人類的大腦是生物演化的奇蹟，它是由數百種不同型別的上千億的神經細胞所構成的 極為複雜的生物組織。理解大腦的結構與功能是 21 世紀最具挑戰性的前沿科學問題；理解 認知、思維、意識和語言的神經基礎，是人類認識自然與自身的終極挑戰。腦科學對各種 腦功能神經基礎的解析，對有效診斷和治療腦疾病有重要的臨床意義；腦科學所啟發的類 腦研究可推動新一代人工智慧技術和新型資訊產業的發展。
《國家中長期科學和技術發展規劃綱要（2006—2020）》對腦科學與認知科學研究做 了戰略規劃：“腦功能的細胞和分子機理，腦重大疾病的發生發展機理，腦發育、可塑性 與人類智力的關係，學習記憶和思維等腦高階認知功能的過程及其神經基礎，腦資訊表達 與腦式資訊處理系統，人腦與計算機對話等。”近年來，腦科學在基礎研究和應用方面醞釀著歷史性的重大突破，發達國家紛紛推出大型腦研究 計劃；中國政府亦將啟動“腦科學與類腦研究”國家科 技重大專項：側重以探索大腦認知原理的基礎研究為主 體，以發展類腦人工智慧的計算技術和器件及研發腦重 大疾病的診斷干預手段為應用導向。面對激烈的國際競 爭以及迫切的社會需求，“腦科學與類腦研究”專案的 實施，將有助於中國在腦認知原理、類腦人工智慧和腦 疾病診治的前沿領域取得重大突破，在國際上產生引領 作用。
1 國際腦科學和類腦研究的回顧與前瞻
1.1 腦科學的回顧
現代神經科學的起點是神經解剖學和組織學對神 經系統結構的認識和分析。從宏觀層面，Broca 和 Wernicke 對大腦語言區的定位，Brodmann 對腦區的組織學 分割，Penfield 對大腦運動和感覺皮層對應身體各部位的 圖譜繪製、功能核磁共振成像對在活體進行任務時腦內 依賴於電活動的血流訊號等，使我們對大腦各腦區可能 參與某種腦功能已有相當的理解。由於每一腦區的神經 元種類多樣，區域性微環路和長程投射環路錯綜複雜，要 理解神經系統處理資訊的工作原理，必須先具有神經元 層面的神經聯結結構和電活動資訊。20 世紀在神經元層 面從下而上的研究也有了一些標誌性的突破，如 Cajal 對 神經系統的細胞基礎及神經元極性結構和多樣形態的分 析，Sherrington 對神經環路和脊髓反射弧的定義，Adrian 發現神經資訊以動作電位的頻率來編碼資訊的幅度， Hodgkin 和 Huxley 對從動作電位的離子機制並發現各種 神經遞質及其功能，Katz 和 Eccles 對化學突觸傳遞的分 析，Hubel 和 Wiesel 發現各種視覺神經元從簡單到複雜的 感受野特性，Bliss 和 Ito 等人發現突觸的長期強化和弱化 現象，O’keefe 等人發現對特定空間定位有反應的神經元 等，使我們對神經元如何編碼、轉導和儲存神經資訊有 了較清楚的理解，但是這些神經元的特性是如何透過局 部環路和長程環路產生的，我們的理解還十分有限。至 於對環路中的神經資訊如何產生感知覺、情緒、思維、 抉擇、意識、語言等各種腦認知功能的理解更為粗淺。 問題的關鍵是，我們對腦功能相關的神經環路結構和神 經資訊處理機制的解析仍極不清楚。
1.2 腦科學領域的重大問題：從圖譜製作到機制解析
就像 20 世紀 90 年代“全基因組測序”是理解生物體 基因基礎的關鍵，“全腦圖譜的製作”已成為腦科學必 須攻克的關口。核磁共振等腦成像技術大大推動了人們 在無創條件下對大腦宏觀結構和電活動的理解[1]。但是由 於這些宏觀成像技術的低時空解析度（秒、釐米級）， 不能滿足在解析大腦神經網路結構和工作原理時的需 求，目前急需有介觀層面細胞級解析度（微米級）神經 網路的圖譜和高時間解析度（毫秒級）的載體神經元集 群的電活動圖譜。完整的全腦圖譜製作的必要過程中， 對每個腦區神經元種類的鑑定是必要的一步。目前使用 單細胞深度RNA測序技術對小鼠大腦進行的鑑定中，已 發現許多新的神經元亞型。利用在這些神經元亞型特異 表達的分子作為標記，可以繪製各腦區各種型別神經元 的輸入和輸出聯接圖譜。對一個神經元亞型的最好的定 義是連線和功能的定義：接受相同神經元的輸入並對相 同腦區的相同神經元有輸出的一群神經元。在建立結構 圖譜後，需要描敘各個神經聯接在進行腦功能時的電活 動圖譜，這就需要有對神經元叢集在體內的觀測手段。 有了神經元層面的網路電活動的圖譜，並進一步用操縱 電活動的方式來決定該電活動與腦功能的因果關係，就 能逐步解析腦功能的神經基礎。
上述三類腦圖譜（神經元種類圖譜、介觀神經聯接 圖譜、介觀神經元電活動圖譜）的製作將是腦科學界長 期的工作。以目前已有的技術，鑑別小鼠全腦的所有神 經元的型別和介觀層面的全腦神經網路結構圖譜製作至 少需要10—15年，而對非人靈長類（如獼猴）則可能需 要20—30年以上的時間。當然，與過去人類基因組測序 一樣，腦結構圖譜製作的進展速度很大程度上依賴於介 觀層面觀測新技術的研發，後者又依賴於對新技術研發和圖譜製作的科研投資。值得注意的是，在全腦神經聯 接圖譜未完成前，神經科學家針對特定腦功能的已知神 經環路，對其工作機制已作出了許多有意義的解析。尤 其是在過去 10 年中，使用小鼠為模型，利用光遺傳方法 操縱環路電活動，對特定神經環路的電活動與腦認知功 能之間的因果關係的理解，取得了前所未有的進展[2, 3]。 神經系統內所有的腦功能環路都存在於彼此相連的神經 網路之中，許多認知功能的神經環路都牽涉到許多腦區 的網路，全腦的結構和電活動圖譜是完整地理解大腦功 能神經基礎所必需的[4]。
許多動物都具有基本腦認知功能，例如感覺和知 覺、學習和記憶、情緒和情感、注意和抉擇等，這些 功能的神經環路和工作機理研究，可使用各種動物模型 （包括果蠅、斑馬魚、鼠、猴等）；但是對高等腦認知 功能，如共情心、思維、意識、語言等，可能有必要使 用非人靈長類（如獼猴和狨猴）為實驗動物。介觀神經 網路的神經元類別、結構性和功能性的聯接圖譜繪製， 在未來 20 年將是不可或缺的腦科學領域。中國科學家有 望在此領域發揮引領作用。
1.3 腦健康領域的重大問題：腦疾病的早期診斷和干預
據世界衛生組織定量評價，全球各類疾病給社會 造成的負擔中，腦疾病佔 28%，已超過心血管疾病或癌 症。其中備受關注的腦疾病包括神經發育疾病（如自閉 症）、精神疾病（如抑鬱症）和神經退行性疾病（如老 年痴呆症等）。神經發育疾病是一類由腦部生長和發育 缺陷導致的疾病，表現為情緒、認知等功能的異常。 不少病變發生的時期較早，在嬰兒期或童年期就有表 現。其中自閉症（又稱孤獨症）主要表現為人際交往、 情感、語言交流等方面的障礙，以及狹隘的興趣和重 復刻板等怪異行為。中國 0—6 歲低齡兒童占人口總數 近 8%，自閉症的發病率很高，一般平均在 1% 左右。 根據區域性抽樣調查資料保守推算，中國患兒人數已過 百萬，受自閉症困擾的人群可能達千萬。精神疾病是由 神經系統病變導致的行為和心理活動紊亂，表現為認 知、情感、意志等精神活動出現不同程度的障礙。其中 抑鬱症最為普遍，據中國疾病預防控制中心調查，中國 抑鬱症的發病率超過 4%，患者人數超過 3 000 萬，已成 為影響中國人民生產生活的主要病症之一。神經退行性 疾病是一類以神經元的結構和功能逐漸喪失以至死亡為 特徵的神經系統病變。其中常見的是老年痴呆症（又稱 為阿爾茨海默綜合徵），在 65 歲及以上的人群中發病率 約 13%，並且發病率隨著年齡的增長而大幅提高。85 歲 及以上的人群，約有一半以上患有此病。2014 年中國 老齡人口已突破 2 億大關，並且將以每年 100 萬的速度 增長。中國屬老年痴呆症的高發地區，目前患者人數超 過 600 萬，居全球首位，且呈明顯上升趨勢。
