前言：近年來(lái)人工智能技術(shù)得到了快速的發(fā)展，引起了各界的廣泛關(guān)注。隨著計(jì)算機(jī)算力和大數(shù)據(jù)可及性的快速提升，以深度人工神經(jīng)網(wǎng)絡(luò)為核心的人工智能系統(tǒng)在物體識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了令人矚目的成績(jī)，在圍棋、星際爭(zhēng)霸等競(jìng)技游戲中一騎絕塵，甚至在蛋白質(zhì)結(jié)構(gòu)解析、提出和解決數(shù)學(xué)難題等方面展現(xiàn)出超越人類專家的潛力。但目前的人工智能與通用智能之間，還存在巨大的能力鴻溝。而大腦作為通用智能的唯一樣本，為人工智能的發(fā)展提供了重要參照。智源 “人工智能的認(rèn)知神經(jīng)基礎(chǔ)”重大方向（Brain and Machine Intelligence）旨在從生物腦如何實(shí)現(xiàn)智能的角度，對(duì)于人工智能的發(fā)展提出有啟發(fā)的問(wèn)題，提供可資借鑒的原理、模型、算法和系統(tǒng)實(shí)現(xiàn)方案，從而促進(jìn)類腦智能的發(fā)展，推動(dòng)人工智能向人類水平，甚至超越人類的水平逐漸逼近。每年發(fā)表的白皮書就是我們的嘗試之一，希望通過(guò)它向大家梳理腦科學(xué)、認(rèn)知科學(xué)和類腦智能方向上最值得關(guān)注的動(dòng)態(tài)和進(jìn)展，并分享我們對(duì)于這些方向未來(lái)發(fā)展趨勢(shì)的思考。

計(jì)算神經(jīng)科學(xué)的先驅(qū)，英國(guó)科學(xué)家David Marr 曾經(jīng)提出，可以從三個(gè)層面理解腦的工作原理，首先是計(jì)算的層面 (Level of Computation) , 即腦在做什么計(jì)算， 以及為什么要做這個(gè)計(jì)算；其次是表征/ 算法的層面(Level ofRepresentation/Algorithm)，即腦在計(jì)算過(guò)程中的信息如何表征，選擇什么算法來(lái)實(shí)現(xiàn)計(jì)算目標(biāo)；最后是物理實(shí)現(xiàn)的層面(Level of Implementation)，即腦選擇什么樣的硬件實(shí)現(xiàn)形式來(lái)執(zhí)行這些計(jì)算。今年的白皮書中，上述三個(gè)層面的研究進(jìn)展都會(huì)有所涉及。

在計(jì)算層面，我們重點(diǎn)介紹了具身認(rèn)知（Embodied Cognition）理論和全局工作空間（Global Workspace Theory, GWT）理論。與當(dāng)前主流人工智能主要基于被動(dòng)觀察與識(shí)別，往往不具有具體物理形態(tài)的范式不同，具身認(rèn)知認(rèn)為，認(rèn)知過(guò)程無(wú)法脫離身體而進(jìn)行，推廣開來(lái)，整個(gè)環(huán)境和個(gè)體的行為同樣是認(rèn)知的重要組成部分。個(gè)體通過(guò)感知外部環(huán)境，進(jìn)行決策，生成相應(yīng)動(dòng)作與環(huán)境交互，以此改變環(huán)境，這個(gè)過(guò)程周而復(fù)始，促成了智能的形成和發(fā)展。全局工作空間理論則是由美國(guó)心理學(xué)家Bernard Baars 在上世紀(jì)80 年代作為一種意識(shí)模型而提出的認(rèn)知架構(gòu)，后來(lái)發(fā)展為“全局神經(jīng)元工作空間”（Global Neuronal Workspace, GNW）。GNW 如同一個(gè)分布式路由器，同各個(gè)腦區(qū)的眾多神經(jīng)元存在關(guān)聯(lián)，從而可以放大、維持信息，并提供給各個(gè)處理模塊使用，從而實(shí)現(xiàn)全局的信息共享和處理。

