神经信息学和计算神经科学前沿问题.docVIP

神经信息学与计算神经科学的前沿问题 神经信息学与计算神经科学的前沿问题 ——香山科学会议第367次学术讨论会综述 ? 作为神经科学和信息科学相结合的神经信息学已成为发达国家相互竞争的科学技术的一个制高点。发达国家都加强了对神经信息学和计算神经科学研究的投入。在国际上计算神经科学已是成熟的研究领域。可以预料，通过实验和理论的紧密配合，神经信息学在下一个十年到二十年内将有一个高速的发展。 2010年3月23日至25日，以“神经信息学与计算神经科学的前沿问题” 为主题香山科学会议第367次学术讨论会在北京召开。唐孝威教授、郭爱克研究员、吴思研究员、翟健教授和梁培基教授担任会议执行主席；国内外生物、数学、物理、计算机、电子、通信与自动控制等学科领域的40多位专家学者应邀参加了会议。与会专家围绕四个中心议题：神经编码的理论及实验基础；不确定和不稳定的神经系统如何处理信息；大脑内记忆及决策的神经生物学基础；神经系统的学习机制以及复杂网络在神经计算中的应用，就神经信息学和计算神经科学的现状和未来发展前景，所面临的机遇以及挑战进行了深入的学术交流和热烈的讨论。 ? 神经信息学与计算神经科学的研究发展、现状及挑战 吴思研究员做了题为“计算神经科学的发展、现状及挑战”的主题评述报告，系统的介绍了计算神经科学的研究内容、发展简史和研究现状。他指出计算神经科学的目的是用数学模型和方法来阐明神经系统的工作原理，以及发展具有人工智能的信息处理算法。计算神经科学是一门快速发展的，结合神经生物学、医学、人工智能、数理、工程学及信息学的交叉学科。他回顾了计算神经科学取得的重大进展：上世纪三十年代到七十年代McCullough-Pitts神经元、Hodgkin-Huxley模型等；八十年代后期的人工智能、Hopfield模型和统计力学、现代神经生理学的发展；世界范围内的神经科学年会（如NIPS,CNS,Cosyne等），各种短期讨论班（Woods Hole, Europe, Okinawa等）以及计算神经科学的新杂志（Neural Computation, J. Computational Neuroscience等）。当前，实验神经科学快速发展（电生理记录手段、系统神经科学、成像技术）；而传统人工智能研究进入瓶颈。他总结了国内计算神经科学的重点发展领域：神经信息的编码机制；学习、记忆的神经网络机制；感觉系统及不同感觉模式之间信息整合的计算理论；简单模式动物的神经系统研究；大尺度神经元网络的计算特性；高级认知行为的计算模型；脑功能研究中的数据分析；计算神经科学与人工智能。同时，他认为中国经济的高速发展、政府科研经费的大规模投入、数目巨大的高质量的学生资源和交叉学科研究人员是计算神经科学在中国发展的机遇，另一方面，面临以下挑战：科学家数目少；没有大规模的成形的研究中心；在领域内还缺乏国际级的领军人物；所发表的论文受到的关注还较少；计算和实验神经科学家之间的紧密合作有待提高；国家对该领域的投入还太少；公众对该领域的重要性还远远认识不够。 郭爱克研究员做了题为“计算神经科学的使命：脑工作的计算原理”的主题评述报告，指出计算神经科学应当在脑科学的沃土上“生根,开花,结果”；应当在脑-智领域里“经风雨，见世面”；应当在诠释脑的工作原理上有所作为。他分析了脑与认知科学的战略地位。生命科学正在实现着从基因组学，到蛋白质组学，再到神经联结组学（connectomics）的转变。随着后基因组时代的到来，将会极大地改变生命科学的面貌，从根本上展示了生命世界多样性和生命本质一致性之间的辩证关系。“脑彩虹”技术神经“光开关” 功能磁共振成像（fMRI）等是脑功能研究的重要手段。动物和人类的基本的认知活动是学习、记忆和做出抉择。他介绍了在对果蝇的两难抉择研究中发现并证明果蝇具有面对两难局面有“趋利避害”的抉择能力，还初步证明了果蝇脑中的蘑菇体和多巴胺共同参与这一过程。在将果蝇脑中的蘑菇体和多巴胺系统，与灵长类的犒赏系统和OFC脑区的功能加以比较时，发现它们在处理记忆与抉择任务时，对于价值和后果的评估有相通之处，可能共享类似的神经计算原则。 讨论中，方锦清教授指出：大脑有自动搜索记忆的能力，如同混沌吸引子具有遍历性质。记忆的突然涌现是多种机制混合的结果。蒋田仔研究员强调，从网络层面研究脑信息加工的重要性，比如离散磁共振成像技术可以从宏观上构建脑网络、分析脑信息传递的特性。林龙年教授指出，研究记忆藏在哪里很重要，但更重要的是谁在找寻记忆，是否存在意识指针。郭爱克研究员认为：记忆是集群的神经元的放电模式，是活动的编码状态。帅建伟教授建议将哲学问题科学化，从实验层次上进行具体研究。吴思研究员指出，传统人工智能是算法驱动的，很难模拟出人的智能；人工神经网络更多考虑的是工程应用，忽略了很多生物学细节