（全文约1万字，阅读大约需要15分钟）

尊敬的张校长，各位领导、各位同事、各位同学：

非常高兴今天能医院，跟大家再次相聚，同时介绍一下近年来我和我的团队所做的工作。在讲座之前，我特别想感谢第四军医大学，就是现在的空军军医大学，医院。这里勾起了我很多的回忆，这是我一生中难以忘怀的一个经历。那时候我们都还年轻，每天早晨起来跑步、唱歌，这里充满了欢乐。

医院实习的日子，每天期待实习见到病人的那种担心、那种诚惶诚恐，每天见到新病人，那种初出茅庐的感受……过去的一些经历，包括在病房里的工作经历，对我来说都是非常难忘的。我在不同场合里作报告，都会讲我为什么会做疼痛研究，并且在大学毕业以后一直坚持到现在。主要原因是什么呢？还是跟我大学期间医院做实习生时候的经历有关。当时我作为一个实习医生，收到一个年轻病人，不知道什么原因他非常地疼痛。后来在老师的带领下我们诊断他是一个转移瘤，压迫了神经，转移瘤压迫腰部神经造成的肚子疼。剧痛使他难忍，但是我们作为年轻医生来说，在那个时候，可能在今天也同样很难有什么特别好的办法让他不痛。这个年轻的病人来就诊是在夜晚，整个晚上他的惨叫让病房其他病人无法休息，他一直在哀求说你给我找点药吧，我实在是痛得受不了。当时看到病人这样，心里感觉到一种无助。有时年轻医生的陪伴对这种绝望的病人来说也是一种治疗、一种安慰。毕竟我们的医学还没有达到那个程度，可以帮助这个病人消除他的痛苦。

后来病人过世了，在那个病人过世的夜晚，我非常得难过。我才感到我们的医学，特别是医学科技、药物的研发，怎么就没有到减轻病人痛苦的这种程度。一个青年人在这种痛苦之下，他不愿意留在这个世界上。这世界对他没什么好留恋的感觉，我觉得是一种悲哀，是我们医生的痛苦，我们痛在心上。因此那时候，基本上就是那个夜晚是我一直坚持在做疼痛研究和药物研发的原因吧。所以呢，医院是我励志的地方，我永远不可能忘记当时的一草一木和周围的人，永远不会忘记当时日日夜夜如何学习，如何看病人，如何产生各种各样的想法，如何在实习的业余时间还坚持读神经解剖，或者其它跟神经有关的书籍。所以我非常有幸在四医大学习，然后留校以后在鞠躬院士那里继续成长，直到最后出国留学等等。这些经历，就是我永远感谢空军军医大学和医院的原因。

我今天的报告，是一个延续性的。当然我知道，后来我在中科院工作，那么中科院的工作基本上延续了我当时励志研习的方向，即疼痛及其相关的神经系统疾病研究。同时，我还担任了上海分院的副院长，也是统筹一些科技发展的事情，这些历程也是非常巧合。

那么，从神经科学一直到今天的人工智能，它们的融合和发展对社会发展起了一个很重要的推动作用。大家知道，在我们的大脑中间，有的人说是有亿或亿左右数目巨大的神经元，它通过神经突触联系成为神经网络，尤其在我们的大脑中这些神经网络又进一步融合，成为神经环路，组成神经网络，来传递各种各样的信息。直到现在，我们对于神经元的种类都不是特别清楚，但它却是全球范围内研究者努力的方向。

其中有一个研究方向叫做神经连接图谱，它是认识大脑和发展类脑人工智能技术的一个重要的理论基础。那么，何所谓连接图谱呢？本质上就是研究神经元之间怎么能够发生连接，形成环路和神经网络。那么它们功能是什么，以及在神经退行性疾病的情况下，它的改变如何造成了我们在感知、认知上能力的缺陷，如阿尔茨海默症等。

这些理论的东西，神经、大脑连接的原理和工作原理的理解有助于我们研究脑机接口、人工智能等理论和它的这个技术原理和设计，这个到现在也已经达成共识。脑科学与类脑智能的融合是相互支撑、相互促进、共同发展的。脑科学主要是解析，比如说声音是怎么样连接起来以及如何工作的，它的认知和制定基础，以及相关疾病的早期诊断和干预等等。而类脑研究主要是在所谓的类脑，就是英文的brain-inspired，在中文里面就是脑启发，或者说是脑的结构功能、工作机理或者原理启发下的智能理论和技术。那么，它包括了类脑继续学习，包括类神经计算器械、类脑智能系统一系列启发的信息技术，现在所有的人工智能和智能产业的发展起了很大推动作用。

