大脑，特别是人的大脑，非常复杂。大脑有数百亿个神经元，通过分支连接，是一个非常复杂的结构。生命科学从基因组到单细胞，从转化医学到精准医学，取得了长足的进步。但人类仍然不明白大脑到底是干什么的。大脑的功能非常复杂，它有两个系统：一个是从脑神经到各个器官的连接系统；另一个是通过免疫系统的反馈系统。如何认识如此复杂系统的大脑，是人类一直探索的重要方向。特别是在本世纪，科学家应该努力解决这个问题。
脑神经、800多个神经元和整个器官免疫系统的连接，加起来比整个光纤网络的总和还要多。在本世纪初，人们对脑的主要困惑和问题是什么？第一是我们不知道这800多个脑神经都有哪些行为？第二是我们不知道脑的结构图。第三是脑中的神经元在控制我们的言语和视觉的时候，我们不知道视觉或者听觉到底是哪些神经元在起作用？以及如何理解神经细胞和个体行为之间的关联？所以这四个方向是脑科学当前和长期要解决的工作，而且和人工智能息息相关。
为了做脑科学研究，我们努力去寻找第一个做脑科学研究的科学家。虽然我们不知道谁是第一个做脑科学研究的人，但是我们知道第一个获得脑科学诺贝尔奖的人是谁——现代神经生物学之父卡哈尔。他的主要工作是用显微镜最终画出了神经元的结构，所以他是脑科学研究领域第一个获得诺贝尔奖的人。在过去的100年里，有20多位科学家获得了脑科学领域的诺贝尔奖。神经系统的结构和功能、信息传递、神经细胞如何传递信息、大脑认知和感知等神经科学领域多次获得诺贝尔奖。网格细胞和人工智能息息相关。最重要的是，与2013年提出的第一代相比，现在提出的脑计划除了刚才提到的四项研究工作外，还多了一个内容，也就是最后一项——提出新一代人工智能的理论和方法。 从机器感知、机器学习到机器思维、机器决策的颠覆性模型和人工智能方法，这是对脑科学的重要补充。
我国提出了双翼的思路：脑科学和类人脑。如果开始动手，我们可以看到，做什么研究才是最重要的部分。美国脑计划由四大部分组成，其中两部分与观察有关，如何看细胞的信息传递和关联，以及细胞本身的特性；也就是说，我们观察的仪器是脑科学必不可少的重要工具。
进一步研究发现，当我们看到一个图像，分辨率足够高的时候，视野很小；而当视野很大的时候，分辨率就比较低。我们进一步做了分类。第一个是1982年的诺贝尔奖，它的视野很小，分辨率比较低，但是得到了猫视觉的反应，突破了人工智能的架构，做出了巨大的贡献。第二个是2014年的诺贝尔奖，超分辨率，观察到了神经细胞的分类。大家知道，像X射线、核磁共振这样的技术，它的视野很大，分辨率很低，达到毫米级，神经元是看不到的。
还有大视场这个特点，我们用两个坐标来标记，红色坐标是中尺度、小视场、高分辨率，还有大视场、高分辨率等四个象限，高分辨率、大视场、甚至更高分辨率都是目前国际上非常热门的科研领域，大家都在关注这方面的研究。
第一，2017年有一个脑科学项目，6个科学家里面，3个搞脑成像，3个搞脑关系，他们拿到了1.5亿美元的支持。他们希望看到多大的视野？他们想把一条斑马鱼放进去。斑马鱼有3000多个神经元，他们想观察清楚，观察它们的具体行为，这些行为之间是如何联系在一起的，这是他们一个5年的计划。这是一个例子，以前的显微镜只能看到四分之一的视野，现在他们想做全视野的研究。
难在哪里？难在两方面，一个是结构；一个是功能。我们都知道，对于一个系统来说，结构决定功能。神经系统的结构是第一位的。这里蓝色区域是光学显微镜，只占了一块，看不到整个脑系统；下面是功能核磁共振，客观观察动态的脑区级功能活动。我们了解脑区的功能，但是我们无法划分边界。我们的细胞大概就是几微米，分辨率只能达到毫米。所以国际上，大视场、高分辨率的观测仪器一直是研究的重点和热点。
