四川大學(xué)計(jì)算機(jī)學(xué)院教授唐華錦在論壇上進(jìn)行了“仿腦GPS：基于神經(jīng)科學(xué)的機(jī)器人定位與導(dǎo)航”的演講。以下是對(duì)其演講的速記整理。

 

　　唐華錦：大家好，很高興有機(jī)會(huì)跟大家分享我的工作，剛才幾位老師較多的討論了神經(jīng)科學(xué)方面的很多深入的研究，我這里主要結(jié)合說怎么樣從神經(jīng)科學(xué)或者腦科學(xué)到人工智能，今天主要談一下機(jī)器人的智能。

 

　　先解釋一下仿腦GPS，是指在大腦里面也有一個(gè)類似的GPS系統(tǒng)，這里是有一個(gè)神經(jīng)科學(xué)的基礎(chǔ)。我是在四川大學(xué)計(jì)算機(jī)學(xué)院，這個(gè)神經(jīng)形態(tài)計(jì)算廣范圍的類腦計(jì)算研究中心，大致做了這樣幾個(gè)方面：

 

　　從電腦計(jì)算的基礎(chǔ)出發(fā)，宋森老師談到很多，跟他們學(xué)到很多東西這是計(jì)算神經(jīng)學(xué)的范疇。在此基礎(chǔ)上做感知信息處理，神經(jīng)形態(tài)的智能硬件。人工視網(wǎng)膜、人工聽覺處理信息。

 

　　并在此基礎(chǔ)上構(gòu)造大規(guī)模認(rèn)知的計(jì)算網(wǎng)絡(luò)，怎么樣模擬基于脈沖的計(jì)算程式實(shí)現(xiàn)大范圍復(fù)雜的計(jì)算，大家知道深度學(xué)習(xí)是個(gè)顯學(xué)，大致門口瀏覽了一下人比較多，但是我覺得下一步怎么樣真正從大腦的計(jì)算結(jié)構(gòu)里面建立這樣一個(gè)更加高效、更加智能的計(jì)算網(wǎng)絡(luò)是類腦計(jì)算主要的目標(biāo)之一。

 

　　另外把它硬件化，實(shí)現(xiàn)一個(gè)類腦芯片、類腦軟件。潘老師提到他們?cè)陬惸X芯片里面做的比較多，還有IBM的比較了解。其實(shí)跟類腦計(jì)算結(jié)合非常緊密的就是智能機(jī)器人，因?yàn)槲覀冎乐悄茏罱K的表現(xiàn)形式是一個(gè)叫做載體或者交互實(shí)現(xiàn)的，機(jī)器人是一個(gè)真正智能的載體。

 

　　這次大會(huì)是人工智能，所以我談一下結(jié)合人工智能，剛才趙總提了這個(gè)報(bào)告，2030年的人工智能，這里面提到一個(gè)概念，專門把神經(jīng)形態(tài)計(jì)算列作下一代的人工智能技術(shù)之一，大家如果對(duì)這個(gè)領(lǐng)域比較陌生的話，關(guān)注去年的這份人工智能報(bào)告。在之前神經(jīng)形態(tài)計(jì)算是非常冷門的一個(gè)術(shù)語(yǔ)甚至一個(gè)課題。

 

　　從我的理解來說，神經(jīng)形態(tài)計(jì)算主要做這幾方面， 從微觀到宏觀，微觀的角度探索是神經(jīng)電路、單個(gè)神經(jīng)元的角度，和宋森老師講的神經(jīng)環(huán)路，還有神經(jīng)的編碼機(jī)制，記憶編碼機(jī)制，突出學(xué)習(xí)機(jī)制，這是微觀角度這一塊。

 

　　第二從宏觀來說怎么樣從底層電路、神經(jīng)元他們之間的連接來實(shí)現(xiàn)高級(jí)智能？這就需要有很多種方式，比如通過一些具體的任務(wù)，我們主要著力點(diǎn)在于做機(jī)器人認(rèn)知。今年5月剛剛出版了一本書《Neuromorphic Cognitive Systems》，系統(tǒng)地介紹了這方面的研究成果。

 

