人类的大脑是生物演化的奇迹，它是由数百种不同类型的上千亿的神经细胞所构成的 极为复杂的生物组织。理解大脑的结构与功能是 21 世纪最具挑战性的前沿科学问题；理解 认知、思维、意识和语言的神经基础，是人类认识自然与自身的终极挑战。脑科学对各种 脑功能神经基础的解析，对有效诊断和治疗脑疾病有重要的临床意义；脑科学所启发的类 脑研究可推动新一代人工智能技术和新型信息产业的发展。

《国家中长期科学和技术发展规划纲要（2006—2020）》对脑科学与认知科学研究做 了战略规划：“脑功能的细胞和分子机理，脑重大疾病的发生发展机理，脑发育、可塑性 与人类智力的关系，学习记忆和思维等脑高级认知功能的过程及其神经基础，脑信息表达 与脑式信息处理系统，人脑与计算机对话等。”近年来，脑科学在基础研究和应用方面酝酿着历史性的重大突破，发达国家纷纷推出大型脑研究 计划；我国政府亦将启动“脑科学与类脑研究”国家科 技重大专项：侧重以探索大脑认知原理的基础研究为主 体，以发展类脑人工智能的计算技术和器件及研发脑重 大疾病的诊断干预手段为应用导向。面对激烈的国际竞 争以及迫切的社会需求，“脑科学与类脑研究”项目的 实施，将有助于我国在脑认知原理、类脑人工智能和脑 疾病诊治的前沿领域取得重大突破，在国际上产生引领 作用。

现代神经科学的起点是神经解剖学和组织学对神 经系统结构的认识和分析。从宏观层面，Broca 和 Wernicke 对大脑语言区的定位，Brodmann 对脑区的组织学 分割，Penfield 对大脑运动和感觉皮层对应身体各部位的 图谱绘制、功能核磁共振成像对在活体进行任务时脑内 依赖于电活动的血流信号等，使我们对大脑各脑区可能 参与某种脑功能已有相当的理解。由于每一脑区的神经 元种类多样，局部微环路和长程投射环路错综复杂，要 理解神经系统处理信息的工作原理，必须先具有神经元 层面的神经联结结构和电活动信息。20 世纪在神经元层 面从下而上的研究也有了一些标志性的突破，如 Cajal 对 神经系统的细胞基础及神经元极性结构和多样形态的分 析，Sherrington 对神经环路和脊髓反射弧的定义，Adrian 发现神经信息以动作电位的频率来编码信息的幅度， Hodgkin 和 Huxley 对从动作电位的离子机制并发现各种 神经递质及其功能，Katz 和 Eccles 对化学突触传递的分 析，Hubel 和 Wiesel 发现各种视觉神经元从简单到复杂的 感受野特性，Bliss 和 Ito 等人发现突触的长期强化和弱化 现象，O’keefe 等人发现对特定空间定位有反应的神经元 等，使我们对神经元如何编码、转导和储存神经信息有 了较清楚的理解，但是这些神经元的特性是如何通过局 部环路和长程环路产生的，我们的理解还十分有限。至 于对环路中的神经信息如何产生感知觉、情绪、思维、 抉择、意识、语言等各种脑认知功能的理解更为粗浅。 问题的关键是，我们对脑功能相关的神经环路结构和神 经信息处理机制的解析仍极不清楚。

就像 20 世纪 90 年代“全基因组测序”是理解生物体 基因基础的关键，“全脑图谱的制作”已成为脑科学必 须攻克的关口。核磁共振等脑成像技术大大推动了人们 在无创条件下对大脑宏观结构和电活动的理解^[1]。但是由 于这些宏观成像技术的低时空分辨率（秒、厘米级）， 不能满足在解析大脑神经网络结构和工作原理时的需 求，目前急需有介观层面细胞级分辨率（微米级）神经 网络的图谱和高时间分辨率（毫秒级）的载体神经元集 群的电活动图谱。完整的全脑图谱制作的必要过程中， 对每个脑区神经元种类的鉴定是必要的一步。目前使用 单细胞深度RNA测序技术对小鼠大脑进行的鉴定中，已 发现许多新的神经元亚型。利用在这些神经元亚型特异 表达的分子作为标记，可以绘制各脑区各种类型神经元 的输入和输出联接图谱。对一个神经元亚型的最好的定 义是连接和功能的定义：接受相同神经元的输入并对相 同脑区的相同神经元有输出的一群神经元。在建立结构 图谱后，需要描叙各个神经联接在进行脑功能时的电活 动图谱，这就需要有对神经元集群在体内的观测手段。 有了神经元层面的网络电活动的图谱，并进一步用操纵 电活动的方式来决定该电活动与脑功能的因果关系，就 能逐步解析脑功能的神经基础。

