人工智能与神经科学，这两个看似相隔甚远的学科，实际上有着非常紧密的联系。这两个领域的协作是必然的。
正如DeepMind认为的那样：在如此多的利害关系下，目前神经科学领域和人工智能结合的需求比以往任何时候都更加迫切。本文将从两个方面探讨这个主题：神经科学如何启发人工智能，以及人工智能如何推进神经科学。
神经科学如何启发人工智能
神经科学在人工智能的发展史上扮演了关键角色，它一直是构建人工智能的灵感来源。一般有两种路径：第一，模拟人类的智力，第二，建立模拟大脑结构的神经网络。
模拟人类智能的人工智能系统。
近来人工智能取得了惊人的进步，例如:
· 胜过最强星际争霸玩家的视频游戏
· 比医生更快更好地检测乳腺癌
· 可靠的对象识别，例如特斯拉的自动驾驶汽车
这些机器能够比人类更好地执行任务和解决问题，实现与人类相媲美甚至超过人类的性能。但是，无论看起来多么惊人，它们的设计意图都不过是物善其用罢了，我们距离建立真正的AI世界还有几十年的时间。
尽管思想先进，性能优越，这些人工智能系统在重要方面与人类智力有所不同。为了让机器像人一样学习或思考，它还需要能够：
· 解释以及理解问题
· 通过学习来获取知识
· 将知识运用到新的任务和情况中
在KAIST的一项研究中，研发人员探究人类元强化学习的计算和神经机制，发现人类在做决定时，可以适应复杂性和不确定性。
研发人员希望建立能够像人类一样做出决策，并以人类的方式解决问题的模型。他们的发现打开了这样一种可能性：技术的进步可能有助于制造出更像人类的机器。
人们希望能制造真正像人类一样学习和思考的机器。就像即使蒙着眼睛，我们仍然可能弹好吉他。但如果换成AI，其表现可能会大打折扣。
建立模拟大脑结构的神经网络。
人脑包含大约860亿个神经元，每个神经元都与其他神经元相连。生物神经元是细胞：当一个神经元激活时，它会产生一个棘波，并向其他神经元发送信号。
我们从人脑结构中吸取了灵感，设计出了今天的神经网络。神经网络中神经元的思想与大脑中的生物神经元具有相似的特征。
与人脑一样，机器学习神经网络也由相互连接的神经元组成。当一个神经元接收到输入时，它就会激活，并将信息发送给其他神经元。
人脑的可塑性让我们每次学习新的东西，都是在创造和加强神经元之间的联系。熟能生巧就是基于这样的原理。
同理，向神经网络输入大量数据时，它也会学习。神经网络上的每个连接都与一个权重相关联，权重决定了神经元之间的重要性。在训练过程中，权重相应地调整，以加强或削弱神经元之间的联系。
例如，当我们看一张猫的照片时，我们知道这是一只猫，因为我们在生活中见过足够多的猫。同样，如果给神经网络提供足够多的猫图像，它就会开始识别猫。
在了解神经科学如何启发人工智能模仿人类智力、构建模仿大脑结构的神经网络后，反过来看看，人工智能又会如何推进神经科学。
人工智能如何推进神经科学
人工智能正在迅速成为神经科学中的一个宝贵的工具，它有助于理解人脑的工作原理，并加速神经科学的发展。
人工智能加速神经科学的发展和发现。
机器学习的主要优势在于能够识别复杂数据中的模式，尤其在涉及到分析人类的思想时。大脑发出的信号真的很复杂。随着机器学习的推进，神经科学家正在破解数十亿个大脑神经元协同工作的秘密。
功能性磁共振成像通过检测血液流动的变化来测量大脑的活动，它每秒都能生成大脑活动的高维快照。使用机器学习来分析数据有助于发现大脑活动的方式，从而加快研究工作。
机器学习还有助于开发以前认为不可能的应用程序。韩国大学设计了一个控制下肢外骨骼的实验，测试者可以通过盯着闪烁的灯光集中注意力来控制外骨骼。
人工智能有助于理解人脑的工作原理。
神经科学家正在研究人脑如何思考以及如何控制身体移动。通过了解大脑，我们可以更好地诊断精神疾病，并使残疾人提高运动能力。
AI系统的进步可以帮助神经科学解开大脑的秘密能，神经科学家和研究人员可以利用AI建立更好的模型来模拟人脑。
神经网络扮演着“虚拟大脑”的角色，获取人类大脑的表现。这些虚拟大脑可以产生神经活动模式，类似于从大脑记录下来的模式。有了这些模式，神经科学家可以在进行实际测试之前，测试假设并观察模拟结果。
然而，AI系统的工作方式与人类大脑有着天壤之别。神经网络只是大脑工作方式的一个粗略模拟，它将神经元建模为高维矩阵中的数字。但实际上，人类大脑是一个复杂的生物机器，需要化学反应和脑电活动。这正是人类区别于机器的地方。
由此可见，一方面，人脑是构建AI的首要灵感，人工智能研究人员使用神经科学的概念来构建新的算法；另一方面，人工智能也加速了神经科学的研究，神经科学家可以通过AI来解释人类大脑。毫无疑问，这两个学科在未来将会联手发展，互相促进，笔者对此抱有非常乐观的态度。
最后再次回到DeepMind的观点：我们敦促神经科学和人工智能的研究人员找到一种共同语言，允许知识的自由流动，这有助于两种领域的持续进步。
