IDG成本投资人，联合神经科学大咖与前沿科技企业家，来了一场高强度、高信息密度对话，全程高能，术语名词飙到飞起。
***戳：IDG成本投资人，联合神经科学大咖与前沿科技企业家，来了一场高强度、高信息密度对话，全程高能，术语名词飙到飞起。
_腾讯***

从1943年基于神经元提出的机器学习早期数学模型，到人工智能巨子 Hinton提出可能成为CNN替代品的「胶囊网络」，再到近日斯坦福团队提出「意念手写」的脑机接口……几十年来，神经科学在人工智能的研究进程中都举足轻重。
在AI的发展中，研究职员一贯试图模拟大脑的功能，用大脑的事情机理构建神经科学与人工智能之间的桥梁。

可将脑中想象的「字迹」转为屏幕文本，准确率超99%. 来源：Nature

如果人工智能代表了当今最前沿的技能，那么作为支撑其发展的根本科学——脑科学，便是最初的研究动力。
从根本科学层面来看，脑科学利用生命科学、物理科学、信息科学等综合手段，从分子、细胞、生理、打算网络等多个层面，对神经系统进行研究；而从前沿科技层面来看，以脑机接口、类脑芯片为代表的交叉学科的发展已将脑科学推向了时期的浪尖。

可以说，如果没有神经科学大的理论打破，没有对智能生物原来的认识，人工智能的「智能」可能便是一个黑箱。

那么究竟什么才是「智能」，它与脑科学的关联又有几何？

近日，IDG成本合资人牛奎光，商汤科技联合创始人、首席实行官徐立，清华-IDG/麦戈文脑科学研究院研究员鲁白教授环绕「人脑VS智能」展开了热烈谈论。
三人从科研、成本、企业平分歧角度磋商了当下推动根本科学研究与技能家当化加速领悟的路径和建议。
（完全***见正文开篇）

从左向右依次为：IDG成本合资人牛奎光，国际著名神经学家鲁白教授，商汤科技联合创始人、首席实行官徐立

脑科学VS人工智能：相互促进，相互博弈

「深度学习算法，实质上是在向人脑的生物学的组织办法进行一些学习，虽然不是全部，它实在还是在向生物学的办法学习，实在从生物的角度上来讲，可能也可以为IT进行很多的支撑。
」在对话开始不久，IDG成本合资人牛奎光就对人工智能与根本生物学的关系进行了一个梳理。

根本科学之于前沿科技的主要性不言而喻。
如今，脑机接口、类脑打算机等AI运用异军突起，脑科学的深入研究便是其背后的推动力量。
可以说脑科学供应了很多新思路来帮助打算机进行类脑打算或者开拓新的算法。
那么，脑科学的主要性表示在哪些方面？其与人工智能的关联又表示在哪？

首先，治疗脑疾病是其最主要的要办理的方向。
脑机接口，就像打开了人和机器之间进行互换的大门，让四肢瘫痪的人利用大脑来掌握仿生假肢，让措辞障碍人士说话。
例如，去年备受瞩目的马斯克「三只小猪」实验。
马斯克的Neuralink公司展示了通过将脑机接口设备植入小猪大脑，实时读取其脑部活动旗子暗记的技能。

不仅如此，未来人类很有可能利用脑机接口来对抗癫痫、重度烦闷症、自闭症、阿尔兹海默症、帕金森综合症等目前难解的神经疾病。

其次，提升人类的学习速率。
人机交互可以提升人脑的反应韶光。
比如你开车来不及转弯的时候，一个一闪即逝的想法，机器就能帮助你迅速操作方向盘，秒摁急刹车。

「脑科学的研究紧张集中在五个方面，」鲁白认为，「感知、运动、影象、感情以及认知。
个中感知与运动是相比拟较成熟的两个领域。
它们把脑的电旗子暗记转换成运动旗子暗记，深度学习算法也是类似的处理旗子暗记。
」

