃已經籌備了好幾年，提出的核心內容是一體兩翼，即研究人腦的認知神經元裡為主體，研發重大腦疾病的診斷和腦機智慧新技術為兩翼。從你的角度來看，中國的腦計劃與日本、歐盟的腦計劃裡面關於腦模擬的這方面的計劃有什麼不同和相同點？

嘉賓：

日本和歐洲在神經模態晶片，還有超級計算機在大腦模擬方面的應用做的時間比較久，國內做的時間比較短。目前國內提出的幾個方向，與國外已開展的比較熱門的一些工作非常相似。並且現在還有一個新的機遇，包括日本歐洲在內，都在研發新的超級計算機並在超級計算機上做大腦模擬的應用。因為中國有足夠的超級計算機的計算資源，是不是我們也可以在超級計算機的技術上，做一些大腦模擬或者類腦演算法方面的工作？我知道一些研究者已經提出了很好的想法並取得了進展，所以我相信國內在這種腦計劃的指導下會有飛速的發展。

中國腦計劃的“一體兩翼”| 來源：《neuron》

主持人：

中國腦計劃今後會不會也遇到歐盟所遇到的問題？

嘉賓：

在不同課題、課題組的交叉合作中會遇到很多問題。現在科學走向了越來越複雜的情況，而腦科學就是一個典型的例子。我相信國內肯定也會遇到這樣的問題，但是我們可以在探索中來培養這種團隊，並且在不同的年齡層次培養這種研究者。因為在日本和歐洲有同樣的情況，計算神經科學變得越來越熱門，但是招人的時候並不順利。因為做計算神經科學的人很多是懂人工智慧的，而人工智慧的薪酬更高，因此搶走了很多人。第二個就是在合作的過程中會遇到很多的困難，因為不是所有實驗生物學的人都能夠理解計算科學，也不是所有的計算科學的人也能理解對方。這個事情非常困難，但我相信會隨著努力逐漸克服掉。

腦模擬研究的關鍵問題

主持人：

目前大腦模擬研究進展到了怎樣的程度？

到底有沒有給我們的產業、學界帶來實質性的提升？

嘉賓：

對於大腦模擬的研究，目前進展還是挺順利的，無論是在離子通道上的一些在非常細節的模擬，還有在點對點的神經元比較。我們專案中有一些老師，現在在做一些昆蟲的大腦的模擬，在不同尺度的大腦模擬中都取得了非常好的進展。

從人工智慧的角度來講，我們可以用學到的一些智慧的本質。比如說我們知道大腦皮層是分層的，然後我們把神經網路也進行分層，再引入一些數學的東西，我們確實可以解決問題，實現一些功能。但是未來我們肯定還要學習更多的智慧的本質，來提升人工智慧系統的演算法。

從我的角度來看，用生物學來指導人工智慧的研究是非常有必要的。比如我們大腦中有剪枝，能去掉一些沒有必要的連線，那麼人們就能把它學到神經網路中，提高神經網路的泛化能力。我覺得未來這種例子會越來越多，包括側抑制（Lateral Inhibition）的技術，來幫助計算機視覺提升計算視覺的識別能力。另外，在用超級計算機進行大腦模擬的過程中，我們會開發一些新的演算法，解決在平行計算中一遇到的問題，這對於別的計算機科學領域也會有一些啟發。

主持人：

你們從事這類研究還需要什麼特殊的硬體或者軟體方面的支援？

嘉賓：

在模擬大腦的過程中，需要兩個關鍵的東西。第一個是很強的計算資源。我們需要一個非常好的軟體，能夠在超級計算機上進行非常好的平行計算。這個需要軟體管理，比如說我們叫來十個人，如果管理不好的話，只有一個人在幹活。如果這個問題出現的話，超級計算機的能力會發揮不出來。

另一方面，用現有生物技術所獲得的資料都是稀疏的，從稀疏的資料如何製造出稠密的資料，這是需要我們探討的。我們在模擬出來大腦之後，可以去實現一些功能，比如讓現有的人工智演算法能實現更好的智慧。另外還可以應用在機器人技術上，我們可以把思考迴路放在機器人身上，幫助機器人更好的實現控制，比如抓取，甚至可以讓它擁有思考和判斷。

還有一點，我們現在的超級計算機的總功率是12。6兆瓦，它能模擬約17億神經元，但是

真正的人類大腦只有10瓦的總功率卻擁有著860億的神經元

。有幾個不同的點導致了這種差異，所以我們可以把這幾個不同的點拿過來製造新晶片（不是現有的通用計算機晶片，是神經模態晶片），這個可能會在未來以極低的功率來實現更多的功能。

主持人：

這個神經模態晶片是與華為、中興所使用晶片一樣的嗎？

嘉賓：

對，比如說英特爾的Loihi，然後華為的Atlas這種系統的晶片，它們都是在執行人工神經網路演算法上發揮著重要作用。比如我們大腦本身是異構的，有些部分負責複雜的計算，有些部分負責重複性的簡單計算。透過學習這種大腦的執行方式，重新設計晶片，讓它能夠更快地對神經網路進行訓練。但是同時我們也要意識到，大腦不止在異構上跟計算機有著本質的區別，比如說大腦一直在用脈衝來處理訊號（Loihi的設計已經考慮了這一點）。所以未來可能神經模態晶片還會在如何用脈衝來更快地處理這些脈衝訊號上做一些工作。另外一點就是如果我們能夠用神經模態晶片更快的來實現突觸的可塑性的話，我們就能以極低的功耗來實現這種學習的功能。