那么在这个过程中间，最重要的还是要从脑科学和神经科学当中获得启发，发展新的理论方法，提高机器的技能。同时我们对用机械的方法、机器的方法来验证我们很多神经科学理论，比如说神经环路和神经网络的一些构建理论，感知与认知的一些理论，如果能在人工设计的情况下实现的话，通过不同的算法以及模型等等，那么这也是对我们脑科学的一些理论和技术，特别是理论上的验证和推动。当然，这两个方面的研究，它产出的形态是不一样的，你可以试试从生物学和医学研究来讲，它主要还是功能、网络、连接、环路、突触连接以及相关的一些疾病等，这种靠近生物学的一个范畴。而我们讲的所谓智能技术，与我们的芯片设计、机器人以及计算机系统等相关。所以对于神经科学来说，特定脑区的功能连接、网络结构的解析与模拟是得到脑网络、实现其功能的线路设计图。

另一方面，受神经信息处理机制和认知机理的启发，研究类脑的认知计算模型、信息处理、计算芯片和智能机器人提高智能系统的功能。所以，从各自的研究特点来看，它中间有一个很明显的交叉。

因此，脑科学一直是人工智能很多算法的一些来源，但是在现代技术条件下，它越来越物化，它最终会产生产品。在这个过程中，理论和最终的产出是需要多学科交叉才能实现的。中国科学院年郭爱克院士带领着我们一起做一个大的研究计划，叫作脑功能连接图谱研究计划。他这个研究计划呢，我认为是最为完整地分析了过去和未来神经科学的一些基本理论和框架，把上面得出来以及国外脑图谱研究的优缺点综合起来，得出来研究计划，是研究特定脑区功能的神经连接通路和网络结构的解析与模拟。

我当时就觉得我们国家非常地有希望。国家支持科学，一群科学家做出来一个纯理论研究的战略报告和那些设想研究路线，觉得我们国家绝对是有希望的，这么大力来支持基础研究。年的时候，大概两年多以后，也产出了一些很多比较好的理论以及核心技术原理。那么这时候我们在想，上海中科院上海分院能不能再往下走，发起一个上海脑智能工程。这是年的一个设想，当时是联合了相关的研究所、医院、企业里面的科技人员，希望做出一个把理论物化，变成一个可转化的技术，试探性看能否形成新的产业模式。因此转化性研究技术研发和平台建设成为要点。

那么这个工作理论基础是什么？实际上就是在认知过程中间，我们都知道我们会有感觉，会有学习记忆，我们有思维，有想象，有语言。那么，在大脑处理过程中，所有的外部信息都会通过我们的神经网络，比如说外周神经末梢到达脊髓背根节的神经环路，再近一步到大脑中间进行信息处理过程，才可能产生认知过程。这个形成系统实际上可以进行相应的类似联系，进行信息比对、信息抽提等，从而指挥我们的行为。实际上这个信息业也是长期用类似的语言理解来处理他们的思维和工程设计。比如说，它们也有感觉信息的加工处理，信号接收转换，信息合成编码、存储、提取、重建等等问题。在生命科学中间，我们对大脑神经科学的理解在某种程度上和信息业、计算机业的东西有很多是十分相似，只不过我们一直在各自的领域里做工作。因此我们当时有最珍贵的来自不同领域的科学家，有搞计算机的，有做芯片的，有搞算法的，有像我这样做生物医学的、脑科学的等等。我们在一起的时候有非常好的一个设想，就是我们认为脑科学和人工智能是紧密联系的两个领域，我们在感知和认知领域里面有很多的相似性。

比如说在自然信息中间，我们有视觉、有视频，那就是信息业用的比较多。但听觉和音频等等，这些是一个方面。另外，有很多人为信息，比如说图像识别、面孔、表情、语言等等，在这种相通的情况下，原来是比较远离的行业专家变得有共同语言。那么我们试图实现感知、认知、神经网络的微观原理研究。这个主要还是生命科学和早期的一些算法，像技能、宏观的应用跨越，主要还是信息网络，还有计算系统。所以当时这样老的一个PPT，我反复用，我觉得直到今天仍很有说服力。