　　今天側(cè)重點(diǎn)講機(jī)器人， 機(jī)器人經(jīng)歷了這樣的發(fā)展方式，當(dāng)然每個(gè)人總結(jié)有不同的方式，從工業(yè)機(jī)器人主要注重規(guī)劃控制方面，到特種機(jī)器人注重移動(dòng)和多地的適應(yīng)性，現(xiàn)在比較熱的是服務(wù)機(jī)器人，大家在大廳里可以看到非常漂亮的機(jī)器人，適應(yīng)性和環(huán)境感知。再往后達(dá)到終極目標(biāo)是智能機(jī)器人，給機(jī)器人一個(gè)類人的大腦，具有自我感知，理解和學(xué)習(xí)能力。

 

　　為什么我們認(rèn)為機(jī)器人要用神經(jīng)科學(xué)方法或者類腦的方法做呢？做一個(gè)比較，目前的機(jī)器人所謂的對(duì)空間環(huán)境的感知能力是依賴于對(duì)世界的精確建模，需要一個(gè)精確的世界模型，需要對(duì)空間有比較精準(zhǔn)的理解，比如還有依賴精確的感知傳感器，激光、視覺這些，甚至雷達(dá)，如果智能駕駛會(huì)依賴更加昂貴的傳感器。

 

　　人在環(huán)境下有非常好的空間地位感知導(dǎo)航能力，其實(shí)人的視覺、聽覺都是非精確的傳感器，但是能夠幫助人完成一個(gè)非常精確可靠、自適應(yīng)的空間的認(rèn)知能力。

 

　　所以這里神經(jīng)認(rèn)知機(jī)器人就是從信息獲取處理到執(zhí)行，依賴的是腦科學(xué)里面對(duì)于空間感知這一塊，海馬體腦皮層神經(jīng)回路的理解。

 

　　這里歸納一下，目前在神經(jīng)科學(xué)里面甚至一些生理學(xué)里面得出的動(dòng)物導(dǎo)航理論，研究比較多的是大鼠，潘老師提到大鼠導(dǎo)航的神經(jīng)科學(xué)研究比較多，其實(shí)在之前還有研究蜜蜂、鴿子和海豚的導(dǎo)航，歸納了幾種，一個(gè)叫beaconing，蝙蝠的能力。

 

　　路徑導(dǎo)航的方式，昆蟲和蜜蜂可能運(yùn)用這幾種方式。另外結(jié)合了path integration，鴿子做路徑積分找回路徑甚至返回。還有鳥類長(zhǎng)距離遷徙和定位，依賴于地磁場(chǎng)。

 

　　這是一種看法，我們關(guān)注在哺乳動(dòng)物，左側(cè)下處兩個(gè)例子，蝙蝠和老鼠具有準(zhǔn)確的空間定位。為什么研究蝙蝠和老鼠呢，因?yàn)樵谏窠?jīng)科學(xué)里面它們都屬于哺乳動(dòng)物，都具有類似的神經(jīng)科學(xué)機(jī)制。舉個(gè)例子，蝙蝠從一個(gè)洞里跑到樹上尋找食物，科學(xué)家發(fā)現(xiàn)它的位置細(xì)胞精度是不斷變化的，或者它的位置感受會(huì)從細(xì)到粗，從粗到細(xì)，取決于當(dāng)?shù)氐呢S富程度和精細(xì)度，粗糙的圖象或者周圍的地標(biāo)不豐富的情況下，它的位置感知也會(huì)增大，變的模糊，這是對(duì)環(huán)境的自適應(yīng)能力，造成多尺度空間表達(dá)的特點(diǎn)。

 

　　舉了兩個(gè)哺乳動(dòng)物的例子，大鼠和蝙蝠它們具有類似神經(jīng)科學(xué)的基礎(chǔ)，發(fā)現(xiàn)了幾種細(xì)胞，位置細(xì)胞、網(wǎng)格細(xì)胞、邊界細(xì)胞、頭方向細(xì)胞。 人或者動(dòng)物具有一個(gè)方向的感受性，專門有一個(gè)細(xì)胞做這個(gè)事情。

 

　　對(duì)人的位置細(xì)胞沒有辦法像大鼠一樣真正進(jìn)行大腦的解剖，之前人的大腦有沒有存在這樣的，之前也沒有很好的研究，大概08年神經(jīng)科學(xué)做了一些實(shí)驗(yàn)，證明人大腦里也有這樣的細(xì)胞。

 