我统计了一下，国际上研究这个课题的团队有300多个，典型代表有加州理工学院、麻省理工学院、霍华德休斯研究所、北卡医学院等。大家可以看到，视野大，分辨率低；分辨率高，视野小，很难捕捉到神经元在动态连接过程中的瞬间变化，这些研究都存在这个问题。
总之，制作大视场、多尺度、动态连续观测的光学系统是比较困难的。2016年英国学会十大进展中，6 mm×6 mm×3 mm视场扩展，非常高的分辨率0.8 μm，垂直分辨率8 μm，是十大进展之一。
要实现大视场、高分辨力，这是核心难点。如何巧妙地设计这样的系统？这里面的问题也很大。基于这个工作，我们也联合国内的几家单位开始攻关。2009年我们在深圳开会，讨论需要把什么样的东西跟我们的信息结合起来；2012年我们开始对大脑皮层神经、肿瘤转移进行观测。现在清华大学、浙江大学、中科院上海生命科学院等联合研发设计了计算相机系统。给定原有的光照，结合我们计算重建的强项，加入计算光照和模型公式。经过几年的努力，从平台搭建、部件加工、模块组装到系统集成，我们完成了这样一台仪器。仪器最重要的创新点是什么？我们利用仪器的成像原理，做成一个曲面来做成像，用多个传感器来获得曲面成像。
在智能成像模型方面我们有两个成果：一个是压缩感知，我们针对压缩感知提出了LOGSUM范数算法；另一个是度量学习，完成了算法的工作。通过几年的工作，我们开发了很多仪器，比如实时动态成像系统RUSH。
大家可以看到，跟目前国际上最先进的仪器相比，1厘米×1.2厘米的视场已经足够大了，最大的特点是成像速度是国际上同类仪器中最快的，通量也是国际上仪器中最大的，通量越大，描述时间的细节就越丰富，我们的通量是5.78。
这是我们去年拍的第一张全脑图像，你可以看到不同的颜色代表不同的深度，大脑皮层达到100μm，在动态图像中捕捉到了。这张图片是在2017年7月拍摄的，这是我们制作的第一张全动态图像，是7G。
这样的仪器也带来了很多生命科学实验。
第一，推翻科学发现的问题。这里最重要的是什么？1991年，当核磁共振成像开始出现时，有一种假说认为神经细胞的功能和血氧有关。当时有两种学派，一种认为有联系；另一种认为没有联系。核磁共振技术无法验证这样的假设，但我们的仪器可以尝试解决这个问题。
我们用老鼠做实验，吹一下老鼠的胡须，可以看到神经元的变化，这些变化和神经血管的供应有关。我们做了几千个实验，但是没有显示出有没有联系，所以还要继续做这个实验。现在北卡医院的两位教授还在和我们一起做这个实验。这个实验一旦成功，不管有没有联系，都会给科学界带来很大的震动。现在很多生命科学家不断发邮件询问结果。这个实验还在进行中，还没有准确的结果。
我们还可以进行探索脑部疾病的相关研究。脑部疾病最重要的有帕金森病、老年痴呆症等，病例也很多。这个是脑肿瘤，我们跟第三军医大学合作，这是活细胞的演示，现在的技术要5到7天才能确定有没有肿瘤，用这个仪器3毫秒就可以做出诊断结果。所以第三军医大学从去年开始就希望订购这个仪器。
我刚才提到哈佛大学需要对多条斑马鱼进行观察，我们的仪器可以实现这一点。这个研究是什么？研究肿瘤细胞在体内形成肿瘤的过程。我们可以看到细胞的运动。细胞是怎么迁移的？移动到什么地方，在什么环境下？这是我们一个非常重要的研究工作，就是多条斑马鱼的联合观察。
其次，我们可以看到，当老鼠的整个大脑在移动的时候，免疫细胞和肿瘤细胞是朝相反的方向移动的。脑肿瘤手术最难的地方就是确定它的边界，切得太少，肿瘤就没法完全切除，切得太多，病人就会变笨。这个单细胞实验也引起了医学界的轰动，比如同济医学院可以跟踪一个细胞，知道它背后发生了什么，确定这个边界有多大。
我们可以看到中风前后细胞的变化在哪里。最重要的研究工作是确定损伤后中风的形成。还有一个就是癫痫的开关，自发性癫痫波的产生，哪些癫痫细胞产生癫痫波，哪些癫痫细胞不产生癫痫波，产生和不产生的关系是怎样的。这是国际上正在讨论的。同时我们给它一个刺激波，在电极刺激下产生癫痫波，哪些是自发产生的，哪些是电极刺激产生的。