目前科學界對這三類重大腦疾病（幼年期自閉症和 智障，中年期抑鬱症和成癮、老年期的退行性腦疾病） 的病因仍不瞭解，治療的措施也十分缺乏。早期診斷和 早期干預將是對腦疾病最有效的醫療方式。人類需要繼 續探索這些腦重大疾病的致病機理，致病機理的完全理 解仍有賴於闡明腦認知功能的神經基礎[5]。在完全理解 機理之前，急需研發出有效的腦重大疾病預警和早期診 斷的各種指標，包括基因變異的檢測、血液體液和腦脊 液中的分子成分、腦影像及腦功能的指標等。對診斷出 的早期患者，需要早期干預，以延緩或預防腦疾病的出 現。我們需要研發早期干預的藥理、生理和物理新技術 和新儀器。目前醫療界已在使用一些物理刺激技術來治 療腦疾病，如穿顱磁刺激（TMS）、穿顱直流電刺激 （tDCS）、深度腦刺激（TMS）等，這些刺激方法的精 度和刺激模式需進一步最佳化，而最佳化的過程仍依賴於腦 科學對認知功能的神經環路所獲得的新資訊。新藥物和 新型生理物理干預技術的研發，需要合適的動物模型， 因此，建立腦重大疾病的非人靈長類模型是不可或缺的 一環。
1.4 人工智慧發展的回顧
1956 年夏季，以麥卡錫、明斯基等為首的一批有遠 見的年輕科學家探討用機器模擬智慧，並提出了人工智慧這一術語，60 年來該領域的理論和技術都得到了迅速 的發展。
圖靈獎獲得者 Allen Newell 以認知心理學為核心， 探索認知體系結構。至今在認知心理學與人工智慧領域 廣泛應用於心智建模的認知體系結構 SOAR 與 ACT-R 都 是在 Newell 直接領導下或受其啟發而發展起來的，並以 此為基石實現了對人類各種認知功能的建模[6, 7]。David Marr 不但是計算機視覺的開拓者[8]，還奠定了神經元群之 間儲存、處理、傳遞資訊的計算基礎，特別是對學習與記 憶、視覺相關環路的神經計算建模作出了重要貢獻[9, 10, 11, 12]。 Hodgkin 與 Huxley 依據生理實驗結果建立了第一個精細 的動作電位模型[13]，Misha 等人構建了神經元之間的突觸 計算模型[14]。由瑞士洛桑聯邦理工大學（EPFL）發起的 “藍腦計劃”自 2005 年開始實施，經過 10 年的努力，目 前專注於極為精細的微觀神經元及其微環路建模，較為 完整地完成了特定腦區內皮質柱的計算模擬[15]。但總體 而言，以上工作要真正實現認知功能的模擬還有很大鴻 溝需要跨越[16]。
人工智慧符號主義研究的出發點是對人類思維、行 為的符號化高層抽象描述，20 世紀 70 年代興起的專家系 統是該類方法的代表。而以人工神經網路為代表的聯接主 義的出發點正是對腦神經系統結構及其計算機制的初步模 擬。人工神經網路的研究可以追溯到 20 世紀 40 年代[17]， 有些還借鑑了腦神經元之間突觸聯接的赫布法則作為其 學習理論[18]。感知器（Perceptron）是淺層人工神經網路 的代表，由於其權值自學習能力引起了巨大關注[19]。Minsky 等人指出，單層感知器無法表示異或函式的缺陷使 得人工神經網路研究一度陷入低谷，而反向傳播演算法的 提出解決了多層感知機學習的難題[20]。隨後 Minsky 在文 獻[19]中提出的第二個問題，即當時計算能力的提升不足 以支援大規模神經網路訓練的問題長期限制了人工神經 網路的發展，直至深度學習的誕生及其支撐硬體平臺的 發展[21]。在深度學習提出之前，Rumelhart 等人重新提 出誤差反向傳播演算法，其在非線性模式分類中顯示的強 大效能帶動了人工神經網路研究和應用的一輪熱潮[22]。 LeCun 等人提出的卷積神經網路受到了 Fukushima 等人更 早提出的 Neocognitron 的啟發[23, 24]。深度學習演算法提出之 後，隨著 GPU 平行計算的推廣和大資料的出現，在大規 模資料上訓練多層神經網路成為可能，從而大大提升了 神經網路的學習和泛化能力。然而，增加層數的人工神 經網路仍然是腦神經系統的粗糙模擬，且其學習的靈活 性仍遠遜於人腦[16]。
在人工神經網路的研究中，大多數學者主要關心提 升網路學習的效能。Poggio 及其合作者的工作是人工神經 網路向更類腦方向發展的典範，特別是其模仿人類視覺信 息處理通路構建的 HMAX 模型上的一系列工作[25, 26]。此 外，Bengio 及其合作者融合了腦的基底神經節與前額葉 的資訊處理機制，提出了類腦強化學習，也是人工神經 網路向更類腦的方向發展有較大影響力的工作[27]。加拿 大滑鐵盧大學 Eliasmith 團隊的 SPAUN 腦模擬器是多腦區 協同計算領域標誌性的工作[28]。由 Hawkins 提出的分層 時序記憶（Hierarchical Temporal Memory）模型更為深度 地借鑑了腦資訊處理機制，主要體現在該模型借鑑了腦 皮層的 6 層組織結構及不同層次神經元之間的資訊傳遞 機制、皮質柱的資訊處理原理等[29, 30]。
從問題求解目標講，幾乎所有的人工智慧系統都 需要首先進行人工形式化建模，轉化為一類特定的計算 問題（如搜尋、自動推理、機器學習等）進行處理， 因而人工智慧系統都被稱為專用人工智慧系統。IBM DeepBlue 系統擊敗國際象棋世界冠軍卡斯帕羅夫、IBM Watson 問答系統在“危險邊緣”挑戰賽中擊敗人類對 手、Siri 等自動人機對話與服務系統的出現、Google 汽 車自動駕駛等都從不同視角展示了這個領域的進展。而 最為震撼的是，2016 年 3 月份 Google 的 AlphaGo 程式首 次利用深度學習技術擊敗人類圍棋世界冠軍。這些人工 智慧系統的出現，有力地推動了人工智慧技術和應用的 發展，也使得人工智慧成為目前 IT 領域最為引人注目的 領域。
1.5 類腦人工智慧發展的重大問題：具有自主學習能力
的智慧系統 人工智慧技術代表著國家競爭力，並正在以前所未 有的速度滲透到現代服務業、工業和軍事等領域中。隨 著老齡化社會的到來，需要大量具備能理解人類意圖並 進行人機協同工作的智慧機器人，歐盟 SPARC 就啟動了 全球最大的民用機器人研發計劃；以 IBM Watson 為代 表，將有大量具備複雜資料整合和分析能力的人工智慧 用於醫療、法律、政府決策等領域，正在替代很多專業 領域的白領工作；透過人工智慧技術實現無人駕駛，不 但釋放大量勞動力、提高生活質量，且是另外一個萬億 級規模產值的領域。中國人口紅利的消失也迫切需要發 展各種智慧機器人替代藍領工人，智慧化成為未來工業 發展的必然趨勢。德國“工業 4.0”，軟銀集團的孫正義 提出 2050 年機器人拯救日本經濟，美國總統奧巴馬提出 的以機器人為核心的高階製造業迴歸，無不對中國智慧 產業發展構成重大挑戰。美國的 X47-B 無人機實現在航 母上的自主起降，美國的 BigDog 能在多種複雜環境中自 如穩定行進，世界軍事強國已逐步形成以加速發展智慧 化武器裝備為核心的競爭態勢。可以說，沒有智慧技術 武裝的服務業、工業和軍事的大國之間的較量，就猶如 侏儒和巨人的格鬥。