当时的主要目标，作为一个研究，我们并没有把它与我们前面有一个中科院的基础理论为导向的研究，这个主要是工程化，是实现为目标。在基础研究方面我们仍然秉承中国人脑图谱结构的研究，另外在动物上做的比较细致，这个可以做很多细致实验的脑感觉功能图谱的研究。这两项区别在哪里呢？当时中国人脑图谱结构有核磁已经很不错了，有一些脑电也很不错。这个在继续发展，希望在关键技术上取得一些突破，使我们对脑认知障碍性疾病，比如说阿尔茨海默症等，对它的诊断治疗有所启迪。另外就是一个人脑的影像设备，无创或者微创，最好是无创的，这样检测人脑结构与功能，包括分子水平检测的技术装备，有可能会产生一些对影像设备和对生物医药产业有所贡献的东西。

另外一个细致的神经结构、环路的结构等等，可以启发我们去做神经网络芯片、神经元传感器，来制定智能服务机器人等等，这样能推动机器人产业、新材料传感器产业发展。最终，研究会产生大量的数据，这些数据可能会形成一个智能服务系统、智能云计算系统，这也是非常好的发展方向。类似这样的一个早期设想，是基于大家讨论的结果，可能只要我们在几点上会形成一个突破。第一个是感知认知原理，实现人工神经网络和互联网技术方面的突破。当时虽然我们都知道大脑的皮层有柱状结构，大脑是分区的，而且也有信息链接和信息流。在人工智能这块信息业、计算机业，可能对于单一的触觉、听觉和视觉上都有相应的研究和技术开发。但是都通到信息整合与感知的产生，大的网络系统和整合的原理的技术是不存在的，这个是很好的发展方向。从传统上来讲，我们都有人工神经网络的理论基础。我跟鞠躬教授当时学习的过程中，在四医大图书馆看了许多计算机相关的中文文章。但是我们的老师教我们的都是神经通路，从未没听过神经网络，这个词从哪来呢？后来查资料发现是计算机和人工智能领域中间常用的一个词——神经网络。当然现在大家都在用，都混了，我们也加入进去。那么把这两个东西综合起来，可能会有产生一个兼顾生物启发式工程时限性的深度学习。

接下来在神经网络芯片和智能云计算系统上有所突破。在年，我们团队中的另外两位教授在神经网络处理器上有了一些新进展，他们非常积极在做各种各样的研发，也在理论基础上进行研发。那时科大讯飞，这个翻译机器人开始有一点点苗头。因此更加鼓励了我们认准这个是一个突破方向。还有一方面，就是从感知原理、神经模型到认知技术和机器制造，这个点亦是一个很好的突破点。比如结构、生化、生理、电生理等等，它能做成一种生理模型，然后再转化为物理模型实现。进而这些物理模型可以转化为数学原理以及数学模型的硬件化，进而芯片化，产生智能器械。这个是非常有意思的接近于仿生的一种设想，但是这个要求相对比较高，你要把生命科学的一些原理，通过不断地转换变为一个新量化和器械。因此，基于神经网络，我所讲的神经网络还不是包括其他的很多其他方面，关于神经网络，你可以这么理解，作为医学生比较熟悉神经元的各种基本数据。那么我们对于感情认知基本的认知，就可以通过神经网络计算和云计算等等大数据的计算，得到一些很好的模型，这个对于我们来说就会比较有启发性。基于神经网络的数据与信息技术的发展，第二个就是基于神经网络的智能机器人的技术，在全球范围内现在发展得非常好了。

我下面讲在脑科学的研究，感知脑功能联结图谱上的研究，实际上对于一个复杂的系统，如何将它简单化，这是一个最重要的问题。就是把复杂的问题拆解成相对简单的问题、简单的结构、简单的可分性的系统。在这里结合电生理把它的功能作介绍，比如说小鼠被敲除一种基因后，可以导致热觉、痛觉完全消失，不仅仅是在行为上对热痛感觉无反应，大脑核磁共振反应也得到同样的结果反馈。当然，要真正了解神经系统的结构和功能，按照这个速度来讲，还有很长的路要走。但是有个好的开始，总是令人鼓舞的事情。

最近我们的研究又发现，在神经系统疾病，比如外周神经损伤以后导致的慢性疼痛是我比较关心的，在疾病情况下神经系统的可变性还是很大的。所以我们离真正的理解神经系统疾病的路还是很长的。比如说在外周神经损伤以后的小鼠动物模型。

