平均年龄36岁，与20余所国际著名高校和研究院所建立研究伙伴关系，吸引全球130多位学者参与各个层次的研究合作计划和项目，整合来自世界上最大规模脑数据库的近百万条数据......汇聚最广泛资源、研究最前沿问题、产出“顶天立地”成果，这是复旦大学组建才三年多的一支“科研梦之队”的追求，这支队伍的“领头羊”是复旦大学类脑智能科学与技术研究院院长冯建峰。
近期，冯建峰团队接连发表了不少在国际上受到广泛关注的研究成果。如：在人脑中发现导致抑郁症和睡眠质量不佳的脑区有重合之处；揭示吸烟与喝酒对人脑功能呈相反的异常模式；研究表明风险基因突变会干扰青少年大脑壳核的正常发育，进而增加成年后患精神疾病的风险。
继2015年复旦张江国际脑库开始筹建、2016年复旦张江国际脑影像中心投入建设，如今，致力于为脑与类脑科学与技术创新提供世界级实验技术和研究平台的复旦大学脑与类脑智能国际创新中心建设正稳步推进，第一批影像研究设备已经入驻复旦张江国际脑影像中心。去年底，上海市“脑与类脑智能基础转化应用研究”市级科技重大专项启动会召开，这个8.4亿的大项目将为冯建峰及其团队带来新的契机，站在相关领域的世界前列，引领类脑研究的创新发展。
“沿途下蛋”：探寻“什么是智能？”
“谁能告诉我，机器的IQ是多少？”从事类脑智能领域研究十余年，冯建峰一直最想搞明白的问题却很“简单”：什么是智能？
“我真正想做的，就是这件事。”对“智能”这一词义本质的回答被冯建峰设定为了长期目标，科学的高峰总要找得到阶梯才能拾级而上，而类脑智能研究的实践就是他找到的攀登之法。
简单来说，通过学习人和动物脑的工作机制，解析其运作原理，并从中获得灵感，运用到人工智能的研究中去，就是类脑智能研究。正广泛应用于语音识别、机器翻译、计算机视觉等领域的深度学习就是一个很好的例子，其本质是对猫或人的视觉系统的模拟。
但脑实在是太复杂了，怎样才能把生物与生俱来的“智慧”让机器学会呢？对冯建峰等从事类脑研究的科学家们来说，“疾病脑”给他们提供了一个最好的研究对象，比如患上抑郁症、精神分裂症等疾病的脑。
基于大数据研究，2016年，冯建峰团队发现，对奖励没兴趣、对惩罚太敏感是患上抑郁症最根本的原因。最近，进一步的研究表明，大脑中调控睡眠质量出问题的那块区域，恰恰与抑郁症患者对惩罚过于敏感的区域相同。而吸烟会降低脑惩罚功能的敏感性，喝酒则会升高对脑奖赏功能的敏感性，这与抑郁症患者的脑连接正好相反。而对于精神分裂症的研究也表明，风险基因造成影响的区域，同样也与奖励、惩罚的调控区域有关。
成果顺利发表了，冯建峰说，研究背后还有更深刻的科学道理。“什么叫情感？我喜欢跟你在一块，是因为我得到了奖励。”其实，“人类的进化史就是情感的进化史”是达尔文很早就曾提出的理论“，趋利避害”是人类进化的根本推动力。但这种“情感禀赋”是机器所无法具备的。
“奖励和惩罚是人类情感的基础，也是目前的技术条件下，机器不可能有的，我们很想把这个东西做得更清楚一点。”冯建峰说，在追求长期目标的同时“沿途下蛋”，研究成果也有社会影响和社会价值，是一件“一箭双雕”的事情。
现在，冯建峰团队已经和多方展开合作，让理论落地，也让新技术更加“枝繁叶茂”。加拿大多伦多大学医学院对团队定位导致抑郁发生的异常脑区进行刺激治疗，经过一个月的疗程，临床显示能够改善首发抑郁症患者约46%的临床症状，对于难治性抑郁症也能改善近33%的症状。此外，团队和国家电网合作，研发了巡检机器人；利用人工智能技术，研发了“步态识别”系统，精度已达到95%。
学科交叉：从理论到应用“一条龙”
大脑结构那么复杂，怎么才能精准找到“有病”的区域呢？
“我们的成果是算出来的！”冯建峰说，以前的研究方法就两类：实验和理论，最近几十年，增加了第三类手段：计算。“今天的数据、计算工具、计算设备，完全能够让我们用第三种研究手段做很多事。”
这第三类手段有多大的好处呢？举个例子，对于研究核爆炸的人来说，震天动地的“蘑菇云”已经成了过去式，无需再把核材料堆起来“炸一次”，通过计算就能完成整个实验。而且，实验中根本看不见的极微小数量级，计算也能把其中空白填补上。
“巧妇难为无米之炊”，即便算法“高明”，缺乏数据的支持，再好的研究设计都得“半途而废”。之前，有不少人做过类脑智能领域的研究，但因只包含了二三十人的小样本数据，结果稳定性较差，研究备受争议。近些年来，冯建峰团队一方面与国内各大医院开展合作，从而获取第一手的临床数据，同时整合Biobank、HCP、ADNI、ABCD等世界上最大规模脑数据库，成功实现了实验结果的可重复。近期，在冯建峰领衔的上海市市级重大专项中，就有一个宏伟计划：与国内多家临床医院合作，采集包含8000例次健康人群和7000例次重大脑疾病队列的全维度脑库，其中包括抑郁症、自闭症、神经退行性疾病、脑卒中和精神分裂症五大脑疾病队列“，建成后将成为中国首个全维度脑库，也会成为世界上最大的多疾病、多模态脑科学数据库”。