上述三类脑图谱（神经元种类图谱、介观神经联接 图谱、介观神经元电活动图谱）的制作将是脑科学界长 期的工作。以目前已有的技术，鉴别小鼠全脑的所有神 经元的类型和介观层面的全脑神经网络结构图谱制作至 少需要10—15年，而对非人灵长类（如猕猴）则可能需 要20—30年以上的时间。当然，与过去人类基因组测序 一样，脑结构图谱制作的进展速度很大程度上依赖于介 观层面观测新技术的研发，后者又依赖于对新技术研发和图谱制作的科研投资。值得注意的是，在全脑神经联 接图谱未完成前，神经科学家针对特定脑功能的已知神 经环路，对其工作机制已作出了许多有意义的解析。尤 其是在过去 10 年中，使用小鼠为模型，利用光遗传方法 操纵环路电活动，对特定神经环路的电活动与脑认知功 能之间的因果关系的理解，取得了前所未有的进展^{[2, 3]}。 神经系统内所有的脑功能环路都存在于彼此相连的神经 网路之中，许多认知功能的神经环路都牵涉到许多脑区 的网路，全脑的结构和电活动图谱是完整地理解大脑功 能神经基础所必需的^[4]。

许多动物都具有基本脑认知功能，例如感觉和知 觉、学习和记忆、情绪和情感、注意和抉择等，这些 功能的神经环路和工作机理研究，可使用各种动物模型 （包括果蝇、斑马鱼、鼠、猴等）；但是对高等脑认知 功能，如共情心、思维、意识、语言等，可能有必要使 用非人灵长类（如猕猴和狨猴）为实验动物。介观神经 网络的神经元类别、结构性和功能性的联接图谱绘制， 在未来 20 年将是不可或缺的脑科学领域。我国科学家有 望在此领域发挥引领作用。

据世界卫生组织定量评价，全球各类疾病给社会 造成的负担中，脑疾病占 28%，已超过心血管疾病或癌 症。其中备受关注的脑疾病包括神经发育疾病（如自闭 症）、精神疾病（如抑郁症）和神经退行性疾病（如老 年痴呆症等）。神经发育疾病是一类由脑部生长和发育 缺陷导致的疾病，表现为情绪、认知等功能的异常。 不少病变发生的时期较早，在婴儿期或童年期就有表 现。其中自闭症（又称孤独症）主要表现为人际交往、 情感、语言交流等方面的障碍，以及狭隘的兴趣和重 复刻板等怪异行为。我国 0—6 岁低龄儿童占人口总数 近 8%，自闭症的发病率很高，一般平均在 1% 左右。 根据局部抽样调查数据保守推算，我国患儿人数已过 百万，受自闭症困扰的人群可能达千万。精神疾病是由 神经系统病变导致的行为和心理活动紊乱，表现为认 知、情感、意志等精神活动出现不同程度的障碍。其中 抑郁症最为普遍，据中国疾病预防控制中心调查，我国 抑郁症的发病率超过 4%，患者人数超过 3 000 万，已成 为影响我国人民生产生活的主要病症之一。神经退行性 疾病是一类以神经元的结构和功能逐渐丧失以至死亡为 特征的神经系统病变。其中常见的是老年痴呆症（又称 为阿尔茨海默综合征），在 65 岁及以上的人群中发病率 约 13%，并且发病率随着年龄的增长而大幅提高。85 岁 及以上的人群，约有一半以上患有此病。2014 年我国 老龄人口已突破 2 亿大关，并且将以每年 100 万的速度 增长。我国属老年痴呆症的高发地区，目前患者人数超 过 600 万，居全球首位，且呈明显上升趋势。

