NSR专题：人类大脑计算与类脑智能（特邀编辑：冯建峰、Viktor Jirsa）

《国家科学评论》（National Science Review，NSR）今年第5期出版了“人类大脑计算与类脑智能”专题（Special Topic: Human Brain Computing and Brain-inspired Intellegence），专题特邀编辑为复旦大学冯建峰教授和法国艾克斯-马赛大学Viktor Jirsa教授。本专题共收录10篇文章，包含1篇Editorial、3篇Perspective、3篇Research Article、2篇Review和1篇Interview，展示了该领域的发展现状及其未来方向。

人类大脑计算与类脑智能

冯建峰（复旦大学）、Viktor Jirsa（法国艾克斯-马赛大学）、卢文联（复旦大学）

人类大脑中，结构、功能以及神经动力学之间的关系复杂，且涉及到多个学科的各个方面。对这些关系的理解是脑科学研究的一个基本目标，并可能是通往下一代人工智能的道路。本期NSR“人类大脑计算与类脑智能”专题涉及了该领域中的几个重大挑战性问题。

首先，鉴于人脑的神经元规模、神经形态细节和连接拓扑结构的复杂性，建立人脑的计算神经网络模型是极其困难的。人类大脑是一个极其复杂的器官，拥有860亿个神经元和100万亿个突触，这让所有人造智能的尝试——比如大语言模型——都相形见绌。对大脑的不同尺度、不同规模进行详尽细致的结构与连接的建模，在数学上是一项不可能完成的任务。由此产生的一个问题是：多尺度结构在多大程度是实现大脑功能的必要条件？因此，绘制全连接组（包括所有神经连接的综合图谱）是当前研究的优先事项，而破译每个大脑区域的功能更是重大挑战。

在介观尺度上，Maass在Perspective文章中提出并讨论了皮层微电路（cortical microcircuits, CMs）的基本原理，这些原理可以帮助我们理解皮层计算，并可能启发产生某种本质上更像大脑和更节能的计算框架。在微观尺度上，Senden等人对混合整合大脑模型（hybrid integrative brain models）进行了综述。这类模型以模块化的方式整合了大脑、身体和环境之间复杂的相互作用，并包含通过丘脑等枢纽结构来调节的类似注意力机制等的整体性过程。为了进一步分析这种相互作用，Vohryzek等人从基于体素的结构矩阵的归一化拉普拉斯算子的本征函数出发，提出了用于fMRI的时空谐波分解（Harmonic Decomposition of Spacetime, HADES）框架。由此，作者发现致幻剂作用下存在明确的谐波模式和功能性的谐波变化。

其次，神经形态计算采用建设性的“构建用以理解”（build to understand）方法来表达大脑的结构-功能二分性，旨在设计和实现人类大脑结构和功能启发的计算系统。当然，要复制出类似于人类大脑规模和实时计算能力的复杂神经网络，需要开发能够精确模仿并行和分布式神经信息处理机制的硬件，这些硬件还应当具有与大脑相当的能量效率。因此，设计和制造神经形态芯片是实现具有人类大脑规模和复杂性的神经网络的必由之路。

本专题报道并发布的最新版达尔文3（Darwin3），是一种神经形态专用指令集和高密度连接存储技术。它将单位芯片负载神经元数量提升至超过200万，还具有强大的不同模型支持能力和可编程性的学习能力。近期神经形态计算系统的研究焦点主要集中在脑科学方向。但此类系统也正在将其范围扩展到具有工程应用的通用人工智能（AGI）领域。该方向的一个值得注意的案例是混合神经网络（Hybrid Neural Network, HNN），它集成了面向计算机科学的人工神经网络和面向神经科学的脉冲神经网络。新一代神经形态系统的主要特征就是支持HNN。例如，第二代Spinnaker（Spinnaker2）与其第一代相比在功能密度和能量效率方面都有超过一个数量级的改进，并支持HNN，引领了节能型先进人工智能的发展。甚至于，事件驱动的稀疏大语言模型也即将浮出水面。

第三，人类大脑计算模型的临床应用也是脑科学的前沿问题，亟需要开发新的科学有效的方法。数字孪生脑（digital twin brain, DTB）的概念和技术被用于描述生物脑结构、计算过程和智能功能的数字化表示。这将为数字化测试各种认知行为和医学方法提供平台，而这些测试常常是无法在真实的生物体上进行的。然而，临床应用要求需要个体化的数字化表示。为此，虚拟孪生脑（Virtual Brain Twin, VBT）提出了一种个性化的全脑网络模型，该模型是通过个体的大脑成像数据构建的。王慧芳等人的专题文章提出，该模型给出描述五种大脑疾病相关参数的空间掩码，并基于生理学和病理生理学假设证明了其临床应用潜力。冯建峰课题组的专题封面文章提出的数字孪生脑平台，构建脉冲神经元网络，达到了全脑规模，拥有多达200亿个神经元，并包含大脑结构数据作为结构。数字孪生脑的特色是以逆向工程方法提供了数据同化的范式。作者通过此方法发现，在神经元网络规模和结构上越接近真实大脑，模型与真实大脑之间的相似性就越大——无论在静息状态还是任务态，都是如此。这在一定程度上（首次）揭示了在计算模型与人类大脑在规模和结构细节的相似性，是探索有生物学意义的类脑智能的必要条件。

综上所述，模型、数据和算力，是探索大脑计算基本原理的必要因素。例如，自由能原理依托大脑计算的贝叶斯假设，而该假设需要通过这些领域中的诸多机制的结合才能实现。大脑计算的贝叶斯机制为理解真实智能提供了一条独特的路线图，指向了类脑智能发展的重要方向。