人工智能离“解锁”人类大脑还有多远？具体的研究路径是什么？是“复刻”大脑，还是另辟蹊径？复旦大学类脑智能科学与技术研究院院长冯建峰结合最新取得的成果，接受本报记者专访时开门见山作答：短期目标是拼出一个“低密度大脑”，长期目标是实现真正的类脑人工智能。
过去3个月，冯建峰团队已在世界顶尖学术期刊上发表了7篇论文。在迎来学术收获期的同时，一些全新研究结果让人振奋不已：通过大脑影像精确诊断困扰全球5.9%—7.1%少年儿童的多动症，并评估治疗效果；针对帕金森病，细分出不同亚型并提供针对性的干预；对具有高复发率、高死亡率等特点的颅内恶性肿瘤胶质瘤，提供新的治疗路径……
可以说，每一篇论文都揭示了人类某种行为或疾病与大脑某种网络机制之间的关系，这使得科学家离模拟出某个脑区的目标更近了一步。
对大脑结构和功能的研究，或会重新定义疾病
人脑的运行机制是一个黑箱，各个脑区以网络形式参与复杂的行为控制。理解大脑工作机制的一个重要途径是对比脑疾病患者和健康人大脑的区别。
冯建峰团队成员贾天野告诉记者，现在通过脑影像和多模态队列，结合算法分析，发现儿童的注意力缺失、多动、行为障碍，以及抑郁症、精神分裂症、老年退行性疾病等，都与某些脑区发育以及病变有关。
这些发现，都将从脑影像维度来重新定义疾病。从对部分儿童心理疾病的认知，乃至对传统精神病学的认识，都可能会因此被颠覆。同时，新的发现也使模拟大脑成为可能。
以多动症为例。研究院副研究员罗强介绍，过去学者认为，掌管注意力的脑区缺陷是导致儿童多动症的主要原因。但根据他对大脑机制的研究发现，患有多动症的孩子非常厌恶奖赏的延迟，同时对奖赏的预期很高，所以非常容易激动。
更令人意外的是，多动症儿童大脑视觉皮层体积的发育异常也与这两个通路功能受损相关。罗强说，这也从大脑运行机制角度解释了为何多动症儿童会有注意力缺陷和行为障碍，以及为何一部分多动症儿童成年后会自愈。
对于帕金森病的研究，脑影像研究也给出了新的答案。团队成员程炜说，通过对帕金森病人的大数据研究发现，大脑某个部位脑区比较小的病人，病程进展非常迅速，五年中就会发展至重度。而这一部位比较大的病人，病程进展相对较慢，甚至无需特别干预，“这也意味着，这将改变医学界对帕金森这一高抑制性疾病的分型并且能预测病程发展”。
聚集最好科学家，让学科交叉得到最大体现
盘点取得重要学术成果的原因，冯建峰说，首先和研究院得天独厚的优势有关——高水平的国际合作。目前，该研究院已与剑桥大学、牛津大学等顶尖机构建立了长期的研究伙伴关系，并同时结合超强的人工智能算法、聚焦脑疾病，并在医院开展临床合作诊疗研究，推进脑疾病的智能诊疗。
国际合作也有力推动了国内的脑数据库的建立。复旦大学建成张江国际脑影像中心，与国内多家医院合作，搭建了囊括脑卒中、首发精神分裂症、抑郁症、神经退行性疾病、自闭症等五大疾病队列和健康人队列全维度数据的张江国际脑库。优质队列的建立，将会成为我国脑机制解析和脑疾病研究的“宝藏”。
类脑人工智能研究是典型的多学科交叉的研究项目。而在冯建峰的团队，学科交叉得到了最大程度的体现。研究院目前拥有数学、物理学、计算机科学、神经科学、临床医学、信息学、哲学等多个学科的学者和博士后，还吸引和集聚了国内外各个学科专业的科研合作者。每周二下午，固定的大讨论班从建院开始至今，五年来风雨无阻。每次讨论都是一场激烈的头脑风暴，往往覆盖七八个学科，120多人同时在线一起讨论。
“我们的目标是希望聚集最好的科学家，要发展原始性、原创性、受脑启发的人工智能算法，必须突破学科桎梏，创新性地解决问题。”冯建峰说。
布局下一代人工智能，用先进算法模拟大脑
类脑人工智能研究取得的每一个新进展，都可能成为帮助我们解码人类大脑的一把新密钥。
“人工智能的核心就是算法。人脑的本质也是算法，只不过我们目前无法看清这一算法机制。”冯建峰介绍，该团队目前已建成了一个先进的算法库，同时还在布局下一代人工智能算法。在人工智能领域，最基础也最重要的当属数学研究。
具体而言，通过数学算法，一方面解析大脑每一个部分，自下而上，用一块块小小的“拼图”，最终拼出一个完整的大脑。另一方面，将协同推进，自上而下，用最先进的算法模拟大脑。而应用数学在解决这些实际问题的过程中，会启发一些新的数学问题，进而反哺数学方法，形成一个良性循环。
这些基础研究的成果，都将投入到疾病诊断、人工智能应用场景研发等具体的应用领域中。