目前科学界对这三类重大脑疾病（幼年期自闭症和 智障，中年期抑郁症和成瘾、老年期的退行性脑疾病） 的病因仍不了解，治疗的措施也十分缺乏。早期诊断和 早期干预将是对脑疾病最有效的医疗方式。人类需要继 续探索这些脑重大疾病的致病机理，致病机理的完全理 解仍有赖于阐明脑认知功能的神经基础^[5]。在完全理解 机理之前，急需研发出有效的脑重大疾病预警和早期诊 断的各种指标，包括基因变异的检测、血液体液和脑脊 液中的分子成分、脑影像及脑功能的指标等。对诊断出 的早期患者，需要早期干预，以延缓或预防脑疾病的出 现。我们需要研发早期干预的药理、生理和物理新技术 和新仪器。目前医疗界已在使用一些物理刺激技术来治 疗脑疾病，如穿颅磁刺激（TMS）、穿颅直流电刺激 （tDCS）、深度脑刺激（TMS）等，这些刺激方法的精 度和刺激模式需进一步优化，而优化的过程仍依赖于脑 科学对认知功能的神经环路所获得的新信息。新药物和 新型生理物理干预技术的研发，需要合适的动物模型， 因此，建立脑重大疾病的非人灵长类模型是不可或缺的 一环。

1956 年夏季，以麦卡锡、明斯基等为首的一批有远 见的年轻科学家探讨用机器模拟智能，并提出了人工智能这一术语，60 年来该领域的理论和技术都得到了迅速 的发展。

图灵奖获得者 Allen Newell 以认知心理学为核心， 探索认知体系结构。至今在认知心理学与人工智能领域 广泛应用于心智建模的认知体系结构 SOAR 与 ACT-R 都 是在 Newell 直接领导下或受其启发而发展起来的，并以 此为基石实现了对人类各种认知功能的建模^{[6, 7]}。David Marr 不但是计算机视觉的开拓者^[8]，还奠定了神经元群之 间存储、处理、传递信息的计算基础，特别是对学习与记 忆、视觉相关环路的神经计算建模作出了重要贡献^{[9, 10, 11, 12]}。 Hodgkin 与 Huxley 依据生理实验结果创建了第一个精细 的动作电位模型^[13]，Misha 等人构建了神经元之间的突触 计算模型^[14]。由瑞士洛桑联邦理工大学（EPFL）发起的 “蓝脑计划”自 2005 年开始实施，经过 10 年的努力，目 前专注于极为精细的微观神经元及其微环路建模，较为 完整地完成了特定脑区内皮质柱的计算模拟^[15]。但总体 而言，以上工作要真正实现认知功能的模拟还有很大鸿 沟需要跨越^[16]。

人工智能符号主义研究的出发点是对人类思维、行 为的符号化高层抽象描述，20 世纪 70 年代兴起的专家系 统是该类方法的代表。而以人工神经网络为代表的联接主 义的出发点正是对脑神经系统结构及其计算机制的初步模 拟。人工神经网络的研究可以追溯到 20 世纪 40 年代^[17]， 有些还借鉴了脑神经元之间突触联接的赫布法则作为其 学习理论^[18]。感知器（Perceptron）是浅层人工神经网络 的代表，由于其权值自学习能力引起了巨大关注^[19]。Minsky 等人指出，单层感知器无法表示异或函数的缺陷使 得人工神经网络研究一度陷入低谷，而反向传播算法的 提出解决了多层感知机学习的难题^[20]。随后 Minsky 在文 献^[19]中提出的第二个问题，即当时计算能力的提升不足 以支持大规模神经网络训练的问题长期限制了人工神经 网络的发展，直至深度学习的诞生及其支撑硬件平台的 发展^[21]。在深度学习提出之前，Rumelhart 等人重新提 出误差反向传播算法，其在非线性模式分类中显示的强 大性能带动了人工神经网络研究和应用的一轮热潮^[22]。 LeCun 等人提出的卷积神经网络受到了 Fukushima 等人更 早提出的 Neocognitron 的启发^{[23, 24]}。深度学习算法提出之 后，随着 GPU 并行计算的推广和大数据的出现，在大规 模数据上训练多层神经网络成为可能，从而大大提升了 神经网络的学习和泛化能力。然而，增加层数的人工神 经网络仍然是脑神经系统的粗糙模拟，且其学习的灵活 性仍远逊于人脑^[16]。

