人工智能作為21世紀最具有影響力的技術，正在包括諸如機器人、語言識別、圖像識別、自然語言處理等諸多領域發揮著重要作用。腦科學被譽為“人類科學最后的前沿”，認識腦的奧秘是對人類的終極挑戰。而更重要的是，腦科學的發展將推動人工智能科學從感知人工智能到認知人工智能的跨越。

1.科研從失敗做起。

科研的實際過程是充滿失敗的，一系列在無數次失敗后才成功的故事，啟示我們失敗通往成功的道路是螺旋式的，面對失敗要保持恒心毅力，不斷總結從失敗中吸取經驗。

2.什么是認知科學？

認知科學是一門對心智及其過程進行多學科研究的科學。如何對心智及其過程進行準確而全面的觀察是認知科學的基礎，同樣是巨大的挑戰。認知科學包含六大研究領域：心理學，哲學，語言學，人類學，人工智能，神經科學。 

3.腦成像技術的發展與困境

以觀察為出發點，腦成像成為了認知科學的一個重要工具。通過腦成像，可以記錄下腦在認知過程中發生的變化，從而直接揭示認知的奧秘。但是由于細胞間錯綜復雜的連接關系，我們不能進一步從微觀、介觀、宏觀層面簡單理解認知過程，導致認知科學遇到發展瓶頸。

4.生命科學成像儀器RUSH-I的研發

為了突破現階段腦科學觀察的瓶頸，大視場、高分辨顯微鏡的研發是現階段的主要任務。清華大學牽頭開發研制了超寬、超分、超快的顯微鏡儀器生命科學成像儀器RUSH-I。RUSH-I是多維多尺度高分辨計算攝像儀器，可以全腦尺度下觀察到細胞運動，為從亞細胞、細胞、組織到器官結構與功能活體研究提供了新工具。

5. 光電技術在人工智能中的機遇與挑戰

現在的人工智能復雜度急劇攀升、算力需求激增、前算力與能耗大成為人工智能發展的瓶頸，因此需要尋求光電結合的方式進行計算。利用光電技術顛覆傳統計算范式，從而提升算力。再以清華人工智能（T-AI）結合新一代認知智能，實現最后軟硬件結合完成整個光電智能計算系統。

6. 戴瓊海老師對同學們的建議

戴瓊海老師也給同學們分享了做研究的經驗和建議，希望同學們做研究要緊密結合國際前沿和國家重大需求，做學問要記住問題驅使是原創，方法驅使是改進，并且學會用理科的思維思考問題去攻克方式實踐，更重要是的學會哲學表達。

講座實錄

科學研究從失敗做起

2016年2月11日，愛因斯坦于100年前提出的引力波概念被證實，其是由兩個黑洞的合并過程而產生的強烈的引力波信號。引力波的論證史是一個曲折的過程，愛因斯坦經過提出概念、修正概念、遭遇拒稿、發現并修正論文錯誤等多次失敗之后，才最終將“論引力波”研究成果發表，而更艱難的引力波的實驗驗證則經歷了100余年的歷史。無獨有偶，居里夫人發現鐳的過程也是極其復雜的，在連續工作4年依然一無所獲后，居里夫人發現，也許鐳并不像想象的那樣是一團晶體，而后其發現器皿中不起眼的污跡便是鐳。所以由此可以看出，失敗是經常的，成功只是一瞬間的事情。X射線的發現同樣是倫琴在多次實驗失敗的基礎上，不斷改進實驗方法在偶然間發現的，這發現的過程也少不了倫琴能夠敢于打破舊觀念，提出新概念的創新精神。

這些故事說明，失敗通往成功的道路是螺旋式的，所以同學們在做研究當中會碰到很多失敗，在這當中我們一定要有興趣，而往往我們會被失敗打敗，所以我們一定要有恒心有毅力。興趣是暫時的，毅力是永久的，既然選擇某一方向，要學會在復雜的問題中找到自己成功的道路。失敗是對追求者的考驗，成功是對追求者的回報。

認知科學概述

1969年，英國人萊特希爾爵士為國會提供報告，全盤否定人工智能的發展，人工智能陷入寒冬。為了改變人工智能發展窘境，認知科學之父朗格特-希金斯提出了包括人工智能、心理學、數學、人類學等學科在內的一個綜合學科概念，稱之為認知科學。按照現代定義，認知科學是一門對心智及其過程進行多學科研究的科學。如何對心智及其過程進行準確而全面的觀察是認知科學的基礎，但同樣是巨大的挑戰。認知科學包含六大研究領域：心理學，人類的高級心理過程；哲學，現代科學的方式與途徑研究思維、意識等；語言學：語言如何與認知交互、如何形成思想等；人類學，使用認知科學的研究方法和理論；人工智能，認知模型的計算機實現；神經科學，認知的生物學（神經層面）原理。