　　比如人通常做的定位與感知也是這個(gè)方面，你看到一個(gè)圖象，依據(jù)周圍的圖象環(huán)境來判定你在哪里。到了另外一個(gè)位置，負(fù)責(zé)另外一個(gè)位置的細(xì)胞被激活，告訴你另外一個(gè)位置，這是自我感知的方式。最大的技術(shù)就是路徑積分，比如我閉上眼睛走到門口，視覺已經(jīng)不接受信息了，這個(gè)就叫路徑積分。

 

　　一開始本身并沒有說要做一個(gè)機(jī)器人，純粹從解析大腦的認(rèn)知計(jì)算機(jī)理出發(fā)，最早德國(guó)的科學(xué)家提出一個(gè)概念叫 認(rèn)知地圖，直到1972年諾貝爾生理醫(yī)學(xué)獎(jiǎng)也提出一個(gè)基于大腦的設(shè)備，最早叫類腦設(shè)備的概念，提出智能必須通過與物理世界的交互來實(shí)現(xiàn)。

 

　　另外一個(gè)HMAX的深度學(xué)習(xí)網(wǎng)絡(luò)感知模型，提出感知的深度網(wǎng)絡(luò)。右側(cè)的年輕科學(xué)家他依據(jù)大鼠的生物模型構(gòu)造了空間的感知。

 

　　這里提到三個(gè)科學(xué)家，2014年獲得諾貝爾生理醫(yī)學(xué)獎(jiǎng)，因?yàn)榍捌?0年代發(fā)現(xiàn)了位置細(xì)胞，但是直到2000年左右才發(fā)現(xiàn)另外一個(gè)細(xì)胞網(wǎng)格細(xì)胞，有網(wǎng)格細(xì)胞，人才能閉眼從這里走到門口的功能。這代表神經(jīng)科學(xué)巨大的進(jìn)步，怎么樣從簡(jiǎn)單的神經(jīng)元獲得高級(jí)的認(rèn)知功能。

 

　　通常之前研究的神經(jīng)科學(xué)、神經(jīng)元只是計(jì)算，至于認(rèn)知和記憶怎么從神經(jīng)元產(chǎn)生，沒有具體的模型，對(duì)空間認(rèn)知這應(yīng)該是第一個(gè)完整的模型，從單個(gè)神經(jīng)元到復(fù)雜認(rèn)知的完整形式。

 

　　大腦GPS系統(tǒng)從位置細(xì)胞、構(gòu)建空間模型到下一代，到05年發(fā)現(xiàn)grid cell完成解析了大腦的GPS系統(tǒng)。簡(jiǎn)單來說特定位置對(duì)特定空間有個(gè)感受有發(fā)放的特性。隨著大鼠走到固定位置就會(huì)監(jiān)測(cè)不同的神經(jīng)元發(fā)放，不同的環(huán)境具有非常可靠的環(huán)性，在不同位置監(jiān)測(cè)都會(huì)監(jiān)測(cè)到這個(gè)性能。

 

　　網(wǎng)格細(xì)胞的特點(diǎn)就是它在空間的發(fā)放可以存在六邊型或者網(wǎng)格狀，海馬體左側(cè)灰色的結(jié)構(gòu)，網(wǎng)格細(xì)胞在藍(lán)色的結(jié)構(gòu)，靠?jī)?nèi)嗅皮層，網(wǎng)格細(xì)胞通過長(zhǎng)時(shí)間的實(shí)驗(yàn)之后發(fā)現(xiàn)老刷具有這樣一個(gè)特性，這個(gè)網(wǎng)格細(xì)胞對(duì)這個(gè)空間里面呈現(xiàn)的網(wǎng)格發(fā)放的特性，如果記錄完這個(gè)神經(jīng)元的活動(dòng)之后把圖畫下來呈六邊形。

 

　　所以基于這樣一個(gè)生物機(jī)理構(gòu)建一個(gè)肌體里面路徑積分的模型，來構(gòu)造機(jī)器人的軌跡，從A到B到C三個(gè)發(fā)放特性就可以推測(cè)機(jī)器人的軌跡。但是并沒有給出網(wǎng)格細(xì)胞、位置細(xì)胞的連接方式，告訴他們之間有連接，但是中間如何連接、如何學(xué)習(xí)這是我們做大量的計(jì)算模型來得出的，所以構(gòu)造一個(gè)模型就是依據(jù)海馬體獲得自定義信息，網(wǎng)格細(xì)胞路徑積分的功能，共同協(xié)作來產(chǎn)生對(duì)空間的記憶，構(gòu)造認(rèn)知導(dǎo)航模型。

