“人脑是世界上最复杂的物体之一，虽然我们对于大脑的研究已经持续了上千年，但人脑仍然有许多未解之谜。”
如何用人工智能技术帮助科学家更好的理解人脑，促进人脑健康，从而探索脑部疾病的肌理？3月15日下午，复旦上医二号科研楼CB3-030会议室内座无虚席，微软亚洲研究院（上海）首席研究员李东胜在复旦大学AI4S脑科学交叉与转化系列讲座、复旦大学科学智能系列讲座上，带来了精彩的主题报告《当AI遇见大脑》。
机器学习和脑科学-AI交互计算是李东胜博士的主要研究方向。“世界上最复杂的东西是什么？”报告以此开篇，从认识大脑到脑电信号，再到数据建模以及医学临床运用等，打开了AI与大脑交汇的奇妙大门。讲座由脑功能与脑疾病全国重点实验室、教育部脑科学前沿科学中心、上海科学智能研究院和复旦大学脑科学研究院共同主办。
理解大脑的工作方式至关重要。“我们希望用AI来帮助我们更好地理解大脑，然后把这些新的理解用来改善大脑健康，进而提升 AI本身，设计出更好的脑启发的人工智能。”李东胜介绍了自己的研究思路。
AI建模加速理解大脑
理解大脑有多种不同的技术，在临床上比较常用的叫做脑电，它是记录大脑神经活动的电信号，是研究大脑最重要的生理信号，也是研究脑部变化最便捷的一种方式。脑电信号是通过神经元之间的活动所产生的电信号，这些电信号在神经元之间传递形成电场。如果在头皮上贴一个电极去记录电场信息，就会得到一个电信号，“脑电信号是医学阅读能力的一种方式，我们更关注怎样用机器去阅读脑电信号”。
李东胜从最早记录脑电信号的阿尔法波讲起，分析了人在睡眠过程中产生的脑电波。他还以帕金森病人为例，通过解析研究范式提出了两个问题：如何面临数据上的挑战和建模问题的挑战？
人的大脑有很多功能分区，每个功能区各司其职，负责执行不同的任务。在功能区内部，脑电产生的信号具有很强的关联性。如果不在每个导联上去建模，从而从功能区的角度去建模，就可以把不同的导联用同样的功能去定性。“这个时代证明了这件事情确实是可以做到的。”李东胜笑言。
人工智能技术显著提高了脑部疾病检测的准确性。李东胜介绍了通过新的访问建模，开发出的一种能更好检测脑部疾病的工具——人工智能机器人（AI neurologist）。这是一个脑电监控的窗口，大量实验证明，通过对它的使用，检测准确率得到大幅提升，有助于医生进行临床诊断。在此基础上，为提升脑电信号的分析效果，李东胜团队构建了第一个跨数据集的脑电预训练大模型，解决了现实世界中人类脑电波（EEG）数据的异质问题，并显著提升检测脑部疾病、解码大脑信号等任务的准确性。
神经科学发现启发AI神经网络
在李东胜看来，人工智能的设计和优化目标虽与大脑并不完全相同，也无需完全复制大脑的功能，但大脑有很多值得借鉴的机制可以用来提升人工智能技术。
如何通过复杂的神经网络结构做一些正常启发的短时间网络设计？李东胜介绍了通过模拟大脑的计算和通信方式，解决人工智能行业能耗问题的探索。
人体神经元是通过各种连接模式相互作用来处理信息的，其中，前馈激励和抑制、反馈抑制、侧抑制和相互抑制四种类型最为常见。很多现有的人工智能神经网络仅包含其中的一两种类型，例如多层感知器只包含前馈激励，并不能把其他模式都集成到一种神经网络中。
在这种情况下，基于神经元连接模式的启发，团队提出了一种新型神经网络——CircuitNet。这种网络模型能够统一实现大脑中的前向、后向、抑制、促进等各种信号传输机制，相比于传统的多层感知机（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）和Transformer等神经网络，CircuitNet以更少的参数实现更好的效果，更趋同于脑部神经元处理信息的模式，有望在多种任务上取得突破性进展。
“在未来我们非常希望继续做脑科学和AI的交叉的研究，一方面，我们通过大的启发让我们设计出更强的人工智能，反过来，希望用API来帮助科学家们更好地去分析大脑数据，理解大脑功能，理解中国的疾病。”李东胜说。
复旦大学AI4S脑科学交叉与转化系列讲座是脑功能与脑疾病全国重点实验室、教育部脑科学前沿科学中心、复旦大学脑科学研究院联合上海科学智能研究院启动的以AI for Science为主题的系列讲座，将邀请国内外AI和转化领域的专家，介绍AI领域的前沿进展，AI工具在脑相关领域中的应用，支撑脑科学和脑疾病的交叉创新和转化应用。
