类脑计算课件.pptVIP

视皮层神经元网络的结构与功能 运用复杂网络分析，首次发现视觉皮层神经元网络小世界结构 小世界特性与视觉皮层方位选择性密切相关 有利于神经元通过同步活动进行视觉信息的整合 Yu et al. 2008 Yu S. et al. 2013 理解脑计算 明确脑信息处理 的重要原理和过程 明确不同尺度脑信息 处理的基本单元 揭示脑功能进化的过程和原理 阐明神经网络通过进化过程不断完善的机制，为实现持续自组织演进的类脑计算系统提供借鉴 研究如何将先验知识压缩及注入神经网络 目前的人工神经网络不依赖于先验知识 脑网络出生时即蕴含了大量的先验知识 V. S. 理解脑计算 明确脑信息处理 的重要原理和过程 明确不同尺度脑信息 处理的基本单元 揭示脑功能进化的过程和原理 设计类脑信息处理系统的体系结构及硬件方案、研发类脑算法和软件，研制高效率、低能耗的信息处理系统，突破现有计算系统和信息技术面临的瓶颈 类脑计算系统的设计和实现 相关研究进展（1） Neuromorphic 芯片 （分布式处理，事件驱动, 低耗能，小体积） Merolla et al. Science 2014 Mnih et al. Nature 2015 相关研究进展（2） 临界态网络处理时序信息 Long short-term memory network 利用自组织临界网络实现状态的 自适应调节，提升时序信息处理 能力. 类脑计算系统的应用 探索类脑人工智能在智能机器人、自动驾驶、大数据处理、精准医疗、智能制造等领域的应用。 相关研究进展 Vinyals et al. Axiv. 2014 相关研究进展 Vinyals et al. Axiv. 2014 相关研究进展 Vinyals et al. Axiv. 2014 相关研究进展 Vinyals et al. Axiv. 2014 即便是对于脑信息处理的部分认识，运用于合适的领域，也能有重要的作用。 理解脑计算 明确脑信息处理 的重要原理和过程 类脑计算系统的设计和实现 类脑计算系统的应用 明确不同尺度脑信息 处理的基本单元 揭示脑功能进化的过程和原理 发展前景 Nick Bostrom 发展前景 经济总量倍增时间 农业革命前 22 万年 农业社会 909 年 工业社会 6.3 年 智能化社会 14 天 农业革命 工业革命 智能革命 Bostrom 2014 shan.yu@nlpr.ia.ac.cn 经过十余年的脑网络方向的研究，发现目前已有的脑图谱，在解释现有脑疾病临床研究时，存在很多局限性：脑区定义粗糙、缺乏功能亚区的定义以及脑连接信息的描述等； 现代脑科学的研究依然沿用100多年前的Brodmann图谱，虽然有研究组在继续发展传统神经解剖学研究方法，构建人类脑图谱，但是仍然是基于尸体标本研究，周期长（近20年的研究，仅完成70%的脑区）、耗时耗力、而且提供的脑图谱仍然仅包含局部分区信息、不能充分考虑个体变异； 提出了全新的构建人类的脑图谱的思路，即基于多模态脑成像数据，利用脑连接信息建立脑网络组图谱思想 成功构建的脑网络组图谱是比现有脑图谱既具有更精细的脑区划分、又具有亚区解剖与功能连接模式的全新活体脑图谱 举例：1单一细胞构筑脑区颞极皮层（Brodmann38区）存在三个功能亚区，2）复杂细胞构筑脑区内后皮层5个亚区 * * * * 余 山 中国科学院科自动化研究所 2015.10.22 从神经元到脑网络组 —神经科学对类脑计算的启示 突触 树突 轴突 动作电位 Learning level: How the system gradually learns to do what it does computational level: what does the system do why does it do these things algorithmic/representational level: how does the system do what it does implementational/physical level: how is the system physically realised David Marr (1945- 1980) Learning level: How the system gradually learns to do what it does computational level: what does the system do why does it do these things algorithmic/representational level: how does the system do