 

　　依據(jù)神經(jīng)的斯達(dá)姆系統(tǒng)有頭朝向細(xì)胞、網(wǎng)格細(xì)胞、位置細(xì)胞，位置細(xì)胞接觸網(wǎng)格細(xì)胞的輸入，同時(shí)反饋給網(wǎng)格細(xì)胞進(jìn)行所謂的校準(zhǔn)作用，走道一個(gè)路徑發(fā)現(xiàn)路徑有偏差了，是靠視覺信息重新做一個(gè)糾正功能，這就是位置細(xì)胞給網(wǎng)格細(xì)胞一個(gè)反饋。當(dāng)然在機(jī)器人里面不可能完全實(shí)現(xiàn)神經(jīng)科學(xué)所有神經(jīng)元的模型。

 

　　前面提到一個(gè)澳洲科學(xué)家做的ratSLAM模型，是基于位置信息做的模型，后期我們做了一個(gè)能夠結(jié)合網(wǎng)格細(xì)胞的功能，更加準(zhǔn)確的在復(fù)雜環(huán)境下、實(shí)際環(huán)境做導(dǎo)航。

 

　　一個(gè)模型的例子，我們構(gòu)造了機(jī)器人的位置導(dǎo)航系統(tǒng)，一個(gè)視頻就是它所接受的視覺輸入完全模擬大腦對(duì)空間的定位系統(tǒng)、對(duì)空間的反應(yīng)。

 

　　這個(gè)導(dǎo)航叫g(shù)SLAM，它完整實(shí)現(xiàn)了大腦的GPS系統(tǒng)，具有非常好的數(shù)據(jù)生物的擬合性對(duì)實(shí)際空間的可靠的導(dǎo)航能力。

 

　　當(dāng)然還有很多問題沒有解決，或者我們團(tuán)隊(duì)繼續(xù)做了一些東西，一是grid cell和place cell的關(guān)系；另外是如何提取記憶及識(shí)別環(huán)境中的關(guān)鍵信息，what和where的協(xié)作，大家談的是模式識(shí)別的智能，但是被空間感知是另外一個(gè)重要的人工智能，人工智能有包含多個(gè)成分。

 

　　其中邏輯、語(yǔ)言大家了解的比較多，但是對(duì)空間智能了解的不多。另外一個(gè)是如何建立語(yǔ)義、知識(shí)空間與place cell和grid cell的結(jié)合，這個(gè)系統(tǒng)可以展現(xiàn)的功能會(huì)變的更加強(qiáng)大，它是一個(gè)開放的系統(tǒng)，不需要打補(bǔ)丁的方式做。

 

　　當(dāng)然構(gòu)造機(jī)器人的大腦需要多學(xué)科的共同努力，需要從大量神經(jīng)科學(xué)中獲得有用的知識(shí)，向他們學(xué)習(xí)。另外人工智能、機(jī)器學(xué)習(xí)的模型，做CMOS芯片、納米神經(jīng)形態(tài)器件芯片怎么樣實(shí)現(xiàn)。另外還有感知信息處理，需要多個(gè)領(lǐng)域多個(gè)科學(xué)家的合作，神經(jīng)科學(xué)、機(jī)器人科學(xué)家、做機(jī)器、硬件的科學(xué)家合作。

 

　　今天人工智能在腦科學(xué)里面做的工作還遠(yuǎn)遠(yuǎn)不夠，舉個(gè)例子，跳蜘蛛非常不起眼，但是它有非常好的空間處理能力，還有非常好的視覺精度，對(duì)這樣一個(gè)大腦只有大概幾毫米，我們對(duì)它的理解還是非常少，所以神經(jīng)科學(xué)或者腦科學(xué)里面包含了非常多的、非常好的智能算法需要學(xué)習(xí)。

 

　　大腦的復(fù)雜性使得應(yīng)用神經(jīng)科學(xué)非常困難，正因?yàn)榇耍@樣的工作成就都會(huì)讓人非常興奮，歡迎大家投入到腦科學(xué)和人工智能工作中來，為我們這個(gè)論壇做一個(gè)號(hào)召。