复旦大学类脑智能科学与技术研究院青年副研究员罗强博士是关于精神分裂症研究成果论文的第一作者，“我们客服了很多困难，终于找到了一个非常强的遗传控制信号。”当时，罗强高兴极了，但冯建峰并不满足，“冯老师非常严谨，要求我们找更多独立数据来做验证。”最终，他们联络了国际上的一些科研小组，从法国、美国、加拿大、英国找到了4万个独立数据集，用近一万人的数据验证了该发现，论文全部署名作者共有33名。
应用数学、计算机科学、生物学、信息学、临床医学......毫无疑问，类脑智能研究是一门新兴的交叉学科。冯建峰在本科念数学时就学了生物，他始终认为，将来学科的增长点就在于交叉学科。“现在的信息技术越来越发达，各类信息交织在一起，科技发展到了如今这个地步，以大数据为根基的科学范式，自然成为了主流。”
复旦大学类脑智能科学与技术研究院青年研究员程炜是两篇关于抑郁症研究成果论文的第一作者。他也是应用数学专业出身，经老师引荐，参加一个关于“脑影像”的比赛，成为冯建峰的“门下”，至今已有六年。
“我能把抑郁症和睡眠质量不佳之间的关系找出来，得感谢学科交叉。”程炜说，关于抑郁症的研究他已经做了多年，有一次，一位有临床医学背景的老师提出，临床上70%的抑郁症患者都睡不好“，我们的数据中正好也有关于睡眠质量的信息”程炜说，自己一下子“被击中了”，在这一思路的启发下，顺水推舟，他开始关注抑郁症和睡眠的关系。
不同学科间的交流给程炜带来了新的视野和方向。而对冯建峰来说，相较于单纯的数学研究，他的学科交叉背景是一把利刃，打破了从理论到应用的壁垒。“这使我在科研选题中能够真正落地，既面向国际前沿，也能解决老百姓关注的健康问题，使团队的研究始终能够站在时代的最前面。”冯建峰颇有感慨。
“高屋建瓴”：搭建全球学术网络
“冯老师平时相对较忙，研究上有什么进展或者困难想找冯老师辅导、讨论，在冯老师的讨论班时间准能‘抓’到他。”
程炜的那次卓有成效的交流就发生在冯建峰的讨论班上。每个周二晚上，冯建峰课题组的研究员、博士后、博士、硕士都会聚在一起，开一个25人左右的小会，每次大概三小时，交流一下最近的研究进展，有时也会安排两到三个学生就最近看过的文献作报告。
除了这个内部的讨论班，每周二下午，全院也会组织一次五六十人的大讨论，每周安排一个课题组的老师介绍工作或报告新鲜出炉的成果。数学模型、生物现象、物理原理......不同领域不同方向的研究者们坐在一起，在交流中互相学习、互相了解。
还有一次固定讨论会是每周四下午，主要由冯建峰联合计算机学院、大数据学院等相关领域的老师和学生，与合作的企业商讨技术应用和开发的事宜，来的企业有上汽、国网电力、科大智能等，项目包括机器人研发、软件开发等。
冯建峰培养学生很有自己的一套方法“，第一帮他们提出最前沿的问题，第二要求学生尽能力做高质量有意义的研究，不能为毕业而降低对科研究质量的要求。”冯建峰给学生制定了非常明确的规定，要做就得做像样的东西，不要成为“学术垃圾桶”。
高标准意味着严要求。有一次，刚进课题组没多久的“小朋友”在讨论班上作报告，结果准备得不够充分，文献理解不够透彻，当场被冯建峰打断，要求下次重新报告。在复旦大学类脑智能科学与技术研究院，没有真材实料的学生进不来、留不下。这么多年，冯建峰对人才的标准从没降过，其课题组的高标准在学校里也是出了名的，“我们要建世界一流水平的大学，就得让我们培养的学生能在世界一流的大学里面轻易拿教职，这就是一个标志，是一种相互的认可。”
严厉的背后是深切的期待和深沉的关怀，凭借着之前在英国担任教职时的积累，冯建峰为学
生们“搜刮”来了世界上最优质的“大牌”资源：聘请2013年诺奖获得者迈克尔·莱维特（Michael Levitt）、2014年Brain奖获得者特雷弗·罗宾斯（Trevor Robbins）等英国皇家科学院院士、美国科学院院士担任教职，与剑桥大学、牛津大学、帝国理工学院、斯坦福大学、麻省理工学院等20余所国际著名高校、研究所建立研究伙伴关系。
“有时我们需要医学或生物学方面的专家帮忙解释一些数据结果，这时跟这些‘大牛’科学家们的讨论对我们的研究会有很大助益。”据程炜介绍，他们被邀请来院后，都会在给他们专门安排的办公室“坐镇”一个星期左右的时间，期间每个师生几乎都会登门拜访，进行面对面的交流。
“我们会把国际相关领域最优秀的人找来，加入我们的队伍，来共同做一件事。”冯建峰觉得，可以借助更多人的力量对年轻人进行培养，并给年轻人提供更高的起点、更好的平台。
文/龚凡凡
