李德毅院士：脑认知的形式化

摘要：李德毅院士认为，脑认知的内涵包括记忆力、计算认知和交互认知。计算固然重要，记忆更重要。脑认知的本质是统计认知，多次反复在感知、认知、行动过程中形成不确定性，动态演化过程从时间上看是积分，就变成记忆。

为了更好地引导和推动我国人工智能领域的发展，由中国人工智能学会发起主办，CSDN承办的2015中国人工智能大会（CCAI 2015）于7月26-27日在北京友谊宾馆召开。本次会议的主旨是创办国内人工智能领域规模最大、规格最高的高水平学术和技术盛会，汇聚国内外顶级的专家学者及产业界人士，围绕当前最新热点和发展趋势的话题进行交流与探讨，并针对“机器学习与模式识别”、“大数据的机遇与挑战”、“人工智能与认知科学”和“智能机器人的未来”四个主题进行专题研讨，努力打造国内人工智能前沿技术和学术交流的平台。

在第二天的主题报告环节，中国工程院院士、中国人工智能学会理事长李德毅发表题为《脑认知的形式化——从研发机器驾驶脑谈开去》的主题报告。他表示，从学科交叉的角度，要想解释脑认知之谜有两条路：脑认知的神经学方法和脑认知物理学方法。结合脑认知物理学方法研究生物脑的形式化，主要是解决这些问题：脑认知的形式化可以不可以先关注脑认知的社会属性？人脑是如何反应客观物理世界？人脑如何从外部环境中获得知识和技能的？人脑是如何根据已知解决未知的？人脑的想象力即如何形成创新的？

李德毅认为，脑认知的内涵包括记忆认知、计算认知和交互认知，其中记忆比计算更重要。他解释说，脑认知的本质是统计认知，对世界的认知不是一次完成的，需要多次反复，在不停的感知、认知和行动过程中形成不确定性，这就是进化。动态演化过程从时间上看是积分，就变成记忆。计算认知方面，人脑没有多种计算，只有一个计算方法——相似计算。交互认知则具有二重性，除了脑认知的往返跳跃、并行处理，另外一个重要特点是脑通过感知和外部世界交互。由此看来，冯·诺伊曼计算架构中，计算、存储和交互相互分离，计算机只有计算智能，没有记忆智能和交互智能。这也意味着认知智能的实现需要一种新的计算模型。

基于上述三个方面的研究，李院士认为，脑认知形式化一开始不必纠结于高并发、大流量和大数据信息编码等，而是要懂得忽略和聚焦，懂得抽象和分离。他分享了“驾驶脑”的试验，机器驾驶选择性忽略脑认知对人体内分泌系统，对躯体神经系统、对心肺机能、对自身生存相关行为的控制和调节等，只关注安全驾驶这个特定注意。驾驶脑用机器模拟人脑对安全驾驶的自学习和驾驶技能积累能力，尤其重要的是并不模拟在驾驶过程中与安全驾驶无关的其他认知活动，并做到一个板卡上，以微秒级并行模拟人脑的记忆认知、计算认知和交互认知的三位一体。

他演示了2012年设计成功的北京到天津高速公路全程的无人驾驶，全程没有人工干预。设计上包括感知、认知和行动三大功能模块，其中长期记忆、工作记忆和动作记忆非常重要，采用了GPU加CPU加FPGA加ASIC的技术。

李德毅最后表示，人脑特定问题域的认知能力可以先局部地形式化，哪怕在微观上不具有组织结构的相似形。当千千万万的特定机器认知脑，逐步形式化之后，通过移动互联网、云计算和大数据，将有可能倒逼并逼近“人造生物脑”。

本文来源于"中国人工智能学会",原文发表时间"2015-07-30"