脑科学如何启发AI,这场论坛带你全面探索「大脑网络与智能计算融合方式」

我爱免费

作者：机器之心


从年初到现在，以ChatGPT等为代表的大模型（LLM）展现出了强大的智能行为，它们就像一个六边形战士，能写小说、编代码、生成大作，甚至完成更具挑战性的任务（例如看草图构建网站）都不在话下。

最近被刷屏的GPTs，更是开启了自定义GPT时代，聊天过程就把应用构建好了。由于LLM表现越来越出色，很多人开始相信，通用人工智能（AGI）正在到来。
一方面，快速发展的人工智能技术有望大大加快对大脑奥秘的解析，另一方面，现在的LLM与大脑相比还有巨大差距，人们也期待从神经科学的启发入手，发展类脑神经网络架构、类脑学习算法等。
11月23日10:00-11:40，机器之心、中国科学院自动化研究所与中国科学院脑科学与智能技术卓越创新中心联合举办系列论坛第七期，以「神经科学与人工智能：探索大脑网络与智能计算的融合之路」为主题，特邀中国科学院自动化研究所研究员、脑图谱与类脑智能实验室常务副主任余山担任主持人，并邀请到中国科学院自动化研究所研究员李国齐、中国科学院脑科学与智能技术卓越创新中心高级研究员严军、中国科学院脑科学与智能技术卓越创新中心高级研究员杨天明展开分享与交流。



特邀主持人介绍

余山，中国科学院自动化研究所研究员，博士生导师，脑图谱与类脑智能实验室常务副主任。研究结合实验神经科学与计算建模方法，致力于理解大脑皮层信息处理的网络机制，研究脑启发的人工智能算法，并探索新型脑机接口及其应用。在Nature Machine Intelligence, eLife, Journal of Neuroscience, IEEE TIP, AAAI, CVPR等神经科学和智能技术领域国际学术期刊和会议发表论文50余篇。担任BMC Neuroscience编委，中国神经科学学会、人工智能学会专业委员。
特邀嘉宾与主题介绍

报告主题：AI在全脑网络重构中的应用

嘉宾简介：严军，美国纽约大学物理系博士。2006年9月起任中国科学院上海生命科学研究院计算生物所研究员。目前任中国科学院脑科学与智能技术卓越创新中心高级研究员。严军目前主要研究全脑介观联结网络和生物节律的神经机制。

报告摘要：全脑联接网络是理解大脑工作原理的基础。我们将讨论如何利用AI技术开发针对全脑成像的海量数据进行全脑网络重构的新的方法，进行在全脑范围并精细到神经元的网络重建与分析，从而推动全脑介观神经联接图谱的研究。
相关链接：

https://www.nature.com/articles/s41593-022-01041-5

https://www.nature.com/articles/s41593-023-01339-y

报告主题：AI时代下认知神经科学研究的范式革新嘉宾简介：杨天明为中国科学院脑科学与智能技术卓越创新中心高级研究员，博士生导师。长期从事抉择与认知的神经机制研究，综合运用行为学、神经电生理及计算神经科学的方法，发现了前额叶和后顶叶等脑区在认知过程中的神经计算机制。报告摘要：介绍目前认知神经机制研究的进展以及面临的挑战，并讨论通过研究范式的革新，将AI的技术和方法引入到神经科学的研究中来更深入地理解大脑认知功能的神经机制，并促进认知神经科学与人工智能研究的交叉合作。

报告主题：类脑计算智能

嘉宾简介：李国齐，中国科学院自动化研究所研究员、国家杰出青年基金获得者；在Nature、Nature 子刊、Science 子刊、Proceedings of the IEEE等期刊和会议上发表论文 200余篇，论文被引用9000余次；主持国自然重点项目（2项）、科技部重点研发项目、 北京市科委项目等20余项；担任IEEE TNNLS，Neuromorphic Computing and Engineering等期刊编委；曾入选北京市杰青、北京市智源学者，中国算力十大青年先锋人物、DeepTech中国智能计算科技创新人物。

报告摘要：类脑计算智能是受人脑信息处理机制启发，基于神经元和神经环路的结构和功能，以更通用人工智能为目标构建计算系统的技术总称。近年来脉冲神经网络在一些场景体现了类似大脑处理智能问题的能力和效率，展现出引领未来智能技术的潜力。本报告介绍类脑计算智能基本概念和范畴，介绍以脉冲神经网络为代表的类脑理论模型、算法及其硬件部署。

加群看直播

直播间：关注机器之心机动组视频号，立即预约。

交流群：本次直播有QA环节，欢迎加入本次直播交流群探讨交流。



往期回顾
「人工智能×基础科学系列论坛」已举办六期，主题分别为「受物理启发的深度学习」、「深度学习中的数学优化问题」、「后 AlphaFold 时代，中国蛋白质计算新进展」、「当人工智能遇到材料与化学」、「AI 如何与神经科学共生共赢」、「当医学插上人工智能的翅膀」。点击阅读原文，观看往期回放。