期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 电话：010-88558766 email：aiview@ccidmedia.com
<正>人类大脑是自然界中最复杂的智能系统之一，阐明人脑各项功能的神经机制是人类认识自然与自身的终极挑战，也是开发下一代强人工智能的关键基础。大脑功能，诸如感觉加工、学习、记忆、情感等，涉及大脑众多脑区、核团和不同类型神经元间的协作。因此，在全脑尺度上解析神经元结构和功能的联接模式是揭示脑工作原理的重要基础，也是构建模拟大脑完整框架的关键前提。当今世界正经历百年未有之大变局，新一轮科技革命和产业变革深入发展，许多国家和地区都相继发布了相关战略，推出各自的“脑计划”，以期抢占科技制高点。
受脑启发的类脑智能是发展新一代人工智能的重要路径，如何借鉴生物智能实现人工智能的突破仍然面临巨大挑战。全脑计算从全脑规模与介观尺度逆向解析大脑智能，是类脑智能研究的关键技术。本文综述了目前该领域的发展现状。神经元尺度网络的全脑模拟不仅需要超大规模计算能力的支撑，为发展适应生物脑结构计算系统提出新的挑战，此外，构建面向生物脑实验数据的新型计算构架，发展认知智能相关功能实验数据的统计推断方法，将是通过大脑模拟计算反解大脑信息处理与智能工作机制的关键技术。本文提出,，基于全脑介观尺度计算与同化的数字脑孪生技术，可为大脑的逆向工程研究提供一种新范式础理论与关键技术支撑。
神经科学的概念和理论植根于不同的领域，如信息论、动力系统理论和认知心理学。并非所有这些概念和理论都可以有机联系起来，一些概念之间无法直接进行比较，而领域内的特定术语对跨领域整合也造成了障碍。然而，概念层面的整合能够提供直觉和巩固的理解形式，对神经科学的进展形成重要的指导。本文在信息理论框架内整合了确定性和随机性动力学过程，从而将信息熵和自由能与大脑网络中的涌现动力学和自组织机制联系起来。我们确定了导致网络中等变矩阵的神经元群体的基本属性，其复杂行为可以自然地通过流形上l的结构化流表示，从而建立大脑功能理论的内在模型。我们使用大脑网络模拟平台The将这些概念转化为实际应用，并通过健康老龄化和癫痫的例子说明了它的用途。
让人类的心智在计算系统中重现，对大脑的模拟是其中的关键。目前，脑与认知科学的进展虽然尚不足以支持对整个人脑及其连接进行精细计算模拟，但是受脑神经机制和认知机制启发，从微观、介观和宏观水平对大脑进行计算建模仍然对于推进从科学上理解脑的机制机理以及促进类脑人工智能意义深远。构建兼具生物合理性和计算高效性的神经网络模型是认知脑的计算模拟与类脑智能研究面临的重要挑战。本文将从回顾认知体系结构、计算神经科学和类脑人工智能的历史脉络、发展进程的视角切入，介绍大规模脑模拟的全球布局与进展以及类脑脉冲神经网络平台的研究，最后展望未来脑模拟与类脑智能研究的发展方向。
过去近百年的神经科学研究让我们对大脑的工作机制取得了初步的理解，脑仿真技术在其中发挥了关键性的作用。未来脑仿真研究将在理解大脑工作机制、推进类脑计算与新一代人工智能的发展中发挥重要作用。我们在这篇综述中，围绕面向类脑计算的脑仿真研究进展情况，从模型、仿真工具、皮层和神经环路功能模拟、脑疾病、与人工智能的互相促进等几方面进行阐述与分析，并对其未来发展趋势及有望取得突破的一些关键问题进行了展望，希望能够促进对类脑计算、脑仿真，以及人工智能交叉领域的研究兴趣。
