综合消息

当AI遇见大脑

作者:颜彪 李雪娇摄影:来源:脑科学研究院发布时间:2024-03-19

“人脑是世界上最复杂的物体之一,虽然我们对于大脑的研究已经持续了上千年,但人脑仍然有许多未解之谜。”

如何用人工智能技术帮助科学家更好的理解人脑,促进人脑健康,从而探索脑部疾病的肌理?3月15日下午,复旦上医二号科研楼CB3-030会议室内座无虚席,微软亚洲研究院(上海)首席研究员李东胜在复旦大学AI4S脑科学交叉与转化系列讲座、复旦大学科学智能系列讲座上,带来了精彩的主题报告《当AI遇见大脑》。

机器学习和脑科学-AI交互计算是李东胜博士的主要研究方向。“世界上最复杂的东西是什么?”报告以此开篇,从认识大脑到脑电信号,再到数据建模以及医学临床运用等,打开了AI与大脑交汇的奇妙大门。讲座由脑功能与脑疾病全国重点实验室、教育部脑科学前沿科学中心、上海科学智能研究院和复旦大学脑科学研究院共同主办。

理解大脑的工作方式至关重要。“我们希望用AI来帮助我们更好地理解大脑,然后把这些新的理解用来改善大脑健康,进而提升 AI本身,设计出更好的脑启发的人工智能。”李东胜介绍了自己的研究思路。”

AI建模加速理解大脑

理解大脑有多种不同的技术,在临床上比较常用的叫做脑电,它是记录大脑神经活动的电信号,是研究大脑最重要的生理信号,也是研究脑部变化最便捷的一种方式。脑电信号是通过神经元之间的活动所产生的电信号,这些电信号在神经元之间传递形成电场。如果在头皮上贴一个电极去记录电场信息,就会得到一个电信号,“脑电信号是医学阅读能力的一种方式,我们更关注怎样用机器去阅读脑电信号”。

李东胜从最早记录脑电信号的阿尔法波讲起,分析了人在睡眠过程中产生的脑电波。他还以帕金森病人为例,通过解析研究范式提出了两个问题:如何面临数据上的挑战和建模问题的挑战?

人的大脑有很多功能分区,每个功能区各司其职,负责执行不同的任务。在功能区内部,脑电产生的信号具有很强的关联性。如果不在每个导联上去建模,从而从功能区的角度去建模,就可以把不同的导联用同样的功能去定性。“这个时代证明了这件事情确实是可以做到的。”李东胜笑言。

人工智能技术显著提高了脑部疾病检测的准确性。李东胜介绍了通过新的访问建模,开发出的一种能更好检测脑部疾病的工具——人工智能机器人(AI neurologist)。这是一个脑电监控的窗口,大量实验证明,通过对它的使用,检测准确率得到大幅提升,有助于医生进行临床诊断。在此基础上,为提升脑电信号的分析效果,李东胜团队构建了第一个跨数据集的脑电预训练大模型,解决了现实世界中人类脑电波(EEG)数据的异质问题,并显著提升检测脑部疾病、解码大脑信号等任务的准确性。

神经科学发现启发AI神经网络

在李东胜看来,人工智能的设计和优化目标虽与大脑并不完全相同,也无需完全复制大脑的功能,但大脑有很多值得借鉴的机制可以用来提升人工智能技术。

如何通过复杂的神经网络结构做一些正常启发的短时间网络设计?李东胜介绍了通过模拟大脑的计算和通信方式,解决人工智能行业能耗问题的探索。

人体神经元是通过各种连接模式相互作用来处理信息的,其中,前馈激励和抑制、反馈抑制、侧抑制和相互抑制四种类型最为常见。很多现有的人工智能神经网络仅包含其中的一两种类型,例如多层感知器只包含前馈激励,并不能把其他模式都集成到一种神经网络中。

在这种情况下,基于神经元连接模式的启发,团队提出了一种新型神经网络——CircuitNet。这种网络模型能够统一实现大脑中的前向、后向、抑制、促进等各种信号传输机制,相比于传统的多层感知机(MLP)、卷积神经网络(CNN)、循环神经网络(RNN)和Transformer等神经网络,CircuitNet以更少的参数实现更好的效果,更趋同于脑部神经元处理信息的模式,有望在多种任务上取得突破性进展。

“在未来我们非常希望继续做脑科学和AI的交叉的研究,一方面,我们通过大的启发让我们设计出更强的人工智能,反过来,希望用API来帮助科学家们更好地去分析大脑数据,理解大脑功能,理解中国的疾病。”李东胜说。

复旦大学AI4S脑科学交叉与转化系列讲座是脑功能与脑疾病全国重点实验室、教育部脑科学前沿科学中心、复旦大学脑科学研究院联合上海科学智能研究院启动的以AI for Science为主题的系列讲座,将邀请国内外AI和转化领域的专家,介绍AI领域的前沿进展,AI工具在脑相关领域中的应用,支撑脑科学和脑疾病的交叉创新和转化应用。李东胜博士的报告是该系列讲座的首场报告,下一期精彩报告敬请期待!

制图:实习编辑:责任编辑:李雪娇

Baidu
map