在鲁白看来，基于过去二十年里科学界对神经科学的深入研究，目前感知、运动已相对成熟；而影象则是目前进展最快的领域，其机制正有望达到一个新的打破。

但如果说感知与运动是脑科学与人工智能的大领悟；那么剩下的三个方面，便是二者相互博弈的地方。
由于情绪和感情是打算机所不具备的，其神经环路、神经递质、分子、基因等都已研究得比较透彻。

鲁白提到的「情绪和感情」正是强人工智能（AGI）的表示。
认知，是人类最想知道但进展并不显著的领域。
而AGI就代表了「能理解、会思考」，有类似人类认知智能的表现。

得益于深度学习的快速发展，机器智能的感知能力已得到大幅提升。
在过去十年中，感知智能、认知智能之间的关系已经广泛被行业所接管。
天下上最顶级的研究院微软、谷歌、IBM和中国下一代人工智能的整体方案都把感知智能和认知智能作为将来研发的紧张目标的打破方向。

要知道，人脑本身是一台惊人的打算机！
它能够以高达每秒6×10^16位的速率通报大量的信息。
因此，脑科学一贯被视为人类理解自然界征象和人类本身的「终极边陲」。
无论是会敲代码、写论文的GPT-3，还是可将脑中字迹转为屏幕字句的「意念脑机接口」。

可以说，大脑都是AGI强大且唯一的「博弈工具」。

环球掀起科研范式新浪潮，中国如何突围？

「去年看到这个事情时，我很震荡。
」牛奎光提到了这样一个案例，「人工智能居然能够帮助去做蛋白质展开，这个是非常震荡的一个事情，以前以为是单方向的引领，后来创造可以双向赞助。
」

当时，DeepMind的深度学习算法AlphaFold，利用DNA序列成功预测蛋白质折叠。
在此之前，这个问题在生物圈已被研究50年之久。
这一「诺奖级」里程碑被Nature杂志评价为：可能改变统统。

「这在科研的范式上，形成一个重大的改变，大多数科学家还没意识到这个问题，少数走得比较前沿的科学家，却已经开始意识到了。
」鲁白补充道。

科研范式的变革，须要相应改变科研的思维办法、行为办法及组织办法。
从古至今，许多科学大家都对「范式」提出了自己的准则：亚里士多德授予其演绎，培根讲求归纳，牛顿善用实验……那么本日呢？

可能不须要技能，也不须要履历，乃至不须要假说，基于大量的数据，我们科研范式在悄然改变。

「当中有其余一波，便是从脑科学当中借鉴来的。
」对此，作为人工智能领域领先的从业者，商汤科技联合创始人、首席实行官徐立，从打算机的角度补充道，「我们讲的深度学习，实在是一个超大数据归纳的方法，可以算作原来那套体系是一个演绎的推演到极致，你可以想象得出来，技能推演的边界。
大数据是一个归纳的，到了一个更大的极致。
」

「AlphaFold2有了大量的数据积累，只须要知道序列就可以对蛋白构造进行解析，这在科研范式上形成了一个重大的改变。
人类有两万多个基因，对应两万多个蛋白，通过AlphaFold2这样的人工智能系统可能会很快地解析完，这样就可以知道蛋白之间的相互浸染，也可以基于构造探求小分子药物靶点，自然也可以运用于脑疾病的药物研发上来。
」鲁白从科学的角度阐明说。

那么，这依旧是一个「西式」的范式吗？在徐立看来，在这种情形下，中国会有一个更好的发展机遇。
并且在这种新兴的打破式范式下，中国早已有了一个天然的支持原始创新的新土壤。

脑科学作为冲破传统科研范式的先发地之一，早已形成了支持创新的沃土。
除了天下各国先后启动的脑科学操持、政府的大力投入外，以IDG创始人及董事长麦戈文师长西席及IDG成本为代表的民间捐助也成为了不可或缺的推动力量。
2011年，清华大学百年校庆之际，麦戈文师长西席就与清华大学签署协议，成立了清华大学-IDG/麦戈文脑科学研究院，同年还相继捐赠了北大、北师大IDG/麦戈文脑科学研究院。
2021年4月22日，IDG成本与清华大学宣告连续携手探索和助力中国脑科学的根本研究和未来发展。

