在自然界里，智能存在多種形式——蝙蝠利用回聲定位，在黑夜里熟練地導航；章魚能夠迅速改變行為，在深海里生存……同樣地，在計算機科學界里，也正冒出多種形式的人工智能——不同的網(wǎng)絡(luò)練習處理不同的任務(wù)。如今，認知神經(jīng)科學家越來越愛利用新興的人工智能網(wǎng)絡(luò)，來增進對人類大腦的理解——這是最難理解的智能系統(tǒng)之一。

認知神經(jīng)科學家和計算機科學家希望解答的本質(zhì)問題是類似的。他們都在研究由部件構(gòu)成的復(fù)雜系統(tǒng)——一個是神經(jīng)元，另一個是單元。他們都在通過實驗探究這些部件的計算方式。大腦是一種深度而復(fù)雜的神經(jīng)網(wǎng)絡(luò)。如今，在許多人工智能應(yīng)用(如機器視覺)中，模擬大腦的神經(jīng)網(wǎng)絡(luò)模型是頂尖技術(shù)。

目前，神經(jīng)科學家正在探究環(huán)境線索對人類圖像識別的作用。麻省理工學院的Aude Oliva等人利用“人造神經(jīng)元”(即代碼和軟件)和神經(jīng)網(wǎng)絡(luò)模型，解析地點或物體識別過程中的多種因素。

最近，他們進行了一項研究，涉及超過1千萬張圖像。他們成功教會一個人造網(wǎng)絡(luò)識別350個不同地點(如廚房、臥室、公園、客廳)。他們指望這個網(wǎng)絡(luò)能夠?qū)W習識別物體，例如和臥室有關(guān)的床。但出乎意料的是，它居然能夠?qū)W習識別人類和動物，例如公園里的狗、臥室里的貓。

面對大量數(shù)據(jù)時，這個計算智能網(wǎng)絡(luò)的學習速度非?？?mdash;—Oliva稱，大量數(shù)據(jù)也是它能夠如此精確地解析環(huán)境學習的原因。盡管科學家無法在這個層面上仔細研究人類神經(jīng)元，但執(zhí)行類似任務(wù)的計算機模型是完全透明的?？茖W家可以研究、改變、評估作為“迷你大腦”的人工神經(jīng)網(wǎng)絡(luò)，甚至將它和人類神經(jīng)網(wǎng)絡(luò)的反應(yīng)進行比較。所以，針對人類大腦的運作方式，認知神經(jīng)科學家現(xiàn)在也有些大致了解。

確實，這類模型幫助神經(jīng)科學家理解人類如何瞬間識別周圍物體。在這個過程中，視網(wǎng)膜發(fā)出幾百萬個信號，這些信號迅速傳遍層層神經(jīng)元，再由神經(jīng)元提取語義信息。目前，神經(jīng)網(wǎng)絡(luò)模型可以僅采用生物神經(jīng)元能夠執(zhí)行的計算方法，來執(zhí)行這類任務(wù)。此外，在一定程度上，這類神經(jīng)網(wǎng)絡(luò)模型可以預(yù)測大腦深處的神經(jīng)元對任意圖像如何作出反應(yīng)。

利用計算機科學理解人類大腦是個新興領(lǐng)域。由于計算速度、計算能力、神經(jīng)科學成像工具的進展，該領(lǐng)域也得到了迅速發(fā)展。目前，人工智能網(wǎng)絡(luò)還無法復(fù)刻人類的視覺能力；但通過模仿人類大腦，科學家能夠進一步理解人類認知和人工智能。這是神經(jīng)科學、認知科學、人工智能的交叉領(lǐng)域。

只有理解人類大腦如何看、聽、感受、思考、記憶、預(yù)測，才有望開發(fā)出更好的診斷工具，用以修復(fù)大腦、確保大腦發(fā)育良好。