在人工神经网络的研究中，大多数学者主要关心提 升网络学习的性能。Poggio 及其合作者的工作是人工神经 网络向更类脑方向发展的典范，特别是其模仿人类视觉信 息处理通路构建的 HMAX 模型上的一系列工作^{[25, 26]}。此 外，Bengio 及其合作者融合了脑的基底神经节与前额叶 的信息处理机制，提出了类脑强化学习，也是人工神经 网络向更类脑的方向发展有较大影响力的工作^[27]。加拿 大滑铁卢大学 Eliasmith 团队的 SPAUN 脑模拟器是多脑区 协同计算领域标志性的工作^[28]。由 Hawkins 提出的分层 时序记忆（Hierarchical Temporal Memory）模型更为深度 地借鉴了脑信息处理机制，主要体现在该模型借鉴了脑 皮层的 6 层组织结构及不同层次神经元之间的信息传递 机制、皮质柱的信息处理原理等^{[29, 30]}。

从问题求解目标讲，几乎所有的人工智能系统都 需要首先进行人工形式化建模，转化为一类特定的计算 问题（如搜索、自动推理、机器学习等）进行处理， 因而人工智能系统都被称为专用人工智能系统。IBM DeepBlue 系统击败国际象棋世界冠军卡斯帕罗夫、IBM Watson 问答系统在“危险边缘”挑战赛中击败人类对 手、Siri 等自动人机对话与服务系统的出现、Google 汽 车自动驾驶等都从不同视角展示了这个领域的进展。而 最为震撼的是，2016 年 3 月份 Google 的 AlphaGo 程序首 次利用深度学习技术击败人类围棋世界冠军。这些人工 智能系统的出现，有力地推动了人工智能技术和应用的 发展，也使得人工智能成为目前 IT 领域最为引人注目的 领域。

的智能系统 人工智能技术代表着国家竞争力，并正在以前所未 有的速度渗透到现代服务业、工业和军事等领域中。随 着老龄化社会的到来，需要大量具备能理解人类意图并 进行人机协同工作的智能机器人，欧盟 SPARC 就启动了 全球最大的民用机器人研发计划；以 IBM Watson 为代 表，将有大量具备复杂数据整合和分析能力的人工智能 用于医疗、法律、政府决策等领域，正在替代很多专业 领域的白领工作；通过人工智能技术实现无人驾驶，不 但释放大量劳动力、提高生活质量，且是另外一个万亿 级规模产值的领域。我国人口红利的消失也迫切需要发 展各种智能机器人替代蓝领工人，智能化成为未来工业 发展的必然趋势。德国“工业 4.0”，软银集团的孙正义 提出 2050 年机器人拯救日本经济，美国总统奥巴马提出 的以机器人为核心的高端制造业回归，无不对中国智能 产业发展构成重大挑战。美国的 X47-B 无人机实现在航 母上的自主起降，美国的 BigDog 能在多种复杂环境中自 如稳定行进，世界军事强国已逐步形成以加速发展智能 化武器装备为核心的竞争态势。可以说，没有智能技术 武装的服务业、工业和军事的大国之间的较量，就犹如 侏儒和巨人的格斗。

（1）人工智能要满足现实需求还缺乏足够的适应 性。 图灵机计算的本质是需要人们对现实世界进行形式 化的定义，模型能力取决于人对物理世界的认知程度， 因此人限定了机器描述问题、解决问题的程度。这使得 目前的智能系统在感知、认知、控制等多方面都存在巨 大瓶颈。例如还难以实现海量多模态信息的选择性感知 与注意、模式识别与语言理解在处理机制与效率等方面 与人脑相比还存在明显不足，需要针对某个专用问题非 常依赖人工输入知识或提供大规模标记训练样本^[16]。

（2）目前的人工智能技术缺乏通用性。 语音识别、 图像处理、自然语言处理、机器翻译等采用不同的模型 和不同的学习数据，两种不同的任务无法采用同一套系 统进行求解，不同任务之间知识也无法共享。而人脑却 采用同一个信息处理系统进行自动感知、问题分析与求 解、决策控制等。