“富嶽”超算的架構和基於超算的計算科學四大挑戰課題 | 來源： https：//www。r-ccs。riken。jp/

主持人：

當前大腦模擬研究有沒有遇到一些關鍵性的問題？你當前所從事的研究是否與之相關？

嘉賓：

關鍵性問的問題有兩點。第一點就是如何利用現有的爆炸式增長的生物學資料。這些資料非常的龐大，肯定不能都拿來用，而且每一種資料用了不同的技術，使我們很難統一這些東西，所以我們要找到他們之間的共性。我們不知道一個整個大腦整個每一個細節，我們只知道一部分的資料，然後我們需要利用稀疏的資料來推算出一些共性的東西來製造出稠密的資料，這是一個關鍵的技術。

第二個關鍵性的問題是我們還需要開發功耗更低的更強的晶片，比如說我們現在的

“京”超級計算機，每年的電費約1.5億人民幣

。在這種情況下，它全力運轉才能模擬一部分的大腦。這就要求我們在演算法上做很多工作來節省計算資源。

這兩個工作我現在都在做。第一個工作，我在透過從光遺傳技術所獲得的一些大腦切片的訊號中，推斷出大腦不同區域之間還有不同的神經元之間的連線。我在做的第二個工作是基於新晶片的新的超算，研究如何讓它消耗單位功率產生更多的計算。如果我們能夠進展順利的話，相信未來能夠在更小規模的計算機上能開展大規模的大腦模擬。

主持人：

我們今後有沒有可能在個人電腦上進行一些腦模擬？

嘉賓：

現在有這類的研究，首先小規模的大腦有一些課題正取得進展，比如說模擬昆蟲還有果蠅這些神經迴路。另一方面就是在模擬軟體上（科研用的專用的軟體），我們現在也在努力地降低它消耗的通訊還有計算資源，想辦法在車不變的情況下讓它跑得更快。在未來我們可能用一臺膝上型電腦就可以模擬更多的神經元，這是沒有問題的。

主持人：

今天討論環節的最後一個問題，也是讀者非常關心的一個問題。我們非常熟悉的，包括《終結者》裡面的“天網”和《駭客帝國》裡面的“矩陣”，這些都是人類所創造的人工智慧。他們最後都獲得了獨立的意識。你覺得你所研究的物件今後能否真正的獲得意識？如果可行的話，你認為大概要花多長時間才可能實現？

“終結者”與天網Skynet | 來源：https：/www。marketwatch。com/

嘉賓：

第一個問題我覺得這個是可能的。2010年以後，因為隨著各種資料的井噴，我們利用這些資料可以再現出來像人腦是怎麼思考這樣的訊號。如果我們的資料和方法足夠得當，我們是可以模擬出來某些我們認為是意識的東西，我相信我們肯定會在未來的一段時間內實現這種意識的模擬。這當然會出現像《終結者》、《駭客帝國》中的問題。只要這些技術出現，我們就必須得制定相應的法律，用這些制度來管理、約束新的技術。我們不能因為害怕而阻擋這種新的技術出現。

我不知道具體的時間是怎樣，最近我們組長提出了2030和2040計劃，

計劃在20年之內實現整個大腦非常詳細的模擬

，並且逐步實現它的功能，然後看這些功能究竟是怎麼互動的，比如說三種在大腦中發生的不同的學習，強化學習、監督式學習、非監督式學習之間的互動功能。如果這個能實現的話，我認為我們在20年之內應該能夠實現大腦的部分意識。

心路歷程

主持人：

希望孫老師作為一個過來人，給後來人在學習研究重的一些建議。第一個問題，我們腦人言的許多讀者對人工智慧腦模擬的研究非常感興趣，你能給這些讀者怎樣的建議？

嘉賓：

從我的角度來講有兩個非常重要的建議，第一個是

持久的興趣

，因為模擬大腦會牽涉到非常多的領域和知識，我們可能會在某個地方卡殼，慢慢失去興趣。這就要求我們慢慢的進行學習，另一個領域可能學起來非常緩慢，但是隨著知識的增長，克服了這些困難之後，興趣又會回來。

第二點就是說我們需要

跟很多的專家進行合作

。像這樣的交叉領域，我們很難一個人找到很好的方向，或者說我們的見解可能不是特別正確。在請教的過程中，同時也堅持自己的想法和興趣繼續做下去，我覺得是非常重要的。

主持人：

你在科研道路上有沒有遇到重大的困難？你是如何克服的？克服這些困難之後你又有怎樣的收穫呢？

嘉賓：

整個到現在來說困難有兩個，第一個就是不被理解的時候很多。在不被理解的時候，我們一定要保持耐心，堅持自己，然後與不持有不同觀點的人然後不停地進行交流，在這個過程中其實會給我們啟迪和思考。

有一個故事是我的導師很早以前告訴我的，現在他是腦機介面方面世界上非常著名的專家。他在博士的時候就想做人工神經網路，但是好多老師告訴他說不可能，雖然現在我們看來這種觀點是非常錯誤的。所以遇到這種問題，向更好的老師和前輩去探討他們的經驗，我覺得非常的必要。

第二個問題是跟更多的研究者溝通非常的有必要。我就經常的去拜訪我們專案裡的八個實驗室的前輩和別的專家，想知道從他們的角度怎麼看問題。往往在這種過程中，它會引發我們思考為什麼是這樣，接下來會怎麼樣。因為現在的科學很難像以前那樣，比如說歐姆定律，量一下電壓和電阻，立馬知道電流，發現歐姆定律，然後名垂青史，所以我們必須得保持非常好的溝通能力。