你可以看到，不仅仅是正常情况下能够看到的基因种类、细胞种类，那么还出现了三类新的细胞种类。也就是说，在病理条件下，这个人的神经系统，他已经不同于正常人的神经系统了，细胞类型会发生改变。所以我们作为医生来说，要很好地理解。我举了个简单的例子，只是相对来说比中枢神经系统还要简单的情况下，很多时候，我们并不知道许多病理情况下病人的大脑到底发生了什么，到底有多少种神经元以及什么样的神经网络发生了什么样的变化，在哪里发生了变化，这个仍然是一个黑洞。因此，我们作为医生来说要充分理解病人，他的神经系统已经不再是他过去的状态，也不同于我们。所以有时大的情绪变化包括他的认知状态，我们都要有充分的理解。我们毕竟是要研究人的，中国人的脑结构图是我们研究的重中之重。

用人工智能的办法去设计最佳的手术方案，手术很成功而且非常合理。所以这么多年的新技术发展，目前脑外科医生如果不会使用现代手术方法，去设计这种可视化手术途径，可能都不能成为一流的医生，所以这个技术进步是非常快的。那么大脑，还要坚持适当地解析高级功能，比如说高级语言，我们的艺术绘画也好，还是其他方面也好，针对众多的能力它的神经编码是什么，在哪里是最关键的脑区。类似项目就是现在大家已经开始听到了很多的脑机接口技术。脑机接口技术其中一个方面就是研究脑功能，它的边界码，另外就是治疗经历。那么比如说瘫痪的病人，我们团队的研究员，他是中科院微系统所的，他们用蚕丝蛋白制备的高容量生物存储技术在全球来做的是最好的，这也是我们在的方向——打造全球最好的脑机接口技术的团队。

我们和放射科联系比较紧密。我们主要是临床实验和测试技术等方面合作，我们较重视脑结构和分子成像技术。在过去这么多年不懈的努力，在不断地产生出新东西，包括高性能核磁共振、一体脑PET-CT、MR技术等，这跟我们的终极目标是直接相关的。我们在上海市科创办的支持下，获得一个比较大的资金经费来做人脑分解功能图谱研究及设计服务平台，制造研制高性能的3D核磁共振、国际手术5G核磁共振。在建党一百周年的时候，这台机器已经医院进入临床实验。这个是国际首创，也为未来的数字医疗和智慧医疗改革做准备。

在这些研究过程中间，我们试图通过在上海的华山、大舟山实验室以医院，建立同一个数据采集平台，3D研究型核磁共振，分子代谢图谱及连接图谱。特别是在发育这些方面建立一个标准化的图谱分析流程以及在脑疾病，比如说阿尔茨海默症等等方面有所建树，构建国内首个图谱成像和新事物和技术规范，以及数据格式化标准化体系。因为我们基于底层技术的一致性，特别对我们来说，长期发展人工智能技术，其他的分析技术来说非常重要，要保持底层数据的稳定性和可重复性可比对性，这是非常重要的一件事情。

因此，在我们前面讲的多中心质控系统，使我们能够很精准地控制数据的质量，医院。比如说皮层这个厚度的差异，可以小到0.54%左右，这是一个例子，就是说他们数字的精准性是可以实现的。这一点来说，就是使我们能够直接进入很多的以数字为基础、以数据为导向的智能技术开发。这样效率就大幅度的提高，现在已经成为一个可以用的市场技术。

我们现在的发展还可以自动脑区的识别分类，以及这个风险指标提示病灶标记、识别标记等等。因此，以后数字医疗能在复杂的医疗影像，特别是脑影像上有所突破，那么一定会推动这个系统医院的影像文件的认证认可。要不然，我们永远在怀疑别人做的东西是否可靠，类似的问题在不久的未来可以解决。脑科学人工智能的发展有天生的孪生兄弟，在早期五十年代初四十年代末的时候，那时候神经科学也处在一个非常早期的发现苗头。当时的发现都是非常重要，而且是根本性的发现。比如说突触的发现、动作电位、大脑皮层结构、神经元的形态等等。这些都被借鉴去做很多人工智能的算法、模型这种概念性的突破，包括在人工智能算法上的突破，到现在仍具有历史意义。

