撰文丨冯建峰，上海国家数学中心首席科学家，复旦大学类脑智能科学与技术研究院院长
大脑学习记忆对信息的智能加工与处理能力，远远超过现有的任何计算机和信息处理系统。面对目前互联网的信息爆炸，各国政府和各IT巨头（Google、IBM、微软、百度等）均在积极探索如何通过革命性的变革，把当今的“信息时代”推入到 “智能时代”。要实现这历史性的跨越，需要创制出以脑式信息处理为基础的智慧型超级计算机及各种类脑人工智能系统。
有关大脑学习记忆、抉择等认知神经网络机制的研究，不仅可以揭秘大脑智能信息处理的奥秘，更可为人工智能的研制提供全新的理论指导以开发出能力更强的智能设备和机器人，还可为前额叶皮层和高认知功能异常导致的老年痴呆等记忆相关脑疾病的治疗提供帮助。
脑科学与类脑人工智能的四大研究方向
按照从“研究”到“应用”的顺序，可将脑科学及类脑人工智能的研究内容划分为四大部分：大脑神经网络分析、认知机制计算模拟、类脑智能算法创新和类脑智能技术应用创新。
对大脑神经网络和认知机制的研究分别是对大脑开展“硬件”和“软件”层面的解析，而类脑智能算法和类脑智能技术应用的创新则分别是在“软件”和“硬件”层面的输出接口，能够直接催生新兴产业的发展。
1.大脑神经网络分析。利用现代生物学手段，采集遗传、分子、神经元等多模态的脑影像和各种表型数据；利用多尺度高维复杂大数据分析的新算法，辅助解析大脑运作和信息处理机制，尤其是神经元集群的学习与记忆、抉择、语言等认知功能的机制；研究各类脑疾病对大脑信息处理机制的扰动，加深对大脑信息处理机制的理解。
2.认知机制计算模拟。发展大尺度脑系统的数学模型，尤其是神经反馈连接的作用；研究大尺度脑系统的认知和学习功能；深化发展类脑智能计算理论，设计新型高效的类脑人工智能算法。
3.类脑智能算法创新。利用基于实验事实的生物学发现，比如人类视觉中的不同通道、注意力和不同记忆机制等提出全新或改进己有深度学习的计算框架；开展理论研究，建立现有算法的理论基础，尤其是发展深度学习的动态数据分析理论；把发展的算法应用于解决大数据驱动的实际问题，如开发基于采集的特定生理数据的人体健康与疾病分析预警系统。
4.类脑智能技术应用创新。利用纳米材料完成单个忆阻器的构建；利用构建的纳米忆阻器，并基于新的深度学习理论算法，构建基于深度学习框架和纳米材料忆阻器网络的智能控制器。基于智能控制器研发各类智能设备,例如智能可穿戴肌肉力量增强手套。
脑科学与类脑人工智能的推进重点
对大脑神经网络和认知机制的研究分别是对大脑开展“硬件”和“软件”层面的解析，而类脑智能算法和类脑智能技术应用的创新则分别是在“软件”和“硬件”层面的输出接口，能够直接催生新兴产业的发展。
服务于我国的创新驱动发展等战略需求，解密大脑智能信息处理的奥秘，促进社会健康保障和相关的信息产业领域的进步（例如人工智能、机器学习等领域），需要关注以下方面：
分析平台：
脑科学大数据挖掘平台；
脑疾病辅助诊断智能系统软件平台；
类脑智能软硬件开发平台；
类脑芯片设计平台。
技术研发：
神经形态模拟技术：
脑网络重构技术；
脑认知动力学模型构建技术；
脑功能仿真关键调控技术
智能诊疗技术：
多尺度多模态数据融合技术；
类脑智能算法新理论和新方法；
重大脑疾病智能诊断技术；
智能控制器：
类脑细腻片设计技术；
类脑芯云技术；
忆阻器技术；
标准制定：
脑科学多尺度多模态数据采集标准；
类脑智能软硬件平台测试标准。
成果形成：
大数据：国际最大尺度多模态脑科学大数据；
类脑算法：融入脑机制的深度学习智能算法；
类脑智能软硬件：神经形态模拟、脑疾病智能诊疗、类脑控制器。
其中，技术研发的三大部分可进一步展开如下：
目前酝酿中的中国脑计划将脑科学的研究划分为认识脑、保护脑和模拟脑三个方面，其中模拟脑指的就是类脑人工智能的研究。因此类脑人工智能可以视为脑科学的一个分支。另一方面，随着忆阻器、神经网络芯片（例如中科院开发出的“寒武纪”芯片）等物质器件的进步不仅推动了类脑人工智能的发展，也有助于破解当前脑科学研究中的核心难题。
冯建峰，上海国家数学中心首席科学家，复旦大学类脑智能科学与技术研究院院长，脑科学与人工智能技术的路线图专题研究（上海市软科学研究计划项目编号：15692106604）课题组组长；沈应龙，上海市科学学研究所产业创新研究室助理研究员。文章为作者独立观点，不代表主办机构立常
