神经人工智能：为未来创新搭建神经科学与人工智能的桥梁

神经人工智能：为未来创新搭建神经科学与人工智能的桥梁

NeuroAI（神经人工智能）是神经科学与人工智能（AI）交叉融合的新兴领域，近年来在学术界和工业界引起了广泛关注。它通过模拟大脑功能来解码智能行为，对于解决复杂挑战至关重要。

“NeuroAI”结合了“神经科学”和“人工智能”（AI），作为一个研究领域正在迅速引起关注。几年前还不为人知的它，如今在研讨会、会议和学术项目中占有突出地位，包括BRAIN-倡议研讨会。该领域将AI复制智能的目标与神经科学对类脑计算的洞察结合在一起。AI使用神经网络来模拟大脑，测试关于神经计算的理论，反映了理查德·费曼的观点：真正的理解来自创造。同时，神经科学激励AI创造具有人的能力的系统，形成一个加速两个领域的反馈循环。

在DeepLabCut等AI应用中，AI在神经科学中简化数据分析，类似于其在蛋白质折叠或图像识别中的角色，但这并不严格属于“NeuroAI”。AI与神经科学的联系可以追溯到约翰·冯·诺依曼1945年关于EDVAC计算机架构的报告，灵感来自麦卡洛克和皮茨1943年的神经网络论文。弗兰克·罗森布拉特1958年的感知器推动了网络中数据驱动学习的理念，受到唐纳德·赫布在突触可塑性方面的研究影响。尽管单层感知器面临限制，突触作为可适应学习元素的概念仍然至关重要。

协同进步包括卷积神经网络（CNN），受视觉皮层模型启发，还有以谷歌AlphaZero为例的强化学习。类似"dropout"的技术模仿神经元失火以增强神经网络的弹性。这种相互关系丰富了AI和神经科学；神经网络促进了我们对大脑计算的理解，激发新模型和算法的出现。

随着NeuroAI的发展，它加深了我们对生物和人工智能的理解，承诺进一步整合和扩展这些领域。这个系列文章将深入探讨这些变革性的联系以及它们提出的实际和伦理问题。

News source

Brief news summary

NeuroAI是一个新兴领域，处于神经科学与人工智能的交叉点，受到像“BRAIN Initiative”这样的项目的显著关注。它通过用神经网络模拟大脑功能来解码智能行为，对于解决复杂挑战至关重要。该领域有两个主要目标：利用AI来模拟大脑活动并用以神经科学，同时应用神经科学发现来推动AI的发展，促进相互成长。

这种跨学科合作可以追溯到早期的神经网络理论，以感知器为例。最初，这些受到神经科学启发的想法受到质疑，但如今像唐纳德·赫布提出的突触可塑性已成为AI中的关键。Hopfield网络和卷积神经网络（CNN），从视觉皮层汲取灵感的发展，显著推动了人工视觉系统的进步。

像AlphaZero使用的强化学习技术具有神经学基础，而像dropout这样的方法模仿生物过程以减少AI中的过拟合。神经科学和AI之间的协同作用丰富了这两个领域：人工网络模拟视觉皮层功能并激发新的大脑理论，同时优化机器学习算法。NeuroAI旨在加深我们对生物智能和人工智能的理解，强调它们的相互关联性。一系列随笔将进一步探讨这些创新及其更广泛的影响。