（1）人工智慧要滿足現實需求還缺乏足夠的適應 性。 圖靈機計算的本質是需要人們對現實世界進行形式 化的定義，模型能力取決於人對物理世界的認知程度， 因此人限定了機器描述問題、解決問題的程度。這使得 目前的智慧系統在感知、認知、控制等多方面都存在巨 大瓶頸。例如還難以實現海量多模態資訊的選擇性感知 與注意、模式識別與語言理解在處理機制與效率等方面 與人腦相比還存在明顯不足，需要針對某個專用問題非 常依賴人工輸入知識或提供大規模標記訓練樣本[16]。
（2）目前的人工智慧技術缺乏通用性。 語音識別、 影象處理、自然語言處理、機器翻譯等採用不同的模型 和不同的學習資料，兩種不同的任務無法採用同一套系 統進行求解，不同任務之間知識也無法共享。而人腦卻 採用同一個資訊處理系統進行自動感知、問題分析與求 解、決策控制等。
（3）目前基於深度學習方法已經在人工智慧領域 取得了很大的成功，然而其代價是高耗能。 例如在執行 AlphaGo 這樣的任務時，共動用了 1 202 個 CPU 核和 176 GPU 核，採用了 40 個搜尋執行緒進行計算。按照這個耗能 計算，我們還無法想象要實現一個具備大腦功能的智慧 系統按照目前的水平需要多少供電。而人類大腦的功耗 僅在 20W 左右。
Ailamaki 等人[31]指出：“除人腦以外，沒有任何一 個自然或人工系統能夠具有對新環境與新挑戰的自適應 能力、新資訊與新技能的自動獲取能力、在複雜環境下 進行有效決策並穩定工作直至幾十年的能力。沒有任何 系統能夠在多處損傷的情況下保持像人腦一樣好的魯棒 性，在處理同樣複雜的任務時，沒有任何人工系統能夠 媲美人腦的低能耗性。”近年來，腦與神經科學、認知 科學的進展使得在腦區、神經簇、神經微環路、神經元 等不同尺度觀測的各種認知任務中，獲取腦組織的部分 活動相關資料已成為可能。人腦資訊處理過程不再僅憑 猜測，而透過多學科交叉和實驗研究獲得的人腦工作機 制也更具可靠性。因此，受腦資訊處理機制啟發，借鑑 腦神經機制和認知行為機制發展類腦智慧已成為近年來 人工智慧與計算科學領域的研究熱點[16]。
新一代人工智慧需要在上述腦研究啟發下，以多腦 區、多模態和多工協同為核心，研究神經網路微觀刺 激調控和宏觀動態演化、視聽觸感認知通道及協同、長 時短時記憶與決策、運動視覺與規劃控制等，建立具有 生物和數學基礎的計算模型與學習方法，實現具有自主 學習能力的智慧系統。
2 國際大型腦研究計劃概述
近年來國際上興起了腦科學研究的熱潮，發達國家 紛紛推出大型腦研究計劃。其中最受關注的是 2013 年美國和歐盟分別提出的“透過推動創新型神經技術開展大 腦研究計劃（Brain Research through Advancing Innovative Neurotechnologies，BRAIN）”和“人腦計劃 （Human Brain Project，HBP） ”，以及 2014 年日本啟動的“腦 智（Brain/MIND）計劃”。美國的腦計劃側重於新型 腦研究技術的研發[32, 33]，從而揭示腦的工作原理和腦的 重大疾病發生機制，其目標是像人類基因組計劃那樣， 不僅要引領前沿科學發展，同時帶動相關高科技產業 的發展。在未來 10 年將新增投入 45 億美元。參與此計 劃的機構包括美國政府科研資助機構（如 NIH、NSF、 DARPA）、民間基金會（Kavli、Simon 基金會）和研究 所（Allen 研究所）。在計劃啟動之初，美國 NIH 成立了 工作小組，邀請專家在全美各地召開討論會徵求意見， 併為此計劃提出了 9 項優先發展的領域和目標，其中依 序為：鑑定神經細胞的型別並達成共識；繪製大腦結構 圖譜；研發新的大規模神經網路電活動記錄技術；研發 一套調控神經環路電活動的工具集；建立神經元電活動 與行為的聯絡；整合理論、模型和統計方法；解析人腦 成像技術的基本機制；建立人腦資料採集的機制；腦科 學知識的傳播與人員培訓。
歐盟是世界最大的經濟體，多年來對腦科學及相關 疾病的研究有大量投入。2012 年 7 月“歐洲第七框架計 劃（FP7）”將“腦部疾病防治”和“涉及健康、材料、 神經科學與神經機器人的資訊通訊技術”作為新的資助 主題，共投入 19.2 億歐元。2013 年 1 月歐盟正式公佈 “人腦計劃”（HBP）為未來新興技術旗艦計劃（FETFlagship） 的兩大計劃之一。該計劃原由瑞士的神經學 家 Henry Markram 構思並領導籌劃[34]，目標是用超級計算 機來模擬人類大腦，用於研究人腦的工作機制和未來腦 疾病的治療，並藉此推動類腦人工智慧的發展。參與的 科學家來自歐盟各成員國的 87 個研究機構。
日本在2014年啟動的國家腦計劃的目標是“使 用整合性神經技術製作有助於腦疾病研究的大腦圖 譜（ Brain Mapping by Integrated Neurotechnologies for Disease Studies，Brain/MINDS）”[35]，為期 10 年，第一 年 2 700 萬美元，以後逐年增加。此計劃聚焦在使用狨猴 為動物模型，繪製從宏觀到微觀的腦聯結圖譜，並以基 因操作手段，建立腦疾病的狨猴模型。
3 中國腦計劃
過去兩年內，在科技部的組織下，中國腦科學和智 能技術相關領域的專家舉行了 10 餘次討論。這些會議 達成的基本共識是，中國急需啟動一項國家級“腦科學 和類腦研究”計劃；並建議此計劃應依據中國的特色、 優勢、需求和目前的科研力量，以理解腦認知功能的神 經基礎為研究主體，以腦機智慧技術和腦重大疾病診治 手段研發為兩翼，在未來 15 年內使中國的腦認知基礎研 究、類腦研究和腦重大疾病研究達到國際先進水平，並 在部分領域起到引領作用 （圖 1）。腦認知原理的研究 將可能產生有重大國際影響的基礎科學成果；腦重大疾 病的研究可望建立早期診斷與早期干預的技術體系，大 幅度降低腦疾病的經濟與社會負擔。類腦研究和腦機智 能技術是未來高科技領域的關鍵；類腦計算系統的突破 將推動中國資訊產業並帶動工業、農業、金融及國防等 領域的跨越式發展。
在腦計劃討論中，專家們提出了一些未來研究的重 點內容。在腦認知的神經基礎原理領域，包括基本腦認 知功能（感覺和知覺、學習和記憶、情緒和情感、注意 和抉擇等）以及高等腦認知功能（同理心、思維、自我 意識、語言等）的神經環路和工作機理、人腦宏觀神經 網路和模式動物介觀神經網路的結構性及功能性全景式圖譜的繪製。在類腦計算與腦機智慧技術領域，包括類 腦計算理論和新一代人工神經網路計算模型、類神經形 態的處理器和類腦計算機、類腦計算系統所需要的軟體 環境和應用平臺、可自我學習和能適應環境而成長的機 器人、腦機介面和腦機融合的新模型和新方法、腦活動 （電、磁、超聲）調控技術等。在腦重大疾病與健康領 域，包括了闡釋腦重大疾病（如幼年期自閉症和智障， 中年期抑鬱症和成癮、老年期的退行性腦疾病）的致病 機理、確立腦重大疾病預警和早期診斷的各種指標（包 括基因譜、血液和腦脊液、腦影像和腦功能指標）、腦 重大疾病早期干預、治療與康復的（藥理、生理和物 理）新手段和器件的研發、建立非人靈長類動物（獼猴 為主）的腦重大疾病模型等。為支撐這些研究，需要建 立關鍵核心技術研發與推廣的三類全國性平臺：腦結構 與功能研究新技術平臺、腦重大疾病臨床研究技術平 臺、類腦研究工程平臺。總之，與歐、美、日新啟動的 腦計劃相比，中國腦計劃所包含的內容更為廣泛，同時 對社會需求有更直接的對應[36]。