类脑智能研究深入交叉脑科学和人工智能，旨在从脑科学中汲取结构、功能、机制等方面的灵感，用以启发人工智能软硬件研究。本文聚焦生物结构，重点总结神经侧向交互、生物彩票网络假设、Mot件架构的结构设计中。未来，随着多尺度和多类型生物网络组图谱的绘制，越来越多生物结构启发的网络基本算子可以被抽提出来并持续推动类脑智能的创新发展。
神经元之间的联接结构和脑网络动力学是探究脑原理的两个重要视角，也是进行脑模拟不可或缺的两个重要元素。学界已通过实验和算法成功描绘了线虫以及果蝇中部脑区的神经元层次联接图谱，但构建其他动物的全脑神经联接图谱仍需时日。得益于近年来脑成像技术在分辨率、速度、深度和视场等方面取得的快速进步，学界积累了越来越多的神经活动数据。因此，通过数据驱动的方式，从神经活动数据逆向推理神经联接网络的结构和动力学模式正成为一个重要的研究方向。本文将从网络科学的角度，梳理基于节点活动数据的有向网络结构和动力学推理方法，并简述该方向上的研究进展，最后讨论仍面临的困难和挑战。
智能神经假体是一种替代大脑特定功能的电子装置，为受损的大脑区域开辟一条人工电子通路，通过重塑神经信息传递，修复因神经受损导致的大脑智能缺失。当前，对于这种“替代通路”的设计更多来源于局部功能连接模型，而缺乏针对不同脑区间高度非线性连接的精细建模，这限制了神经假体可重建的感认知能力。本文旨在探讨面向智能神经假体神经信息传递的非线性建模问题，为实现更精准的智能神经假体提供拟合度更高、性能更稳定的理论模型。本文首先简要回顾神经假体的研究进展;其次，针对现有神经信息传递模型非线性表达能力差、性能不稳定等不足进行分析;最后，探讨非线性神经信息传递模型的设计与实践。
神经科学和人工智能有着悠久且互相交织的发展历史，对生物大脑结构与功能的理解在构建智能系统中发挥着重要作用。近年来，人工智能的理论及其应用发展迅速，而神经科学领域也产生了大量涵盖分子、神经元、微环路和大脑区域等多个尺度的结构功能数据，全脑水平的多尺度整合与模拟有助于对通用智能的存在形式深入理解，并在超大规模的网络中为人工智能领域提供不竭的灵感。因此，在本综述中我们主要介绍了全脑微观、介观、宏观三个尺度的数据类型与模拟方法的相关进展，以及目前全脑模拟过程中复杂度与规模性、数据获取和重构速度与整合程度等方面所面临的巨大挑战。未来，神经科学和人工智能领域间需要搭建起沟通的桥梁，以提高全脑多尺度数据类型的整合程度。高性能的神经模拟软件和平台，将有助于仿生数字脑的重建速度，增强生物智能系统在硬件和软件上的应用表现。
对全脑尺度的神经功能数据进行分析，并结合全脑计算模拟探索感觉运动转导等神经机制，是神经科学的重要方向之一。斑马鱼幼鱼的全脑功能成像为探索全脑的信息编码、处理并输出提供了完整的数据支撑。本文回顾了近期国内外基于斑马鱼功能成像的数据分析及全脑模拟的重要进展。其中，基于统计学的分析方法为解析数据背后的脑活动机制提供了切入点，迅速发展的人工神经网络等辅助实现了全脑模拟计算并解析出集体动力学现象，进而在全脑尺度上阐释了重要群体神经活动产生原理。
传统云计算模式将所有数据集中，以中心化原则在云上训练大模型，通过云服务支撑端侧多样服务需求，这一模式存在网络时延大、隐私安全低和算力成本高等不足。在“泛在互联、移动优先、AI赋能”时代，需要机器学习支撑丰富多样端侧应用，因此建立端云协同计算范式，既提供云上服务和端侧推理能力，又推动云上模型和端侧模型的协同进化，从云计算和端智能向端云协同进化计算模式进行跨越，充分发挥云上、端侧和端云链中各类计算资源的最佳效果是当前的重大挑战。本文围绕云上预训练大模型、端云协同体系、基于端云协同体系的预训练大模型服务化与隐私保护，以及未来挑战进行了讨论。