2021年，清华大学常务副校长王希勤与IDG成本创始董事长熊晓鸽在「IDG成本-清华脑科学发展基金捐赠仪式」上合影

「凝聚共识是一个很主要的事。
」鲁白先容说，作为IDG/麦戈文脑科学研究院研究员的他，对中国脑科学发展有着清晰的见证，「清华脑科学的崛起，跟麦戈文和IDG成本是非常有渊源的，全体脑科学把它叫做IDG/麦戈文脑科学研究院。
」

其余，脑科学作为一项长线的投资，不仅吸引着成本与科研界的眼力，企业界也对此重视颇深。
例如，徐立就以理事身份参与到了清华大学脑科学研究院的干系事情中。

打破「逃逸速率」的企业，能在创新的宇宙中畅游

牛奎光回顾起多年前的一件事，准确地说，是2014年——人工智能尚未家当化的时候。
「我跟徐立聊，如果人工智能家当化之后竞争激烈了怎么办，他给我打个了比方，如果我们要做一个猫脑筋的智力水平系统，你创业可以做两件事，第一演习猫去抓耗子，做运用；第二努力把猫的脑筋提高到猴子脑筋的智力水平。
其他人都在做第一个，商汤第一个也要做，但更主要的是做第二个。
」

来源：Neuralink

「由于如果要做的事情是摘果子，我们现在只有一只猫的脑筋，只能抓耗子，我们就必须把它升级成为一只猴子的脑筋，这便是我们想做的底层延伸。
」徐立说。

秉着这样的理念，徐立带领团队用神经科学的机理来做人工智能。
「真正能够带来一个非对称的上风的核心能力，是在于非连续的跳跃。
真正的打破还是在于，你须要把它们做升级，才能够达到生产力，刚才是讲工业的红线。
」

在徐立看来，「原创的投入力度要足够大，如果真的以原创这件事情作为核心竞争力的时候，你投入的密度要足够大，便是逃逸速率。
你在地球上跳总是有吸引力，但是你速率达到了宇宙速率，你就觉得没有引力了，以是单点投入的密度要大，而且要武断。
」

实在创新的真正意义，在生物学中就有迹可循。
生物学的选择方面最核心的不雅观点是，种群之间的竞争只是表象，更主要的是种群内部的竞争。
类比到企业也是一样的，不同企业之间有竞争，企业内部门歧部门之间也在竞争有限的资源。
生物学竞争是自然淘汰、适者生存；企业也是市场淘汰、适者生存。

牛奎光说，「创新基本都是冲破共识的，科学研究也是这样。
冲破的旧的共识越大，同时会形成新的共识，由于只有形成新的共识这个企业才会有代价，形成新的共识越大这个企业的代价就会越大，当然也就会越难。
」

「只有做跟大家不一样的东西，才能够在这个地方上找到行业的契机，才会有资源差，才会形成壁垒。
创新便是在形成不平等的资源差，然后形成生产力的大打破和变现。
」作为一家「适者生存」的公司的CEO，徐立也这样认为。

但是必须承认的是，创新是无法由企业或研究机构独立完成，它须要有一个包括成本在内的完全生态网络支撑。

企业是创新的主体，高校能为创新供应原动力，而成本则卖力探求冲破共识的人。
当三者联动起来，就会产生非常积极的效应。

那么，目前中国全体市场环境是否已经达到了支持原始创新研究的阶段呢？

答案是肯定的。
首先，企业本身走的是用原创产生竞争力的道路。
其次，市场环境许可根本研究做无用的研究，由于从创新的角度来说，这才是在探索我们认知的边界，制造「逃逸速率」。

根据数据统计，从人工智能崛起的近五年来看，伴随这一征象的，还有脑科学公司如雨后春笋般涌现。
这不仅是科研界、投资界以及企业界的三方努力，更是从海内到环球对脑科学主要性的一个空前共识。
「逃逸速率」已经蓄势待发，打破了创新末了的壁垒。