4 中國腦科學和類腦智慧技術的優勢領域
《國家中長期科學和技術發展規劃綱要（2006— 2020）》將“腦科學與認知”列入基礎研究 8 個科學前 沿問題之一。“973” “863 ”計劃和科技支撐計劃等對 腦科學研究總投入約 14 億元人民幣，國家自然科學基金 資助腦研究的經費近 20 億元人民幣，2012 年起中科院啟 動的 B 類先導專項“腦功能聯結圖譜計劃”，每年投入 經費約 6 000 千萬元人民幣。透過以上專案的實施，我 國已培養了一批積極參與國際腦科學前沿工作的科學家 團隊，建立了一些國際先進水平的技術平臺；在腦和神 經元發育的分子機制、基因組分析和基因操作技術、突 觸可塑性、膠質細胞與神經元的互動作用、視覺感知功 能環路、情感情緒的調控機制、學習記憶和抉擇等腦認 知功能的神經基礎、多模態腦成像技術、腦電訊號採集 分析、宏觀和介觀層面腦網路結構的觀測和分析技術等 方面，已取得了一批國際水平的成果；理解腦疾病（如 老年痴呆症、帕金森病、抑鬱症、精神分裂症、毒品成 癮等）的發病機制、精神類疾病的相關基因研究、精神 神經藥物研發和進一步研發腦疾病的預防、早期診斷和 治療手段等方面已具有了初步的條件；腦疾病的轉基因 獼猴模型製作，已居國際領先；多種腦重大疾病患者的 資源庫建設、致病基因和早期生物標記的篩選等領域已 建立了一定的基礎。但是，與發達國家相比，整體水平 仍有相當差距，尤其是支撐腦科學研究的先進技術的原 創和研發能力差距甚大；國際影響力有限，同時缺乏整 體、系統性的統籌規劃。面對時不我待的新形勢，中國 必須抓住機遇，推動腦科學研究的跨越式發展。
腦機智慧也得到了中國“973”“863”和自然科學 基金專案的支援，其分佈在《國家中長期科學和技術 發展規劃綱要（2006—2020）》前沿技術中的“智慧感 知”和“虛擬現實”等領域，同時在重點領域與優先主 題中“數字媒體內容技術”也包含了人工智慧技術。 “973”“863”計劃和科技支撐計劃等從不同角度對人工 智慧研究進行了支援。自 2008 年開始，國家自然科學基 金委啟動了重大研究計劃“視聽覺資訊的認知計算”， 連續 5 年資助了 73 個專案。“在感知特徵提取、整合和 表達”“感知資料的機器學習和理解”以及“多模態信 息協同計算”等核心科學問題上取得進展。2012 年起 中科院啟動的 B 類先導專項“腦功能聯結圖譜計劃”， 從 2015 年開始也專門將智慧技術納入其中，進行融合。
透過以上專案的實施，中國在計算機視覺、語音識 別、機器翻譯和自然語言理解等領域已達國際先進水平， 並在產業化方面邁出了堅實的步伐。同時中國也在深度學 習晶片體系架構方面有所創新，並在類腦智慧機器人方面 率先進行了佈局。但是，與發達國家相比，在支撐類腦智 能的前沿研究以及軟硬體結合的類腦智慧機器人領域的原 創與研發能力方面差距甚大。我們迫切需要按照“頂天立 地”的原則，一方面抓兩個學科的融合，產生原始創新 的理論和方法；另一方面要進一步加強技術的應用和產業化，迎頭趕上人工智慧浪潮的到來。
5 中科院腦科學與智慧技術卓越創新中心
為配合國家科技發展的戰略需求和相應的體制 與機制改革，中科院在“四類機構”改革的框架下， 於 2014 年 8 月成立了“腦科學卓越創新中心”，以上 海生科院神經科學所為依託單位。鑑於腦科學與類腦研 究交叉和融合發展的需求，“腦科學卓越創新中心” 在 2015 年擴容為“腦科學與智慧技術卓越創新中心” （簡稱為“腦智中心”）。腦智中心是跨學科、跨院校 的組織；目標在以科學問題為導向，凝聚中科院的科研 實力，透過團隊合作和學科交叉融合，解決在腦科學和 類腦智慧技術兩個前沿領域的重大問題。
腦智中心有 4 個特點：（1）中心的科研骨幹來自 中科院 20 個研究所和中科院外若干高校（圖 2）。每位 科研骨幹加入中心後，都須參與一個或多個研究團隊， 以合作的形式對團隊成員共同感興趣的重大前沿科學問 題進行攻關（圖 3）。（2）與其他已有的實驗室聯盟不 同，中心明確要求每位學術骨幹把主要的工作精力投入 到完成中心團隊的研究課題中。依據中心、學術骨幹、 骨幹所在單位簽訂的“三方工作協議”，所在工作單位 將積極支援骨幹完成中心任務，提供必要的科研條件， 並按照中科院制定的《卓越中心章程》認定與採納中心 對參與成員的考核結果。（3）中心所組織的全國性科研 團隊，將配合或承擔國家中長期重大科研專案的任務。 （4）中心也是中科院科研體制改革的實驗平臺，將探索 各種機制，以期最大程度地避免中科院各單位間研究內 容的同質化與碎片化。腦智中心的共建單位多、學科多 樣、文化差異較大，給有效交流合作帶來相當的難度。 為此中心採取了一些措施，包括中心成員每年必須在中 心其他共建單位蹲點兩個星期以上，進行開課、講座和 實驗工作；啟動雙導師研究生制度等。腦智中心將不斷 嘗試新的機制，促進不同研究背景的科學家之間的交流 合作，並建立團隊合作，攻克重大科學問題。
中心的科研工作包括 5 個領域：（1）在“腦認知功 能的環路基礎”領域，中心將研究感覺輸入是如何啟動 和調節動物的本能行為、神經元震盪活動在多感覺資訊 處理和整合中的作用、記憶儲存與提取的神經機制、適 應性行為和高階認知功能（如自我意識、共情心和語言 等）的神經環路基礎。（2）在“腦疾病機理與診斷幹 預”領域，中心正在利用基因操作技術，研製腦疾病的 猴類模型和腦認知研究的工具猴。中心也在研究人類特 有基因在調節腦容量和腦疾病致病機理的作用；研製能 早期診斷髮育性、精神性和神經退行性腦疾病的基因、 分子和認知功能指標。（3）在“腦研究新技術”研究方向，中心正在完善鑑別神經元型別的單細胞基因分析方 法、病毒感染示蹤標記神經環路的方法、記錄電訊號和 化學訊號的微電級陣列技術，以及各種觀測腦結構和功 能的光學、磁共振影像新技術。（4）在“類腦模型與智 能資訊處理”研究方向，中心在介觀和宏觀水平對光學 和磁共振成像資料進行全腦聯結組分析，研發多感覺模 態感知和能準確辨認影象、語音並理解語義的資訊計算 模型。（5）在“類腦器件與系統”研究方向，中心正在 研發類神經元計算晶片、新一代的神經網路計算器件、 類腦智慧機器人以及人機協同的智慧訓練和生長環境。
6 結語
雖然，腦科學與類腦研究是兩個目標完全不同的 領域：腦科學的目標是要理解大腦的結構和功能、演化 來源和發育過程，以及神經資訊處理的機制。類腦研究 的目標是研發出新一代的智慧技術，推動資訊產業的發 展。但在競爭激烈的國際科技界，哪個國家能領先佔領 腦科學和類腦研究的高地，很大程度要看誰能首先做到 這兩個領域真正地融合發展。