認知科學是基于假設完成的，但在認知科學發展過程中多次出現先前的假設被后期實驗推翻的情況，這導致大家對認知科學產生了疑惑。而腦成像技術的發展則為洞悉大腦的認知過程提供了可能。以觀察為出發點，腦成像成為了認知科學的一個重要工具。通過腦成像，可以記錄下腦在認知過程中發生的變化，從而直接揭示認知的奧秘。2012年，馬薩諸塞總醫院在science發文，發現了腦聯結的規律網格結構，與電路板陣列類似。此網格結構的發現讓我們初探了大腦的認知過程，同時帶來了新的科學挑戰。

由于不能準確觀測細胞間的網格結構是如何錯綜復雜進行聯結的，導致我們不能在微觀、介觀和宏觀層面理解神經細胞的工作原理、信息處理方式和協作認知機制，這導致腦科學在2015年左右陷入短暫的低谷。在腦成像觀察時，必須兼顧大腦的微觀細胞層面、介觀環路層面與宏觀全腦層面，才能實現對認知過程的準確觀察。這就需要研發大觀測視場、高觀測分辨率的儀器，進一步了解細胞與細胞之間的關系。

腦科學—人類最后的科學

什么是腦科學

人類大腦重約3磅（1.4公斤），由上千億個神經元組成，每個神經元又包含1000多個分支，共同構成了龐大精細的神經網絡。它一點都不比無窮宇宙簡單，可以說人類大腦的神經科學 （Neuroscience） 是“人類科學最后的前沿”，認識腦的奧秘是對人類的終極挑戰。腦科學的發展，對腦疾病的防治、人工智能產業的發展有著巨大的推動作用。

腦與全身的關系主要表現在中樞神經系統通過遍布于人體，傳出神經信號與器官建立連接，發揮對組織器官保護機制。而器官通過免疫系統反饋組織狀態，也是腦與全身協調的重要表現。

世界各國的腦計劃

世界各國目前正在積極實行腦計劃，其中美國和歐盟起步較早。2013年4月2日，美國時任總統奧巴馬宣布啟動“通過推動創新型神經技術開展大腦研究”計劃；2013年10月，由15個歐洲國家參與發起歐盟腦計劃，但目前已宣告失敗，并準備重新開始；2014年，由日本科學家發起神經科學研究計劃；2016年2月澳大利亞腦聯盟正式成立；中國的腦計劃以腦認知功能的解析和技術平臺為一體，形成認知障礙相關重大腦疾病診治和類腦計算與腦機智能技術為兩翼的“一體兩翼”布局，具體研究布局還在準備中。當前，各個國家圍繞統計大腦細胞類型、建立大腦結構圖、開發操作神經回路工具、了解神經細胞與個體行為的聯系四個方面分別開展研究。

根據視場和分辨率，通過將顯微鏡技術映射到二維坐標系中可劃分為四個部分，現階段的主要工作是攻克大視場、高分辨顯微鏡中的技術難題，搜尋這些技術對新一代人工智能的推動作用。清華大學聯合浙江大學、中科院上海光學精密儀器機械研究所和其他三家單位一起共同研制目標是為超寬、超分、超快的顯微鏡儀器。

儀器研制思路創新與矛盾分析

視場和分辨率本身是一對矛盾，視場越大伴隨著分辨率就越低。因此，期望在1 cm2的視場里看到一只鼠的全部腦及其細胞，如果以傳統方式，通過加工曲面解決視場問題是難以實現的，其加工難度與視場正相關。另外，面對極大的數據量，相機的帶寬、鏈路傳輸的帶寬、存儲寫入的帶寬都面臨極大壓力。最后，結合以前做人工智能所積累的經驗（無損信息編碼采集、稀疏集結構學習、信息重構）設計出適應相面彎曲和計算重構圖像的新方式來解決此問題。經過兩年時間，課題組共同努力研發出生命科學成像儀器RUSH-I，實現了拍得快、存得下的效果。

生命科學成像儀器RUSH-I是多維多尺度高分辨計算攝像儀器，可以全腦尺度下觀察到細胞運動，比如實時監測實驗所用的免疫細胞運動。并首次對音樂刺激下的清醒小鼠全腦皮層神經網絡活動進行高速成像，展示出小鼠全腦皮層、亞細胞級、結構與功能統一 。