随着大数据时代出现以及计算技术的不断的提升，人工智能的这个技术应用再次兴起，让我们毫不怀疑。而人工智能上很多理论性突破，特别是神经网络在这方面是具有重要的意义的，不是仅仅局限于理论上的学术上的一些兴趣。到现在，已经不会有人再怀疑脑科学或者脑启发的人工智能意义，相反是提出了更多的期望和问题需要解决，无论是在理论和技术上的需要解决的问题。这是非常有前景的一个领域，全世公认也是竞争性很强的一个领域。因为它直接影响到我们现在的社会的发展和生活，以及对大脑的一些理解。

用类脑技术可以实现几个突破。第一个呢是发展生物技术解析这种感知认知神经网络开发，提升人工脑。人工脑智能感知，自然语言理解和机械学习等，最后在理论上的突破。第二个城市发展大规模人工神经网络在超高性能、超低能耗预算和仿真技术以及大规模并行计算的类脑计算技术，这是极为迫切的，也是竞争的焦点。研发具备鉴定自主交互学习能力的通用智能计算系统，具有系统感知学习、抽象推理和数据分类的超级智能计算系统，这也是全球竞争的热点。竞争压力也非常大，换代速度也是非常快，其中智能芯片是最为关键，这个我就不再一一详细介绍。在未来类型的芯片之间相互促进的发展可能也是一个很重要的一个发展方向。在这里举个例子就是寒武纪的NPU深度学习神经网络处理器，这个是较早期，由我国中科院计算技术研究所实验室研发。那么当时他们主要是在这种理论上突破，基于理论突破上有真正的芯片、处理器产出。这是最早的一个原理芯片，我们叫寒武纪1A，它的效率超过主流CPU水平的一百倍，你可以作为对比来看，在描绘人的轮廓的时候，当时最好的芯片。这个对于芯片处理器，数据上完全是不可相比的。那么随即在深度NPU上一连续的突破，使他们在成为移动智能终端上的队伍一个主要组件，这是特别值得骄傲的一件事情。那么随之还有云端的芯片，多终端芯片以及新型芯片的出现等等。在这个领域里面，我们国家可能在未来芯片的设计上，会有很多脑启发智能芯片及神经拟态芯片的出现。我们这个团队、寒武纪和中科院计算所联合建立了一个先进智能中心，使我们能够在在更大规模上来监测感知认知的原理。实际上我们光靠硬件技术的不断提升并不是一定是我们解决问题、解决类脑计算问题的唯一的出路。

实际上做算法也非常重要，古神就用大数据来计算，这也是一条出路，但我们并不一定所有的计算都是算法和解决问题的方式、方法都要靠大数据。陈梦兰研究员去年发表的一个算法的论文，自动储存式算法，或者叫内置编码的信息流的巨大工程，它实际上是一个降维度，是把复杂的高维度降为低纬度，那么它在算法上的改进预测更加准确，一定量的数据就可以也不一定是非常大量的。这种算法还是刚刚开始，但是确实是很有前途。在这个仿真方面，科学家发明了人体电子皮肤，也同样变得越来越实用化。电子皮肤结合人工智能网络的算法，能够准确识别气候变化等其他方面的功能。另外在仿生眼上面也可以做更多的工作，这个是典型的生理模型到工程模型，再到智能机器人上面，这样的技术在16年就做出来，那么现在仍有进展。我们的技术呢，这个实用性方面没有说像激光雷达这些技术那么普及，经济性还有待突破，但是从原理上都已经实现了。我们已经能够做到听觉、视觉组合起来的，类人机器人脑已经有所突破。

当时我们做的脑科学技术主要集中在上海、江苏和长三角区域。把如何发展新的技术，用实物的方式证明它的可行性，这个是我们能够在这个领域中发现一些启迪的作用。但是路仍然很漫长，那么在这个过程中，我们确实是有很多的喜悦，有人也因此出名，有的团队也拥有了更加成熟的技术，也在不断地发展，不断地影响我们。

类似这样的进展还有许多，但在数据时代，结合脑科学和人工智能的理论，产生出来的东西很多。在这个时代，我们的研究永远是融合性的。在这个时代以这个为主要发展方向的研究是多学科、多行业的一种融合，但是它出来的产品是专业化，是对我们的IT业、IC业、生物医药等等都会有很重要的推动作用。我觉得我们进入一个非常好的时代，从大学教育、大学毕业、研究生毕业到今天。

今天我就觉得我们是非常有幸的，在这个时代能够和大家一起成长，能够看到我们的社会在不断进步。谢谢大家。

（根据录音整理，未经本人审阅）

整理：伍静范增慧

编辑：赵　远

责编：岳丽颖

审核：赵海强