你能一眼看出下面這兩張圖之間的區(qū)別嗎?
“看這兩幅圖，你可能會(huì)感覺(jué)一目了然，但區(qū)別其實(shí)特別大——這里有一個(gè)引擎，那邊沒(méi)有。也就是說(shuō)你基本上是‘瞎’了。可是我們居然自以為是地以為我們自己沒(méi)‘瞎’。”
近日，在復(fù)旦大學(xué)一場(chǎng)名為“頭腦風(fēng)暴”的講座中，倫敦大學(xué)學(xué)院計(jì)算機(jī)系計(jì)算神經(jīng)科學(xué)教授李兆平當(dāng)場(chǎng)出題，做了幾個(gè)有趣的小測(cè)試，以證明“眼見(jiàn)為實(shí)”這件事，不一定是對(duì)的。
在一張布滿了600多個(gè)X狀圖形的幻燈片中，李兆平讓大家找一個(gè)“唯一的右傾的小棒”。大約過(guò)了5秒鐘以后，只有稀稀拉拉幾名觀眾陸續(xù)找到了，多數(shù)人則找得頭昏眼花，依然無(wú)果。
“因?yàn)槟愕难劬^(guò)去的時(shí)候，你沒(méi)有‘見(jiàn)’到它，你只是在‘看’。”李兆平解釋，“即使看到了這個(gè)小棒之后，你也覺(jué)得這是一個(gè)X，然后你認(rèn)為這個(gè)X跟別的X一樣……接著你就糊涂了，糊涂之后你的眼睛就開(kāi)始猶豫，再繼續(xù)去找。大多數(shù)人都是這樣的。”
“看”和“見(jiàn)”，不是一回事
她表示，這個(gè)示例告訴我們，用眼睛常常只是在“看”，而我們的意識(shí)才是“見(jiàn)”。所謂“看”和“見(jiàn)”事實(shí)上是分開(kāi)的，并且它倆常常在一起“搗亂”，影響大腦的判斷。
“在這個(gè)實(shí)驗(yàn)里，你們都表現(xiàn)得太聰明了。也就是說(shuō)，假如你心不在焉地去找，你反而更容易找到。”李兆平說(shuō)。
作為復(fù)旦大學(xué)物理系當(dāng)年的“學(xué)霸”，李兆平曾在美國(guó)的費(fèi)米國(guó)家實(shí)驗(yàn)室、普林斯頓的高級(jí)研究院和洛克菲勒大學(xué)、香港科技大學(xué)等工作。1998年她參與創(chuàng)建了倫敦大學(xué)學(xué)院的蓋子比計(jì)算神經(jīng)科學(xué)中心。她的科研涉及物理、神經(jīng)生物學(xué)等，尤其注重于視覺(jué)、嗅覺(jué)和非線性神經(jīng)動(dòng)力學(xué)。2014年，牛津大學(xué)出版社出版了她寫的《理解視覺(jué)：理論，模型和數(shù)據(jù)》。
腦科學(xué)和人工智能，什么關(guān)系?
在介紹腦科學(xué)這門學(xué)科時(shí)，李兆平尤其提出，人腦的輸入與輸出是一個(gè)非常復(fù)雜的過(guò)程。對(duì)這一過(guò)程的分析，融合了生命的觀察、解剖的觀察、醫(yī)學(xué)的觀察與心理的觀察，而對(duì)以上這些角度作出整合，正是腦科學(xué)要解決的事。在此前的上海論壇上，她還分析了腦科學(xué)和人工智能之間的關(guān)系，指出腦科學(xué)是能夠發(fā)現(xiàn)自然的一項(xiàng)科學(xué)，而人工智能是用來(lái)發(fā)明一些工具的工程學(xué)范疇事物，兩者相互交織，會(huì)對(duì)人類社會(huì)產(chǎn)生深遠(yuǎn)的影響。
此次受邀到復(fù)旦大學(xué)演講，她還帶來(lái)了另一位嘉賓——她的先生、英國(guó)倫敦大學(xué)學(xué)院英國(guó)皇家科學(xué)院院士Peter Dayan。
Peter Dayan是2017年格雷特·倫德貝克歐洲大腦研究獎(jiǎng)的獲獎(jiǎng)?wù)咧唬摢?jiǎng)項(xiàng)簡(jiǎn)稱“大腦獎(jiǎng)”，被譽(yù)為“神經(jīng)科學(xué)界諾貝爾獎(jiǎng)”。
大腦究竟是怎么工作的?
在Peter Dayan開(kāi)講之前，李兆平女士就深入淺出地解釋，她和先生做的研究可以被視為兩個(gè)部分。也就是說(shuō)，如果將人腦粗看成一個(gè)輸出和輸入的機(jī)器，那么她所做的研究更接近輸入，Peter Dayan則更接近輸出。她以五官為例，指出聽(tīng)、看、聞、觸覺(jué)、味覺(jué)等可以兼具輸入和輸出的功能。例如視覺(jué)，一幅圖片看進(jìn)來(lái)就是輸入，而在大腦當(dāng)中想象其背后的信息，就是輸出。
Dayan的主要研究領(lǐng)域是神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)計(jì)算模型，尤其是有關(guān)表達(dá)、學(xué)習(xí)和決策的模型。在攻讀博士學(xué)位期間，Peter Dayan開(kāi)始對(duì)人工智能產(chǎn)生濃厚的興趣，并從試圖從理論的角度去思考：我們的大腦究竟是怎么工作的?他和同事們先用多層次分析的方法，從時(shí)間和空間尺度上建立腦機(jī)制和動(dòng)物行為的聯(lián)系，再用計(jì)算的方法去解釋大腦的運(yùn)作過(guò)程。
他最近的研究聚焦在大腦的“獎(jiǎng)勵(lì)機(jī)制”上。人類和其他動(dòng)物的大腦有一個(gè)機(jī)制，會(huì)給自己盡可能更多的獎(jiǎng)賞，同時(shí)盡可能避免去懲罰自己。這種能夠識(shí)別外部事物并且做出獎(jiǎng)勵(lì)最大化、損害最小化的決定的行為機(jī)制，與目前人工智能流行的算法非常相似。
他以猴子喝果汁的實(shí)驗(yàn)為例，解釋了大腦對(duì)獎(jiǎng)勵(lì)的預(yù)測(cè)機(jī)制。比如他和他的同事們發(fā)現(xiàn)，大腦對(duì)獎(jiǎng)勵(lì)的預(yù)測(cè)可能產(chǎn)生誤差，這可以幫助人們了解和治療一些精神疾病。比如說(shuō)，抑郁癥患者的獎(jiǎng)勵(lì)系統(tǒng)不是像“上癮”一樣被提升，而是被抑制了。演講最后，他提出了一種推測(cè)：即使是人工系統(tǒng)，如果它們對(duì)世界有足夠的適應(yīng)性，也會(huì)遇到與我們同樣的問(wèn)題。
京公網(wǎng)安備 11010502049343號(hào)