人類的大腦是生物演化的奇蹟，它是由數百種不同型別的上千億的神經細胞所構成的 極為複雜的生物組織。理解大腦的結構與功能是 21 世紀最具挑戰性的前沿科學問題；理解 認知、思維、意識和語言的神經基礎，是人類認識自然與自身的終極挑戰。腦科學對各種 腦功能神經基礎的解析，對有效診斷和治療腦疾病有重要的臨床意義；腦科學所啟發的類 腦研究可推動新一代人工智慧技術和新型資訊產業的發展。
《國家中長期科學和技術發展規劃綱要（2006—2020）》對腦科學與認知科學研究做 了戰略規劃：“腦功能的細胞和分子機理，腦重大疾病的發生發展機理，腦發育、可塑性 與人類智力的關係，學習記憶和思維等腦高階認知功能的過程及其神經基礎，腦資訊表達 與腦式資訊處理系統，人腦與計算機對話等。”近年來，腦科學在基礎研究和應用方面醞釀著歷史性的重大突破，發達國家紛紛推出大型腦研究 計劃；中國政府亦將啟動“腦科學與類腦研究”國家科 技重大專項：側重以探索大腦認知原理的基礎研究為主 體，以發展類腦人工智慧的計算技術和器件及研發腦重 大疾病的診斷干預手段為應用導向。面對激烈的國際競 爭以及迫切的社會需求，“腦科學與類腦研究”專案的 實施，將有助於中國在腦認知原理、類腦人工智慧和腦 疾病診治的前沿領域取得重大突破，在國際上產生引領 作用。
1 國際腦科學和類腦研究的回顧與前瞻
1.1 腦科學的回顧
現代神經科學的起點是神經解剖學和組織學對神 經系統結構的認識和分析。從宏觀層面，Broca 和 Wernicke 對大腦語言區的定位，Brodmann 對腦區的組織學 分割，Penfield 對大腦運動和感覺皮層對應身體各部位的 圖譜繪製、功能核磁共振成像對在活體進行任務時腦內 依賴於電活動的血流訊號等，使我們對大腦各腦區可能 參與某種腦功能已有相當的理解。由於每一腦區的神經 元種類多樣，區域性微環路和長程投射環路錯綜複雜，要 理解神經系統處理資訊的工作原理，必須先具有神經元 層面的神經聯結結構和電活動資訊。20 世紀在神經元層 面從下而上的研究也有了一些標誌性的突破，如 Cajal 對 神經系統的細胞基礎及神經元極性結構和多樣形態的分 析，Sherrington 對神經環路和脊髓反射弧的定義，Adrian 發現神經資訊以動作電位的頻率來編碼資訊的幅度， Hodgkin 和 Huxley 對從動作電位的離子機制並發現各種 神經遞質及其功能，Katz 和 Eccles 對化學突觸傳遞的分 析，Hubel 和 Wiesel 發現各種視覺神經元從簡單到複雜的 感受野特性，Bliss 和 Ito 等人發現突觸的長期強化和弱化 現象，O’keefe 等人發現對特定空間定位有反應的神經元 等，使我們對神經元如何編碼、轉導和儲存神經資訊有 了較清楚的理解，但是這些神經元的特性是如何透過局 部環路和長程環路產生的，我們的理解還十分有限。至 於對環路中的神經資訊如何產生感知覺、情緒、思維、 抉擇、意識、語言等各種腦認知功能的理解更為粗淺。 問題的關鍵是，我們對腦功能相關的神經環路結構和神 經資訊處理機制的解析仍極不清楚。
1.2 腦科學領域的重大問題：從圖譜製作到機制解析
就像 20 世紀 90 年代“全基因組測序”是理解生物體 基因基礎的關鍵，“全腦圖譜的製作”已成為腦科學必 須攻克的關口。核磁共振等腦成像技術大大推動了人們 在無創條件下對大腦宏觀結構和電活動的理解[1]。但是由 於這些宏觀成像技術的低時空解析度（秒、釐米級）， 不能滿足在解析大腦神經網路結構和工作原理時的需 求，目前急需有介觀層面細胞級解析度（微米級）神經 網路的圖譜和高時間解析度（毫秒級）的載體神經元集 群的電活動圖譜。完整的全腦圖譜製作的必要過程中， 對每個腦區神經元種類的鑑定是必要的一步。目前使用 單細胞深度RNA測序技術對小鼠大腦進行的鑑定中，已 發現許多新的神經元亞型。利用在這些神經元亞型特異 表達的分子作為標記，可以繪製各腦區各種型別神經元 的輸入和輸出聯接圖譜。對一個神經元亞型的最好的定 義是連線和功能的定義：接受相同神經元的輸入並對相 同腦區的相同神經元有輸出的一群神經元。在建立結構 圖譜後，需要描敘各個神經聯接在進行腦功能時的電活 動圖譜，這就需要有對神經元叢集在體內的觀測手段。 有了神經元層面的網路電活動的圖譜，並進一步用操縱 電活動的方式來決定該電活動與腦功能的因果關係，就 能逐步解析腦功能的神經基礎。
上述三類腦圖譜（神經元種類圖譜、介觀神經聯接 圖譜、介觀神經元電活動圖譜）的製作將是腦科學界長 期的工作。以目前已有的技術，鑑別小鼠全腦的所有神 經元的型別和介觀層面的全腦神經網路結構圖譜製作至 少需要10—15年，而對非人靈長類（如獼猴）則可能需 要20—30年以上的時間。當然，與過去人類基因組測序 一樣，腦結構圖譜製作的進展速度很大程度上依賴於介 觀層面觀測新技術的研發，後者又依賴於對新技術研發和圖譜製作的科研投資。值得注意的是，在全腦神經聯 接圖譜未完成前，神經科學家針對特定腦功能的已知神 經環路，對其工作機制已作出了許多有意義的解析。尤 其是在過去 10 年中，使用小鼠為模型，利用光遺傳方法 操縱環路電活動，對特定神經環路的電活動與腦認知功 能之間的因果關係的理解，取得了前所未有的進展[2, 3]。 神經系統內所有的腦功能環路都存在於彼此相連的神經 網路之中，許多認知功能的神經環路都牽涉到許多腦區 的網路，全腦的結構和電活動圖譜是完整地理解大腦功 能神經基礎所必需的[4]。
許多動物都具有基本腦認知功能，例如感覺和知 覺、學習和記憶、情緒和情感、注意和抉擇等，這些 功能的神經環路和工作機理研究，可使用各種動物模型 （包括果蠅、斑馬魚、鼠、猴等）；但是對高等腦認知 功能，如共情心、思維、意識、語言等，可能有必要使 用非人靈長類（如獼猴和狨猴）為實驗動物。介觀神經 網路的神經元類別、結構性和功能性的聯接圖譜繪製， 在未來 20 年將是不可或缺的腦科學領域。中國科學家有 望在此領域發揮引領作用。
1.3 腦健康領域的重大問題：腦疾病的早期診斷和干預
據世界衛生組織定量評價，全球各類疾病給社會 造成的負擔中，腦疾病佔 28%，已超過心血管疾病或癌 症。其中備受關注的腦疾病包括神經發育疾病（如自閉 症）、精神疾病（如抑鬱症）和神經退行性疾病（如老 年痴呆症等）。神經發育疾病是一類由腦部生長和發育 缺陷導致的疾病，表現為情緒、認知等功能的異常。 不少病變發生的時期較早，在嬰兒期或童年期就有表 現。其中自閉症（又稱孤獨症）主要表現為人際交往、 情感、語言交流等方面的障礙，以及狹隘的興趣和重 復刻板等怪異行為。中國 0—6 歲低齡兒童占人口總數 近 8%，自閉症的發病率很高，一般平均在 1% 左右。 根據區域性抽樣調查資料保守推算，中國患兒人數已過 百萬，受自閉症困擾的人群可能達千萬。精神疾病是由 神經系統病變導致的行為和心理活動紊亂，表現為認 知、情感、意志等精神活動出現不同程度的障礙。其中 抑鬱症最為普遍，據中國疾病預防控制中心調查，中國 抑鬱症的發病率超過 4%，患者人數超過 3 000 萬，已成 為影響中國人民生產生活的主要病症之一。神經退行性 疾病是一類以神經元的結構和功能逐漸喪失以至死亡為 特徵的神經系統病變。其中常見的是老年痴呆症（又稱 為阿爾茨海默綜合徵），在 65 歲及以上的人群中發病率 約 13%，並且發病率隨著年齡的增長而大幅提高。85 歲 及以上的人群，約有一半以上患有此病。2014 年中國 老齡人口已突破 2 億大關，並且將以每年 100 萬的速度 增長。中國屬老年痴呆症的高發地區，目前患者人數超 過 600 萬，居全球首位，且呈明顯上升趨勢。
