凡是悠久強(qiáng)大的學(xué)科，往往壁壘森嚴(yán)，存在“生殖隔離”現(xiàn)象。從1956年意大利青年討論怎樣用機(jī)器模擬人的智慧開始，人工智能和腦認(rèn)知科學(xué)研究就一直猶如兩條平行線，沒有實(shí)質(zhì)性的交集。

“我們搞人工智能的科研人員應(yīng)該跟腦神經(jīng)科學(xué)家、生命科學(xué)家做學(xué)科交叉，使同一個(gè)人成為兩個(gè)不同領(lǐng)域的專家，這才是真正的‘交叉’?！痹谌涨芭e辦的中國人工智能大會(huì)上，中國工程院院士、中國人工智能學(xué)會(huì)理事長李德毅對《中國科學(xué)報(bào)》記者說。

“以前把機(jī)器模擬人腦的問題稱作知識表示問題，現(xiàn)在來看這個(gè)知識表示的概念偏小，應(yīng)該叫作腦認(rèn)知的形式化問題，進(jìn)而研究人工智能?！崩畹乱阏J(rèn)為，要想解開腦認(rèn)知形式化之謎，可以借助腦認(rèn)知的神經(jīng)學(xué)方法。人的思維、意識能不能在大腦中找到特定的區(qū)域，這就是腦認(rèn)知的形式化問題。比如，“看到”和“認(rèn)出”一個(gè)人，可能代表不同的腦神經(jīng)，大腦中很多部位都參與了對容貌影像的信息處理。

對于腦認(rèn)知神經(jīng)學(xué)形式化的描述方面，李德毅認(rèn)為，可通過三種尺度來描述：“宏觀尺度”描述認(rèn)知行為與腦區(qū)域網(wǎng)，“介觀尺度”描述神經(jīng)環(huán)路與神經(jīng)網(wǎng)絡(luò)，“微觀尺度”則用來描述蛋白質(zhì)分子水平與基因等。這也印證了任何學(xué)科在什么尺度上的形式化至關(guān)重要，尺度越細(xì)、結(jié)構(gòu)越復(fù)雜，形式化越難。

“當(dāng)然，通過腦認(rèn)知神經(jīng)學(xué)的方法來研究人工智能也存在著一定的風(fēng)險(xiǎn)?！崩畹乱闾寡裕叭绻麅H在微觀和介觀尺度上研究生物腦，可能研發(fā)出一個(gè)并不具備人腦認(rèn)知能力的人造生物腦?！?/p>

那么，研究腦認(rèn)知的形式化是否還存在第二條路呢？

“可以借助腦認(rèn)知的物理學(xué)方法將腦認(rèn)知形式化?！崩畹乱憬o出了答案。如果將研究生物腦在社會(huì)認(rèn)知過程中腦的成長與進(jìn)化，如腦認(rèn)知的神經(jīng)學(xué)方法，稱之為腦認(rèn)知的“正向工程”，那么腦認(rèn)知的物理學(xué)方法則可稱為腦認(rèn)知的“逆向工程”，即從腦認(rèn)知的社會(huì)屬性研究腦進(jìn)化。

李德毅認(rèn)為，腦認(rèn)知的社會(huì)屬性包括作為主觀世界的人腦是如何反映客觀物理世界的，人腦如何從外部環(huán)境中獲得知識和技能，人腦如何解決未知，人腦是如何形成創(chuàng)新這幾個(gè)問題，而后三個(gè)問題恰恰是“人工智能”研究的全部內(nèi)容。腦認(rèn)知是與社會(huì)環(huán)境、社會(huì)實(shí)踐、群體交互等密切相關(guān)的，語言、知識、文明等都來自于后天客觀世界的學(xué)習(xí)和積累。不能只研究人腦的天然屬性，應(yīng)該建立人腦認(rèn)知的成長機(jī)制，研究人腦成長和認(rèn)知的群居性和社會(huì)性。

而對于腦認(rèn)知物理學(xué)形式化的描述方面，李德毅也給出了四種尺度來描述?！靶盘柤墑e”用來描述微觀和宏觀信號，“符號級別”描述編碼、文字和符號，“語義級別”描述不同粒度的概念、圖像、信息和知識，“行為級別”描述情感、意識、記憶和動(dòng)作行為。

“一旦碳基生物腦和硅基電子腦形成‘雜交優(yōu)勢’，其勢將猛不可擋，必定掀起人工智能研究和應(yīng)用的新高潮?！崩畹乱阏f。（彭科峰 王超）