面向计算机专业探究生开设计算神经科学课程思索.docVIP

面向计算机专业探究生开设计算神经科学课程思索 　　摘要：计算神经科学是一门新兴的交叉学科，受到国内外学术界的广泛重视。要想在国内建立一流的计算神经科学并培养壮大人才队伍，开设相关的研究生课程非常必要。文章论述计算神经科学与计算机科学的关系，面向计算机专业研究生开设相关课程面临的机遇与挑战以及应对措施等，同时针对教学内容的选择给出建议。 关键词：交叉学科；跨学科；计算神经科学；人工智能；研究生培养 文章编号：1672-5913（2013）18-0001-05 中图分类号：G642 1 背景 科学史上，许多重大的科学发现都产生在不同学科的碰撞和融合中。在自然科学领域，许多伟大的科学家都有着复杂的学科背景，20世纪1/3的诺贝尔获奖项目出现在交叉科学领域。计算机学科里很多大科学家也都有着交叉学科的背景，如计算机之父冯·诺伊曼其实是个数学家，在经济、量子力学及几乎所有数学领域都作出过重大贡献，他提出的计算机二进制表达正是得益于其敏锐的数学洞察力。清华大学计算机科学与技术系张钹院士多次在公开讲座中提到，经他统计，自1966年美国计算机协会（ACM）设立图灵奖以来一直到2012年，60个获奖者中2/3的人都有数学、物理、化学等理科专业背景，甚至还有政治等人文科学背景；相反，纯粹是计算机专业或相近专业如电子学、无线电学等背景出身的人并不多。由此可见，熟练掌握其他学科的知识对于在计算机领域作出重要贡献大有裨益。 高校培养交叉学科人才，一是要引导学生学习不同学科的课程，二是开设一些本身就是多学科交叉的课程。国内高校已经做了大量尝试，也收到了不错的效果。2013年，《计算机教育》杂志专门策划了跨学科教学专题，对国内跨学科教学的实践情况进行报道。很多高校的一线教学人员都报告了他们在交叉学科教育方面的构想或实践经验。 计算神经科学是一门新兴学科，对于促进脑科学、信息科学尤其是人工智能等领域的发展具有重要意义。2010年3月23-25日，中国科学院、浙江大学、上海交通大学的知名学者齐聚北京，举行第367次香山科学会议，主题为“神经信息学与计算神经科学的前沿问题”。与会专家探讨了计算神经科学的国内外发展情况，指出该学科在国内外都还发展不成熟，我们应抓住机遇建立一流的计算神经科学。要达到这个目标，除了加大科研资助和鼓励科研创新外，优质的课程教学必不可少。鉴于计算神经科学的多学科交叉特点，许多专业都可以尝试进行这方面的教学，包括医学、生物学、心理学、数学、物理、化学、计算机、电子，自动化等，笔者将论述计算神经科学与计算机科学的关系以及开设该课程所面临的机遇与挑战。 2 计算神经科学的特点及其与计算机科学的关系 借助飞速发展的现代科技，人类已经能够上天入地，但是对于脑的认识却十分有限。诺贝尔奖得主克里克（Crick）说过：“对我们人来说，在科学研究中没有比研究自己的脑更重要的了。我们对整个世界的认识都有赖于它。”认识人脑的工作机理有两方面的意义，一是促进神经疾病诊疗技术的发展，二是提高人工智能的水平。 诚如艾萨克·阿西莫夫（Issac Asimov）所言，“人脑是我们所知道的最复杂的组织”。它有大约1011个神经元，而平均每个神经元要与103～104个神经元相连。虽然这些数字现在看来并非很大（能存储1T=1012Byte的硬盘在市场上已经很普遍），但问题是计算机硬件是我们事先按一定规则构建的系统，我们对于它每一部分的结构与功能都非常清楚，而人脑却是一个黑箱。想象一下让一台计算机穿越回唐朝，让那个时代的人们了解这台计算机的工作原理是一件多么不可想象的事情。 幸运的是随着科学技术的发展，实验手段正发生着翻天覆地的变革，我们面对的黑箱正在慢慢变灰。通过这些实验手段，我们可以观察到“箱子”的部分内部。然而，只看到大脑内部的一些的结构和它们之间的关系远远不够。唐朝人打开计算机主机盖，能看到主板、CPU、内存条甚至一些精细的电子元件，但这对于他们完全理解计算机的工作原理还差很远。他们需要综合各种技术手段得到计算机内部情况，从硬件问的相互连接关系推断出冯·诺伊曼设计的体系结构及发展变化，从软件的功能推断出算法逻辑，从二进制代码推断出可读代码。要得到这些结果，只有实验数据是不够的，还必须对数据进行整理分析，从蛛丝马迹中发现数据背后的规律和原则。人脑就好比一台唐朝人眼中的计算机。计算神经科学就是一门试图通过理论分析和建模计算的方式理解脑工作原理的学科。 计算神经科学领域的形成始于1988年，Seinowski、Koch和Churchland在Science杂志上发表了计算神经科学领域的“宣言”。从广义上讲，只要是通过建模、仿真等手段对神经科学的实验数据和实验现象进行定量分析的，都属于计算神经科学的