目前科學界對這三類重大腦疾病（幼年期自閉症和 智障，中年期抑鬱症和成癮、老年期的退行性腦疾病） 的病因仍不瞭解，治療的措施也十分缺乏。早期診斷和 早期干預將是對腦疾病最有效的醫療方式。人類需要繼 續探索這些腦重大疾病的致病機理，致病機理的完全理 解仍有賴於闡明腦認知功能的神經基礎[5]。在完全理解 機理之前，急需研發出有效的腦重大疾病預警和早期診 斷的各種指標，包括基因變異的檢測、血液體液和腦脊 液中的分子成分、腦影像及腦功能的指標等。對診斷出 的早期患者，需要早期干預，以延緩或預防腦疾病的出 現。我們需要研發早期干預的藥理、生理和物理新技術 和新儀器。目前醫療界已在使用一些物理刺激技術來治 療腦疾病，如穿顱磁刺激（TMS）、穿顱直流電刺激 （tDCS）、深度腦刺激（TMS）等，這些刺激方法的精 度和刺激模式需進一步最佳化，而最佳化的過程仍依賴於腦 科學對認知功能的神經環路所獲得的新資訊。新藥物和 新型生理物理干預技術的研發，需要合適的動物模型， 因此，建立腦重大疾病的非人靈長類模型是不可或缺的 一環。
1.4 人工智慧發展的回顧
1956 年夏季，以麥卡錫、明斯基等為首的一批有遠 見的年輕科學家探討用機器模擬智慧，並提出了人工智慧這一術語，60 年來該領域的理論和技術都得到了迅速 的發展。
圖靈獎獲得者 Allen Newell 以認知心理學為核心， 探索認知體系結構。至今在認知心理學與人工智慧領域 廣泛應用於心智建模的認知體系結構 SOAR 與 ACT-R 都 是在 Newell 直接領導下或受其啟發而發展起來的，並以 此為基石實現了對人類各種認知功能的建模[6, 7]。David Marr 不但是計算機視覺的開拓者[8]，還奠定了神經元群之 間儲存、處理、傳遞資訊的計算基礎，特別是對學習與記 憶、視覺相關環路的神經計算建模作出了重要貢獻[9, 10, 11, 12]。 Hodgkin 與 Huxley 依據生理實驗結果建立了第一個精細 的動作電位模型[13]，Misha 等人構建了神經元之間的突觸 計算模型[14]。由瑞士洛桑聯邦理工大學（EPFL）發起的 “藍腦計劃”自 2005 年開始實施，經過 10 年的努力，目 前專注於極為精細的微觀神經元及其微環路建模，較為 完整地完成了特定腦區內皮質柱的計算模擬[15]。但總體 而言，以上工作要真正實現認知功能的模擬還有很大鴻 溝需要跨越[16]。
人工智慧符號主義研究的出發點是對人類思維、行 為的符號化高層抽象描述，20 世紀 70 年代興起的專家系 統是該類方法的代表。而以人工神經網路為代表的聯接主 義的出發點正是對腦神經系統結構及其計算機制的初步模 擬。人工神經網路的研究可以追溯到 20 世紀 40 年代[17]， 有些還借鑑了腦神經元之間突觸聯接的赫布法則作為其 學習理論[18]。感知器（Perceptron）是淺層人工神經網路 的代表，由於其權值自學習能力引起了巨大關注[19]。Minsky 等人指出，單層感知器無法表示異或函式的缺陷使 得人工神經網路研究一度陷入低谷，而反向傳播演算法的 提出解決了多層感知機學習的難題[20]。隨後 Minsky 在文 獻[19]中提出的第二個問題，即當時計算能力的提升不足 以支援大規模神經網路訓練的問題長期限制了人工神經 網路的發展，直至深度學習的誕生及其支撐硬體平臺的 發展[21]。在深度學習提出之前，Rumelhart 等人重新提 出誤差反向傳播演算法，其在非線性模式分類中顯示的強 大效能帶動了人工神經網路研究和應用的一輪熱潮[22]。 LeCun 等人提出的卷積神經網路受到了 Fukushima 等人更 早提出的 Neocognitron 的啟發[23, 24]。深度學習演算法提出之 後，隨著 GPU 平行計算的推廣和大資料的出現，在大規 模資料上訓練多層神經網路成為可能，從而大大提升了 神經網路的學習和泛化能力。然而，增加層數的人工神 經網路仍然是腦神經系統的粗糙模擬，且其學習的靈活 性仍遠遜於人腦[16]。
在人工神經網路的研究中，大多數學者主要關心提 升網路學習的效能。Poggio 及其合作者的工作是人工神經 網路向更類腦方向發展的典範，特別是其模仿人類視覺信 息處理通路構建的 HMAX 模型上的一系列工作[25, 26]。此 外，Bengio 及其合作者融合了腦的基底神經節與前額葉 的資訊處理機制，提出了類腦強化學習，也是人工神經 網路向更類腦的方向發展有較大影響力的工作[27]。加拿 大滑鐵盧大學 Eliasmith 團隊的 SPAUN 腦模擬器是多腦區 協同計算領域標誌性的工作[28]。由 Hawkins 提出的分層 時序記憶（Hierarchical Temporal Memory）模型更為深度 地借鑑了腦資訊處理機制，主要體現在該模型借鑑了腦 皮層的 6 層組織結構及不同層次神經元之間的資訊傳遞 機制、皮質柱的資訊處理原理等[29, 30]。
從問題求解目標講，幾乎所有的人工智慧系統都 需要首先進行人工形式化建模，轉化為一類特定的計算 問題（如搜尋、自動推理、機器學習等）進行處理， 因而人工智慧系統都被稱為專用人工智慧系統。IBM DeepBlue 系統擊敗國際象棋世界冠軍卡斯帕羅夫、IBM Watson 問答系統在“危險邊緣”挑戰賽中擊敗人類對 手、Siri 等自動人機對話與服務系統的出現、Google 汽 車自動駕駛等都從不同視角展示了這個領域的進展。而 最為震撼的是，2016 年 3 月份 Google 的 AlphaGo 程式首 次利用深度學習技術擊敗人類圍棋世界冠軍。這些人工 智慧系統的出現，有力地推動了人工智慧技術和應用的 發展，也使得人工智慧成為目前 IT 領域最為引人注目的 領域。
1.5 類腦人工智慧發展的重大問題：具有自主學習能力
的智慧系統 人工智慧技術代表著國家競爭力，並正在以前所未 有的速度滲透到現代服務業、工業和軍事等領域中。隨 著老齡化社會的到來，需要大量具備能理解人類意圖並 進行人機協同工作的智慧機器人，歐盟 SPARC 就啟動了 全球最大的民用機器人研發計劃；以 IBM Watson 為代 表，將有大量具備複雜資料整合和分析能力的人工智慧 用於醫療、法律、政府決策等領域，正在替代很多專業 領域的白領工作；透過人工智慧技術實現無人駕駛，不 但釋放大量勞動力、提高生活質量，且是另外一個萬億 級規模產值的領域。中國人口紅利的消失也迫切需要發 展各種智慧機器人替代藍領工人，智慧化成為未來工業 發展的必然趨勢。德國“工業 4.0”，軟銀集團的孫正義 提出 2050 年機器人拯救日本經濟，美國總統奧巴馬提出 的以機器人為核心的高階製造業迴歸，無不對中國智慧 產業發展構成重大挑戰。美國的 X47-B 無人機實現在航 母上的自主起降，美國的 BigDog 能在多種複雜環境中自 如穩定行進，世界軍事強國已逐步形成以加速發展智慧 化武器裝備為核心的競爭態勢。可以說，沒有智慧技術 武裝的服務業、工業和軍事的大國之間的較量，就猶如 侏儒和巨人的格鬥。