（3）目前基于深度学习方法已经在人工智能领域 取得了很大的成功，然而其代价是高耗能。 例如在执行 AlphaGo 这样的任务时，共动用了 1 202 个 CPU 核和 176 GPU 核，采用了 40 个搜索线程进行计算。按照这个耗能 计算，我们还无法想象要实现一个具备大脑功能的智能 系统按照目前的水平需要多少供电。而人类大脑的功耗 仅在 20W 左右。

Ailamaki 等人^[31]指出：“除人脑以外，没有任何一 个自然或人工系统能够具有对新环境与新挑战的自适应 能力、新信息与新技能的自动获取能力、在复杂环境下 进行有效决策并稳定工作直至几十年的能力。没有任何 系统能够在多处损伤的情况下保持像人脑一样好的鲁棒 性，在处理同样复杂的任务时，没有任何人工系统能够 媲美人脑的低能耗性。”近年来，脑与神经科学、认知 科学的进展使得在脑区、神经簇、神经微环路、神经元 等不同尺度观测的各种认知任务中，获取脑组织的部分 活动相关数据已成为可能。人脑信息处理过程不再仅凭 猜测，而通过多学科交叉和实验研究获得的人脑工作机 制也更具可靠性。因此，受脑信息处理机制启发，借鉴 脑神经机制和认知行为机制发展类脑智能已成为近年来 人工智能与计算科学领域的研究热点^[16]。

新一代人工智能需要在上述脑研究启发下，以多脑 区、多模态和多任务协同为核心，研究神经网络微观刺 激调控和宏观动态演化、视听触感认知通道及协同、长 时短时记忆与决策、运动视觉与规划控制等，建立具有 生物和数学基础的计算模型与学习方法，实现具有自主 学习能力的智能系统。

近年来国际上兴起了脑科学研究的热潮，发达国家 纷纷推出大型脑研究计划。其中最受关注的是 2013 年美国和欧盟分别提出的“通过推动创新型神经技术开展大 脑研究计划（Brain Research through Advancing Innovative Neurotechnologies，BRAIN）”和“人脑计划 （Human Brain Project，HBP） ”，以及 2014 年日本启动的“脑 智（Brain/MIND）计划”。美国的脑计划侧重于新型 脑研究技术的研发^{[32, 33]}，从而揭示脑的工作原理和脑的 重大疾病发生机制，其目标是像人类基因组计划那样， 不仅要引领前沿科学发展，同时带动相关高科技产业 的发展。在未来 10 年将新增投入 45 亿美元。参与此计 划的机构包括美国政府科研资助机构（如 NIH、NSF、 DARPA）、民间基金会（Kavli、Simon 基金会）和研究 所（Allen 研究所）。在计划启动之初，美国 NIH 成立了 工作小组，邀请专家在全美各地召开讨论会征求意见， 并为此计划提出了 9 项优先发展的领域和目标，其中依 序为：鉴定神经细胞的类型并达成共识；绘制大脑结构 图谱；研发新的大规模神经网络电活动记录技术；研发 一套调控神经环路电活动的工具集；建立神经元电活动 与行为的联系；整合理论、模型和统计方法；解析人脑 成像技术的基本机制；建立人脑数据采集的机制；脑科 学知识的传播与人员培训。

欧盟是世界最大的经济体，多年来对脑科学及相关 疾病的研究有大量投入。2012 年 7 月“欧洲第七框架计 划（FP7）”将“脑部疾病防治”和“涉及健康、材料、 神经科学与神经机器人的信息通信技术”作为新的资助 主题，共投入 19.2 亿欧元。2013 年 1 月欧盟正式公布 “人脑计划”（HBP）为未来新兴技术旗舰计划（FETFlagship） 的两大计划之一。该计划原由瑞士的神经学 家 Henry Markram 构思并领导筹划^[34]，目标是用超级计算 机来模拟人类大脑，用于研究人脑的工作机制和未来脑 疾病的治疗，并借此推动类脑人工智能的发展。参与的 科学家来自欧盟各成员国的 87 个研究机构。

日本在2014年启动的国家脑计划的目标是“使 用整合性神经技术制作有助于脑疾病研究的大脑图 谱（ Brain Mapping by Integrated Neurotechnologies for Disease Studies，Brain/MINDS）”^[35]，为期 10 年，第一 年 2 700 万美元，以后逐年增加。此计划聚焦在使用狨猴 为动物模型，绘制从宏观到微观的脑联结图谱，并以基 因操作手段，建立脑疾病的狨猴模型。