RUSH-I為從亞細胞、細胞、組織到器官結構與功能活體研究提供了新工具，并得到國際上腦科學家們的廣泛認同。利用該儀器所做的相關工作發表已經發表在多篇高水平期刊上（如Nature Photonics， Nature Methods， Nature Neuroscience）。

第二代RUSH-I儀器的研制

從2017年開始著手研究，并于2018年1月搭建完成的第二代儀器RUSH-II，具有400 nm分辨率，準備觀察大鼠和獼猴的腦部。達到的技術指標為，視場大小達到1 cm2；分辨率達到0.4 μm；每幀圖像達到3.36億像素；成像幀率達到30幀/秒；數據通量達到100.8億像素/秒，是當前國際上視場最大、數據通量最高的高分辨率光學顯微鏡。

當前的國際最為流行的四大神經網絡分別為：卷積神經網絡、循環神經網絡、脈沖神經網絡、圖神經網絡。但如何實現高能效、可解釋、易擴展、具有長短期記憶的新一代認知智能成為發展難題。美國情報系統的Intelligence Advanced Research Projects Activity（IARPA）部門啟動了皮質網絡機器智能MICrONS計劃 （2016），項目經費1億美金，被稱為阿波羅腦計劃。其繪制出嚙齒動物1 mm2大腦皮層中的所有神經回路（記錄并測量10萬個神經元的活動和連接），研究大腦計算方式，并運用這些研究發現更好地影響機器學習和人工智能算法。由哈佛大學、卡耐基梅隆大學和貝勒醫學院的研究團隊牽頭，對人工智能發展進行探索。

縱觀人工智能的發展，經歷了從符號主義到聯結主義的發展演變。而自2016年之后，受腦科學和心理學等學科的啟發，人工智能正在向生物智能的轉變。因此，下一代人工智能將要實現人工智能從感知決策與控制到認知決策與控制的轉變。

人工智能的需求與瓶頸

現在的人工智能面臨復雜度急劇攀升（比當前超過30萬倍）、算力需求激增、摩爾定律逐步失效等問題。當前，算力與能耗成為人工智能顛覆性發展的瓶頸。要尋求以光三維傳播來代替硅基的電的一維計算，對材料的要求較高，因此需要尋求光電結合的方式進行過渡，并且，計算媒介的改變會帶來顛覆性的變化。

發展光電技術的歷史機遇

需求與瓶頸：現有存算分離的電子計算范式無法滿足人工智能技術的發展需要；

理論與算力：已有光學神經網絡的理論模型必將推動人工智能算力跨越式發展；

材料與工藝：當前微納光電材料與工藝取得的突破為光電集成研發提供了條件；

光電技術引領顛覆性技術革命

當前我們要利用光電技術顛覆傳統計算范式，研制采存算一體的光電計算系統，從而提升算力。對比之下，光電技術的算例高達1014 MAC/s/cm2，而電子技術的算力僅為1011 MAC/s/cm2。并且功耗提升也會達到百萬倍之多，光電技術功耗為4×1012 MAC/J，電子3×106 GMAC/W/s。清華大學在光電上的研究與麻省理工學院和劍橋大學、明斯特大學并駕齊驅，且我校獨特的衍射神經網絡和其他方案有所不同。

光電智能技術的路線規劃與清華方案

從光電技術出發，以清華人工智能（T-AI）結合新一代認知智能，最后進行軟硬件結合，建立整個光電智能計算系統。目前，研究中心具有3-5個國家重點實驗室，通過大企業聯盟集成攻關發揮研發優勢，以滿足國家重大需求、面向國民經濟主戰場的原理機樣。

目前，清華大學腦認知院主要集中在突破神經環路動態成像技術、揭示神經血管的耦合機制、解決腦免疫的百年難題與從腦認知到腦聯網的顛覆性突破四大科學研究上。當下，我們結合工作基礎，制定清華方案，所做的工作主要包括腦觀測、腦健康、腦模擬與腦認知，體現學科之間的交叉融合，實現產學研創新。

戴瓊海老師對同學們的建議

論壇最后，戴瓊海老師也給同學們分享了做研究的經驗和建議，希望同學們做研究要緊密結合國際前沿和國家重大需求，做學問要記住問題驅使是原創，方法驅使是改進，并且學會用理科的思維思考問題去攻克方式實踐，更重要是的學會哲學表達。

研究者可分為三類，分別是牛人、高人和神人，他們分別對應著自己的特質：做一研究做到極致、做別人做不到的事和做別人想不到的事。

同時，要胸懷寬，境界高，眼光遠，不要讓戰術的勤奮掩蓋了戰略上的懶惰。正如德魯克所述，戰略不是研究我們未來做什么，而是研究我們今天做什么才有未來。