（1）人工智慧要滿足現實需求還缺乏足夠的適應 性。 圖靈機計算的本質是需要人們對現實世界進行形式 化的定義，模型能力取決於人對物理世界的認知程度， 因此人限定了機器描述問題、解決問題的程度。這使得 目前的智慧系統在感知、認知、控制等多方面都存在巨 大瓶頸。例如還難以實現海量多模態資訊的選擇性感知 與注意、模式識別與語言理解在處理機制與效率等方面 與人腦相比還存在明顯不足，需要針對某個專用問題非 常依賴人工輸入知識或提供大規模標記訓練樣本[16]。
（2）目前的人工智慧技術缺乏通用性。 語音識別、 影象處理、自然語言處理、機器翻譯等採用不同的模型 和不同的學習資料，兩種不同的任務無法採用同一套系 統進行求解，不同任務之間知識也無法共享。而人腦卻 採用同一個資訊處理系統進行自動感知、問題分析與求 解、決策控制等。
（3）目前基於深度學習方法已經在人工智慧領域 取得了很大的成功，然而其代價是高耗能。 例如在執行 AlphaGo 這樣的任務時，共動用了 1 202 個 CPU 核和 176 GPU 核，採用了 40 個搜尋執行緒進行計算。按照這個耗能 計算，我們還無法想象要實現一個具備大腦功能的智慧 系統按照目前的水平需要多少供電。而人類大腦的功耗 僅在 20W 左右。
Ailamaki 等人[31]指出：“除人腦以外，沒有任何一 個自然或人工系統能夠具有對新環境與新挑戰的自適應 能力、新資訊與新技能的自動獲取能力、在複雜環境下 進行有效決策並穩定工作直至幾十年的能力。沒有任何 系統能夠在多處損傷的情況下保持像人腦一樣好的魯棒 性，在處理同樣複雜的任務時，沒有任何人工系統能夠 媲美人腦的低能耗性。”近年來，腦與神經科學、認知 科學的進展使得在腦區、神經簇、神經微環路、神經元 等不同尺度觀測的各種認知任務中，獲取腦組織的部分 活動相關資料已成為可能。人腦資訊處理過程不再僅憑 猜測，而透過多學科交叉和實驗研究獲得的人腦工作機 制也更具可靠性。因此，受腦資訊處理機制啟發，借鑑 腦神經機制和認知行為機制發展類腦智慧已成為近年來 人工智慧與計算科學領域的研究熱點[16]。
新一代人工智慧需要在上述腦研究啟發下，以多腦 區、多模態和多工協同為核心，研究神經網路微觀刺 激調控和宏觀動態演化、視聽觸感認知通道及協同、長 時短時記憶與決策、運動視覺與規劃控制等，建立具有 生物和數學基礎的計算模型與學習方法，實現具有自主 學習能力的智慧系統。
2 國際大型腦研究計劃概述
近年來國際上興起了腦科學研究的熱潮，發達國家 紛紛推出大型腦研究計劃。其中最受關注的是 2013 年美國和歐盟分別提出的“透過推動創新型神經技術開展大 腦研究計劃（Brain Research through Advancing Innovative Neurotechnologies，BRAIN）”和“人腦計劃 （Human Brain Project，HBP） ”，以及 2014 年日本啟動的“腦 智（Brain/MIND）計劃”。美國的腦計劃側重於新型 腦研究技術的研發[32, 33]，從而揭示腦的工作原理和腦的 重大疾病發生機制，其目標是像人類基因組計劃那樣， 不僅要引領前沿科學發展，同時帶動相關高科技產業 的發展。在未來 10 年將新增投入 45 億美元。參與此計 劃的機構包括美國政府科研資助機構（如 NIH、NSF、 DARPA）、民間基金會（Kavli、Simon 基金會）和研究 所（Allen 研究所）。在計劃啟動之初，美國 NIH 成立了 工作小組，邀請專家在全美各地召開討論會徵求意見， 併為此計劃提出了 9 項優先發展的領域和目標，其中依 序為：鑑定神經細胞的型別並達成共識；繪製大腦結構 圖譜；研發新的大規模神經網路電活動記錄技術；研發 一套調控神經環路電活動的工具集；建立神經元電活動 與行為的聯絡；整合理論、模型和統計方法；解析人腦 成像技術的基本機制；建立人腦資料採集的機制；腦科 學知識的傳播與人員培訓。
歐盟是世界最大的經濟體，多年來對腦科學及相關 疾病的研究有大量投入。2012 年 7 月“歐洲第七框架計 劃（FP7）”將“腦部疾病防治”和“涉及健康、材料、 神經科學與神經機器人的資訊通訊技術”作為新的資助 主題，共投入 19.2 億歐元。2013 年 1 月歐盟正式公佈 “人腦計劃”（HBP）為未來新興技術旗艦計劃（FETFlagship） 的兩大計劃之一。該計劃原由瑞士的神經學 家 Henry Markram 構思並領導籌劃[34]，目標是用超級計算 機來模擬人類大腦，用於研究人腦的工作機制和未來腦 疾病的治療，並藉此推動類腦人工智慧的發展。參與的 科學家來自歐盟各成員國的 87 個研究機構。
日本在2014年啟動的國家腦計劃的目標是“使 用整合性神經技術製作有助於腦疾病研究的大腦圖 譜（ Brain Mapping by Integrated Neurotechnologies for Disease Studies，Brain/MINDS）”[35]，為期 10 年，第一 年 2 700 萬美元，以後逐年增加。此計劃聚焦在使用狨猴 為動物模型，繪製從宏觀到微觀的腦聯結圖譜，並以基 因操作手段，建立腦疾病的狨猴模型。
3 中國腦計劃
過去兩年內，在科技部的組織下，中國腦科學和智 能技術相關領域的專家舉行了 10 餘次討論。這些會議 達成的基本共識是，中國急需啟動一項國家級“腦科學 和類腦研究”計劃；並建議此計劃應依據中國的特色、 優勢、需求和目前的科研力量，以理解腦認知功能的神 經基礎為研究主體，以腦機智慧技術和腦重大疾病診治 手段研發為兩翼，在未來 15 年內使中國的腦認知基礎研 究、類腦研究和腦重大疾病研究達到國際先進水平，並 在部分領域起到引領作用 （圖 1）。腦認知原理的研究 將可能產生有重大國際影響的基礎科學成果；腦重大疾 病的研究可望建立早期診斷與早期干預的技術體系，大 幅度降低腦疾病的經濟與社會負擔。類腦研究和腦機智 能技術是未來高科技領域的關鍵；類腦計算系統的突破 將推動中國資訊產業並帶動工業、農業、金融及國防等 領域的跨越式發展。
在腦計劃討論中，專家們提出了一些未來研究的重 點內容。在腦認知的神經基礎原理領域，包括基本腦認 知功能（感覺和知覺、學習和記憶、情緒和情感、注意 和抉擇等）以及高等腦認知功能（同理心、思維、自我 意識、語言等）的神經環路和工作機理、人腦宏觀神經 網路和模式動物介觀神經網路的結構性及功能性全景式圖譜的繪製。在類腦計算與腦機智慧技術領域，包括類 腦計算理論和新一代人工神經網路計算模型、類神經形 態的處理器和類腦計算機、類腦計算系統所需要的軟體 環境和應用平臺、可自我學習和能適應環境而成長的機 器人、腦機介面和腦機融合的新模型和新方法、腦活動 （電、磁、超聲）調控技術等。在腦重大疾病與健康領 域，包括了闡釋腦重大疾病（如幼年期自閉症和智障， 中年期抑鬱症和成癮、老年期的退行性腦疾病）的致病 機理、確立腦重大疾病預警和早期診斷的各種指標（包 括基因譜、血液和腦脊液、腦影像和腦功能指標）、腦 重大疾病早期干預、治療與康復的（藥理、生理和物 理）新手段和器件的研發、建立非人靈長類動物（獼猴 為主）的腦重大疾病模型等。為支撐這些研究，需要建 立關鍵核心技術研發與推廣的三類全國性平臺：腦結構 與功能研究新技術平臺、腦重大疾病臨床研究技術平 臺、類腦研究工程平臺。總之，與歐、美、日新啟動的 腦計劃相比，中國腦計劃所包含的內容更為廣泛，同時 對社會需求有更直接的對應[36]。