这些努力对加速药物研发也起到了很大的作用。众所周知，心肌梗塞的危害非常大。心脏细胞怎么运作可以给出药物的判断。药物判断是跟药厂一起做的一个实验。通过高通量的心肌药物，哪些药物有效，哪些药物无效。
这是我关于生物科学和医学，以及我们如何推动人工智能发展的简短报告，希望能做出一些贡献。
众所周知，胡贝尔在人类的视觉系统中起到了非常重要的作用。大脑神经元之间的信息传递机制到底是什么？可解释的人工智能可以提供一个生物学的例子。为了做到这一点，国际社会投入了1亿美元，启动了阿波罗大脑计划。我们要把一立方毫米内10万个神经元的研究关系找出来，包括活动和连接关系，最后形成大数据。我们在想，计算神经元模型和机器学习模型能不能对接起来，能不能在这里找到它们的用武之地。
其实现有的人工智能基本上都是同一个大数据的学习，未来融入到人工智能里面的信息传递机制是什么？我们现在还没有找到信息传递机制，所以我们要强行去学习。如何从感知到决策、控制，从认知到决策、控制，这样的工作让人工智能主动出来。我们希望通过大脑的观察和大脑的认知相结合，来模拟大脑。现在我们的仪器可以看到几百万个神经元，它的连接状态是怎么样的？我们还没有看到它的视觉连接行为，但是我们发现了它的听觉、视觉环路部分，但是不是全部。下面这个是我们世界上第一个看到老鼠听音乐的时候整个大脑的神经元的变化。这个是老鼠听音乐的时候整个神经元的连接状态。亚细胞水平，结构和功能的统一，这个是世界上第一个产生的成果。老鼠的状态，对应的神经图谱就是大脑连接的状态。 同时我们还可以看到海马层神经元的连接状态，这里我们发现了部分信息传递的机制，大家可以看到这是毫米级的神经元在传递，我们希望在这里分析它们的模型，找到它们的工作规律，给人工智能的信息传递机制带来一些好的算法和模型。
这个仪器研发出来之后，我们从2017年开始做了近两年在生命科学和人工智能领域的实验，也引起了很多国际学者的关注。
目前我们的分辨率和视场还不是世界最先进的，但是我们的通量是领先的，而且要突破400纳米，是世界领先的。组件已经完成，希望在2019年1月完成最高分辨率400纳米的集成。但是我们还缺资金。
我们现在有一个团队专门做大数据分析，十个老师和博士生在讨论动物全脑清晰的实时成像数据，让小白鼠看到不同的颜色，不同的动态物体，它的视觉回路是什么样的？另外还要研究神经网络的记忆决策和控制机制。同时我们又组建了两个团队做微观成像，也就是分子成像，看到细胞的特征——单个细胞和整个细胞之间的联系。通过微观和宏观，看能不能在大尺度上做整体成像，为人工智能提供一些新的线索和方法。这个研究很复杂，需要持续的研究。
未来的方向。第一个方向是生命会改变。生命进化到现在的人工智能阶段，随着材料科学的发展，未来的生命会出现新的形态、新的业态。比如我们的人造器官会被创造出来，人工智能和我们的器官已经结合在一起，真正实现一个有活力的人工智能。
第二个方向，我们有一个三人小团队在研究脑联网，就是为了解决下一个国际难题：意识能不能储存。这个问题比较前沿，我们也在做这方面的分析，希望能提出一些思路。
第三个方向是光电计算。今天的电子计算机是基于硅级纳米的，量子计算离我们也并不遥远。所以我们提出了光电计算，把光子器件跟硅基器件结合起来，对人工智能的发展起到了非常重要的作用。今天复杂的算法，让我们很多工作都无法向前推进。光电计算如果利用得好，可以导致新一代摩尔定律的出现。如果形成了光电计算，存储和计算一体化会变成什么样子？会变成皮米级的工作。现在是纳米级，如果能实现皮米级的工作，可以带来摩尔定律的新变化。
这是三个研究领域，我也想跟大家讨论一下，希望可以在这方面做一些研究。 |
