計(jì)算神經(jīng)科學(xué)和類腦智能是人工智能與神經(jīng)科學(xué)的前沿交叉領(lǐng)域。其中類腦智能計(jì)算理論被列入國務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》的八個(gè)基礎(chǔ)理論之一。圍繞這兩個(gè)研究領(lǐng)域，機(jī)器人學(xué)國家重點(diǎn)實(shí)驗(yàn)室斯白露研究團(tuán)隊(duì)近期在記憶的神經(jīng)機(jī)制和類腦導(dǎo)航研究方面取得了突破。
圖1 計(jì)算神經(jīng)科學(xué)和類腦智能是人工智能和神經(jīng)科學(xué)的交叉研究領(lǐng)域。
記憶是動(dòng)物的核心高級(jí)認(rèn)知功能之一。神經(jīng)科學(xué)對記憶神經(jīng)環(huán)路的研究初步揭示了記憶形成和提取的關(guān)鍵機(jī)制。20世紀(jì)70年代以來約翰 歐基夫、梅 布麗特 莫澤爾和愛德華 莫澤爾分別發(fā)現(xiàn)哺乳動(dòng)物海馬體中的位置細(xì)胞(Place Cells)能記憶環(huán)境中的特定位置，內(nèi)嗅皮層及相關(guān)區(qū)域的柵格細(xì)胞(Grid Cells)能為導(dǎo)航提供坐標(biāo)系。這些發(fā)現(xiàn)表明海馬體、內(nèi)嗅皮層及相關(guān)區(qū)域構(gòu)成了大腦內(nèi)在的空間定位系統(tǒng)，他們因此獲得了2014年的諾貝爾生理學(xué)、醫(yī)學(xué)獎(jiǎng)。
中國科學(xué)院沈陽自動(dòng)化研究所斯白露研究員和美國霍華德休斯醫(yī)學(xué)研究所珍尼亞研究院的合作者對海馬體CA3區(qū)域中位置細(xì)胞的集群放電現(xiàn)象進(jìn)行了建模。他們的實(shí)驗(yàn)研究發(fā)現(xiàn)，與以前的觀點(diǎn)不同，CA3區(qū)域的錐體神經(jīng)細(xì)胞并不是單一種類的細(xì)胞，而是分化成形態(tài)、放電特性和連接結(jié)構(gòu)都不同的兩類細(xì)胞，分別是規(guī)則發(fā)放型細(xì)胞和爆發(fā)式發(fā)放型細(xì)胞。他們采用計(jì)算神經(jīng)科學(xué)的方法為兩類錐體神經(jīng)細(xì)胞和抑制型中間神經(jīng)細(xì)胞建立模型，在此基礎(chǔ)上構(gòu)建連續(xù)吸引子脈沖神經(jīng)網(wǎng)絡(luò)模型，用于模擬記憶的提取過程。模型利用兩類錐體神經(jīng)細(xì)胞的放電特性的分化以及突觸的短時(shí)程可塑性再現(xiàn)了海馬體CA3區(qū)域的尖波放電現(xiàn)象。尖波放電是海馬體CA3區(qū)域產(chǎn)生的集群放電，在記憶的提取、記憶的固化中起到重要作用。這個(gè)理論模型提出了記憶提取的一種神經(jīng)計(jì)算機(jī)制，為構(gòu)建類腦感知和記憶系統(tǒng)提供了理論依據(jù)。
圖2 CA3中三種不同類型細(xì)胞構(gòu)成的脈沖神經(jīng)網(wǎng)絡(luò)能產(chǎn)生集群放電。(A)規(guī)則發(fā)放型細(xì)胞在電流(上圖)輸入下的產(chǎn)生規(guī)則的放電模式(中圖)，自身的適應(yīng)電流(下圖)會(huì)促使細(xì)胞停止放電； (B)爆發(fā)式發(fā)放型細(xì)胞的放電模式； (C)抑制性中間神經(jīng)元的放電模式。(D) 三種細(xì)胞構(gòu)成的循環(huán)網(wǎng)絡(luò)隨時(shí)間的放電脈沖，橫軸為時(shí)間，縱軸為細(xì)胞的編號(hào)。每一個(gè)圓圈代表一個(gè)電脈沖。抑制性細(xì)胞、規(guī)則發(fā)放型細(xì)胞和爆發(fā)式發(fā)放型細(xì)胞的放電脈沖分別用藍(lán)、黑和紅色表示；(E) 網(wǎng)絡(luò)中兩類錐體細(xì)胞參與尖波放電的動(dòng)態(tài)過程的示例，是D的局部放大。綠色虛線表示尖波放電的時(shí)刻。尖波放電由爆發(fā)式發(fā)放型細(xì)胞啟動(dòng)，并擴(kuò)展到整個(gè)網(wǎng)絡(luò)。
在類腦導(dǎo)航領(lǐng)域，博士生曾太平在斯白露指導(dǎo)下利用柵格細(xì)胞的神經(jīng)編碼機(jī)制，構(gòu)建了位置和速度聯(lián)合編碼的柵格細(xì)胞神經(jīng)網(wǎng)絡(luò)模型，在大規(guī)模室外環(huán)境中完成機(jī)器人自定位和地圖構(gòu)建。他們建立的柵格細(xì)胞神經(jīng)網(wǎng)絡(luò)能夠形成穩(wěn)定的吸引子，利用神經(jīng)動(dòng)力學(xué)機(jī)制整合感知和運(yùn)動(dòng)輸入，在大規(guī)模環(huán)境中能穩(wěn)定地編碼空間位置，表現(xiàn)出較好的魯棒性。由于模擬了柵格細(xì)胞的編碼機(jī)制，該模型中細(xì)胞的的工作機(jī)理清晰，克服了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)難解釋、難理解的黑箱局限性。
圖3 基于柵格細(xì)胞的類腦導(dǎo)航方法。(A) 在3kmx1.6km的室外道路環(huán)境中構(gòu)建認(rèn)知地圖。行走的路徑總長度為66公里。黑色曲線為道路。(B) 道路中機(jī)器人感知的不同類型的場景； (C) 類腦導(dǎo)航算法構(gòu)建的環(huán)境的拓?fù)涞貓D；(D) 網(wǎng)絡(luò)中編碼低速運(yùn)動(dòng)的柵格細(xì)胞在環(huán)境中的放電圖。該細(xì)胞在環(huán)境中多個(gè)區(qū)域放電，由于編碼低速運(yùn)動(dòng)，放電的區(qū)域位于轉(zhuǎn)彎或路口處等需要低速運(yùn)動(dòng)的地方。
近年來，記憶神經(jīng)環(huán)路的神經(jīng)計(jì)算機(jī)制得到人工智能研究者的關(guān)注。比如谷歌的DeepMind團(tuán)隊(duì)利用監(jiān)督學(xué)習(xí)的方式生成類似柵格細(xì)胞的位置編碼用于導(dǎo)航?？梢灶A(yù)見，大腦記憶的神經(jīng)機(jī)制將會(huì)進(jìn)一步啟發(fā)和推動(dòng)類腦智能的研究。（機(jī)器人學(xué)國家重點(diǎn)實(shí)驗(yàn)室）