4 中國腦科學和類腦智慧技術的優勢領域
《國家中長期科學和技術發展規劃綱要（2006— 2020）》將“腦科學與認知”列入基礎研究 8 個科學前 沿問題之一。“973” “863 ”計劃和科技支撐計劃等對 腦科學研究總投入約 14 億元人民幣，國家自然科學基金 資助腦研究的經費近 20 億元人民幣，2012 年起中科院啟 動的 B 類先導專項“腦功能聯結圖譜計劃”，每年投入 經費約 6 000 千萬元人民幣。透過以上專案的實施，我 國已培養了一批積極參與國際腦科學前沿工作的科學家 團隊，建立了一些國際先進水平的技術平臺；在腦和神 經元發育的分子機制、基因組分析和基因操作技術、突 觸可塑性、膠質細胞與神經元的互動作用、視覺感知功 能環路、情感情緒的調控機制、學習記憶和抉擇等腦認 知功能的神經基礎、多模態腦成像技術、腦電訊號採集 分析、宏觀和介觀層面腦網路結構的觀測和分析技術等 方面，已取得了一批國際水平的成果；理解腦疾病（如 老年痴呆症、帕金森病、抑鬱症、精神分裂症、毒品成 癮等）的發病機制、精神類疾病的相關基因研究、精神 神經藥物研發和進一步研發腦疾病的預防、早期診斷和 治療手段等方面已具有了初步的條件；腦疾病的轉基因 獼猴模型製作，已居國際領先；多種腦重大疾病患者的 資源庫建設、致病基因和早期生物標記的篩選等領域已 建立了一定的基礎。但是，與發達國家相比，整體水平 仍有相當差距，尤其是支撐腦科學研究的先進技術的原 創和研發能力差距甚大；國際影響力有限，同時缺乏整 體、系統性的統籌規劃。面對時不我待的新形勢，中國 必須抓住機遇，推動腦科學研究的跨越式發展。
腦機智慧也得到了中國“973”“863”和自然科學 基金專案的支援，其分佈在《國家中長期科學和技術 發展規劃綱要（2006—2020）》前沿技術中的“智慧感 知”和“虛擬現實”等領域，同時在重點領域與優先主 題中“數字媒體內容技術”也包含了人工智慧技術。 “973”“863”計劃和科技支撐計劃等從不同角度對人工 智慧研究進行了支援。自 2008 年開始，國家自然科學基 金委啟動了重大研究計劃“視聽覺資訊的認知計算”， 連續 5 年資助了 73 個專案。“在感知特徵提取、整合和 表達”“感知資料的機器學習和理解”以及“多模態信 息協同計算”等核心科學問題上取得進展。2012 年起 中科院啟動的 B 類先導專項“腦功能聯結圖譜計劃”， 從 2015 年開始也專門將智慧技術納入其中，進行融合。
透過以上專案的實施，中國在計算機視覺、語音識 別、機器翻譯和自然語言理解等領域已達國際先進水平， 並在產業化方面邁出了堅實的步伐。同時中國也在深度學 習晶片體系架構方面有所創新，並在類腦智慧機器人方面 率先進行了佈局。但是，與發達國家相比，在支撐類腦智 能的前沿研究以及軟硬體結合的類腦智慧機器人領域的原 創與研發能力方面差距甚大。我們迫切需要按照“頂天立 地”的原則，一方面抓兩個學科的融合，產生原始創新 的理論和方法；另一方面要進一步加強技術的應用和產業化，迎頭趕上人工智慧浪潮的到來。
5 中科院腦科學與智慧技術卓越創新中心
為配合國家科技發展的戰略需求和相應的體制 與機制改革，中科院在“四類機構”改革的框架下， 於 2014 年 8 月成立了“腦科學卓越創新中心”，以上 海生科院神經科學所為依託單位。鑑於腦科學與類腦研 究交叉和融合發展的需求，“腦科學卓越創新中心” 在 2015 年擴容為“腦科學與智慧技術卓越創新中心” （簡稱為“腦智中心”）。腦智中心是跨學科、跨院校 的組織；目標在以科學問題為導向，凝聚中科院的科研 實力，透過團隊合作和學科交叉融合，解決在腦科學和 類腦智慧技術兩個前沿領域的重大問題。
腦智中心有 4 個特點：（1）中心的科研骨幹來自 中科院 20 個研究所和中科院外若干高校（圖 2）。每位 科研骨幹加入中心後，都須參與一個或多個研究團隊， 以合作的形式對團隊成員共同感興趣的重大前沿科學問 題進行攻關（圖 3）。（2）與其他已有的實驗室聯盟不 同，中心明確要求每位學術骨幹把主要的工作精力投入 到完成中心團隊的研究課題中。依據中心、學術骨幹、 骨幹所在單位簽訂的“三方工作協議”，所在工作單位 將積極支援骨幹完成中心任務，提供必要的科研條件， 並按照中科院制定的《卓越中心章程》認定與採納中心 對參與成員的考核結果。（3）中心所組織的全國性科研 團隊，將配合或承擔國家中長期重大科研專案的任務。 （4）中心也是中科院科研體制改革的實驗平臺，將探索 各種機制，以期最大程度地避免中科院各單位間研究內 容的同質化與碎片化。腦智中心的共建單位多、學科多 樣、文化差異較大，給有效交流合作帶來相當的難度。 為此中心採取了一些措施，包括中心成員每年必須在中 心其他共建單位蹲點兩個星期以上，進行開課、講座和 實驗工作；啟動雙導師研究生制度等。腦智中心將不斷 嘗試新的機制，促進不同研究背景的科學家之間的交流 合作，並建立團隊合作，攻克重大科學問題。
中心的科研工作包括 5 個領域：（1）在“腦認知功 能的環路基礎”領域，中心將研究感覺輸入是如何啟動 和調節動物的本能行為、神經元震盪活動在多感覺資訊 處理和整合中的作用、記憶儲存與提取的神經機制、適 應性行為和高階認知功能（如自我意識、共情心和語言 等）的神經環路基礎。（2）在“腦疾病機理與診斷幹 預”領域，中心正在利用基因操作技術，研製腦疾病的 猴類模型和腦認知研究的工具猴。中心也在研究人類特 有基因在調節腦容量和腦疾病致病機理的作用；研製能 早期診斷髮育性、精神性和神經退行性腦疾病的基因、 分子和認知功能指標。（3）在“腦研究新技術”研究方向，中心正在完善鑑別神經元型別的單細胞基因分析方 法、病毒感染示蹤標記神經環路的方法、記錄電訊號和 化學訊號的微電級陣列技術，以及各種觀測腦結構和功 能的光學、磁共振影像新技術。（4）在“類腦模型與智 能資訊處理”研究方向，中心在介觀和宏觀水平對光學 和磁共振成像資料進行全腦聯結組分析，研發多感覺模 態感知和能準確辨認影象、語音並理解語義的資訊計算 模型。（5）在“類腦器件與系統”研究方向，中心正在 研發類神經元計算晶片、新一代的神經網路計算器件、 類腦智慧機器人以及人機協同的智慧訓練和生長環境。
6 結語
雖然，腦科學與類腦研究是兩個目標完全不同的 領域：腦科學的目標是要理解大腦的結構和功能、演化 來源和發育過程，以及神經資訊處理的機制。類腦研究 的目標是研發出新一代的智慧技術，推動資訊產業的發 展。但在競爭激烈的國際科技界，哪個國家能領先佔領 腦科學和類腦研究的高地，很大程度要看誰能首先做到 這兩個領域真正地融合發展。