在表征/算法層面，我們今年聚焦于腦中認(rèn)知地圖的表征以及神經(jīng)流形這兩個(gè)重要的研究領(lǐng)域。位于腦中海馬體及其鄰近腦區(qū)中存在表征空間特征的位置細(xì)胞（Place cell）和網(wǎng)格細(xì)胞（Grid cell），近年來(lái)的研究揭示這一系統(tǒng)可能不僅涉及空間記憶與導(dǎo)航，而且可能參與了物理空間認(rèn)知以外的信息處理，比如圖片空間、嗅覺(jué)空間，甚至關(guān)系空間的表征，提示腦中可能用一套通用的機(jī)制在處理一系列表面上截然不同，但是具有深刻共性的信息維度。神經(jīng)流形(Neural manifold)則是利用動(dòng)力學(xué)的理論和觀點(diǎn)來(lái)理解眾多神經(jīng)元構(gòu)成的群體如何開展高效計(jì)算的有力工具。通過(guò)流形向量場(chǎng)這一精確的數(shù)學(xué)語(yǔ)言對(duì)神經(jīng)電生理信號(hào)進(jìn)行分析已經(jīng)開始回答很多有關(guān)神經(jīng)群體編碼的關(guān)鍵問(wèn)題。

在物理實(shí)現(xiàn)層面，我們重點(diǎn)介紹了受生物視網(wǎng)膜啟發(fā)的動(dòng)態(tài)視覺(jué)傳感器（Dynamical vision sensor，簡(jiǎn)稱DVS）和脈沖攝像頭（Spiking camera）。與傳統(tǒng)的視覺(jué)傳感器不同，這兩類模擬視網(wǎng)膜的感知設(shè)備能夠?qū)D像信息轉(zhuǎn)化為脈沖事件流進(jìn)行表征，具備高動(dòng)態(tài)范圍、高時(shí)間分辨率、低能量消耗以及高像素帶寬等特性。相應(yīng)的，我們也系統(tǒng)地梳理了適宜于處理脈沖事件流信號(hào)，并可以開展運(yùn)動(dòng)目標(biāo)快速探測(cè)、有效跟蹤和精確識(shí)別的類腦視覺(jué)計(jì)算模型和算法。

在上述三個(gè)方面的內(nèi)容之外，我們還針對(duì)腦科學(xué)與類腦智能研究中近年來(lái)涌現(xiàn)的新技術(shù)，特別是腦機(jī)接口技術(shù)、新型腦成像、連接組學(xué)與數(shù)據(jù)處理方法等進(jìn)行了梳理和介紹。腦機(jī)接口通過(guò)對(duì)于腦活動(dòng)信息的檢測(cè)和調(diào)控，在腦與外部世界間建立直接的信息通訊接口。這一技術(shù)的發(fā)展，有望對(duì)于人與環(huán)境、人與人的交互方式帶來(lái)根本變化，從而引起社會(huì)、經(jīng)濟(jì)、教育、軍事、醫(yī)療等眾多領(lǐng)域的顛覆性變革。新型腦成像、連接組學(xué)與數(shù)據(jù)處理方法，展現(xiàn)了以往觀察不到的神經(jīng)活動(dòng)細(xì)節(jié)，解析了神經(jīng)網(wǎng)絡(luò)中各部分的相互作用機(jī)制，從而促進(jìn)人們進(jìn)一步理解神經(jīng)系統(tǒng)的設(shè)計(jì)原則。

編寫白皮書的過(guò)程是我們一年一度盤點(diǎn)神經(jīng)科學(xué)、認(rèn)知科學(xué)、智能技術(shù)等相關(guān)領(lǐng)域重要進(jìn)展的過(guò)程，也是我們不斷思考什么是智能，以及如何發(fā)展類腦智能的過(guò)程。希望這些努力能讓對(duì)于這些領(lǐng)域的進(jìn)展感興趣，也對(duì)回答這些問(wèn)題感興趣的讀者有所收獲。與此同時(shí)，經(jīng)過(guò)人工智能的認(rèn)知神經(jīng)基礎(chǔ)方向各位同仁一年多的努力，智源生物智能開源開放平臺(tái)（Bio-Intelligence Opensource Platform,BIOSP）已經(jīng)在2021 年正式上線，該平臺(tái)旨在通過(guò)開源開放數(shù)據(jù)、模型、算法、軟件工具等一站式科研資源的方式，為認(rèn)知科學(xué)、神經(jīng)科學(xué)和計(jì)算科學(xué)及相關(guān)交叉領(lǐng)域的研究人員、學(xué)生和相關(guān)從業(yè)者搭建一個(gè)服務(wù)智能科學(xué)研究的平臺(tái)型基礎(chǔ)設(shè)施，進(jìn)而推動(dòng)和支撐國(guó)內(nèi)腦啟發(fā)的通用智能研究工作。希望每年一版的白皮書和不斷完善的開源開放平臺(tái)能夠助力中國(guó)腦-智研究的交叉融合，促進(jìn)類腦通用智能的早日實(shí)現(xiàn)。

以下為智源發(fā)布的報(bào)告全文。