过去两年内，在科技部的组织下，中国脑科学和智 能技术相关领域的专家举行了 10 余次讨论。这些会议 达成的基本共识是，我国急需启动一项国家级“脑科学 和类脑研究”计划；并建议此计划应依据我国的特色、 优势、需求和目前的科研力量，以理解脑认知功能的神 经基础为研究主体，以脑机智能技术和脑重大疾病诊治 手段研发为两翼，在未来 15 年内使我国的脑认知基础研 究、类脑研究和脑重大疾病研究达到国际先进水平，并 在部分领域起到引领作用 （图 1）。脑认知原理的研究 将可能产生有重大国际影响的基础科学成果；脑重大疾 病的研究可望建立早期诊断与早期干预的技术体系，大 幅度降低脑疾病的经济与社会负担。类脑研究和脑机智 能技术是未来高科技领域的关键；类脑计算系统的突破 将推动我国信息产业并带动工业、农业、金融及国防等 领域的跨越式发展。

图 1 中国脑计划的总体格局

图选项

在脑计划讨论中，专家们提出了一些未来研究的重 点内容。在脑认知的神经基础原理领域，包括基本脑认 知功能（感觉和知觉、学习和记忆、情绪和情感、注意 和抉择等）以及高等脑认知功能（同理心、思维、自我 意识、语言等）的神经环路和工作机理、人脑宏观神经 网络和模式动物介观神经网络的结构性及功能性全景式图谱的绘制。在类脑计算与脑机智能技术领域，包括类 脑计算理论和新一代人工神经网络计算模型、类神经形 态的处理器和类脑计算机、类脑计算系统所需要的软件 环境和应用平台、可自我学习和能适应环境而成长的机 器人、脑机接口和脑机融合的新模型和新方法、脑活动 （电、磁、超声）调控技术等。在脑重大疾病与健康领 域，包括了阐释脑重大疾病（如幼年期自闭症和智障， 中年期抑郁症和成瘾、老年期的退行性脑疾病）的致病 机理、确立脑重大疾病预警和早期诊断的各种指标（包 括基因谱、血液和脑脊液、脑影像和脑功能指标）、脑 重大疾病早期干预、治疗与康复的（药理、生理和物 理）新手段和器件的研发、建立非人灵长类动物（猕猴 为主）的脑重大疾病模型等。为支撑这些研究，需要建 立关键核心技术研发与推广的三类全国性平台：脑结构 与功能研究新技术平台、脑重大疾病临床研究技术平 台、类脑研究工程平台。总之，与欧、美、日新启动的 脑计划相比，中国脑计划所包含的内容更为广泛，同时 对社会需求有更直接的对应^[36]。

《国家中长期科学和技术发展规划纲要（2006— 2020）》将“脑科学与认知”列入基础研究 8 个科学前 沿问题之一。“973” “863 ”计划和科技支撑计划等对 脑科学研究总投入约 14 亿元人民币，国家自然科学基金 资助脑研究的经费近 20 亿元人民币，2012 年起中科院启 动的 B 类先导专项“脑功能联结图谱计划”，每年投入 经费约 6 000 千万元人民币。通过以上项目的实施，我 国已培养了一批积极参与国际脑科学前沿工作的科学家 团队，建立了一些国际先进水平的技术平台；在脑和神 经元发育的分子机制、基因组分析和基因操作技术、突 触可塑性、胶质细胞与神经元的交互作用、视觉感知功 能环路、情感情绪的调控机制、学习记忆和抉择等脑认 知功能的神经基础、多模态脑成像技术、脑电信号采集 分析、宏观和介观层面脑网络结构的观测和分析技术等 方面，已取得了一批国际水平的成果；理解脑疾病（如 老年痴呆症、帕金森病、抑郁症、精神分裂症、毒品成 瘾等）的发病机制、精神类疾病的相关基因研究、精神 神经药物研发和进一步研发脑疾病的预防、早期诊断和 治疗手段等方面已具有了初步的条件；脑疾病的转基因 猕猴模型制作，已居国际领先；多种脑重大疾病患者的 资源库建设、致病基因和早期生物标记的筛选等领域已 建立了一定的基础。但是，与发达国家相比，整体水平 仍有相当差距，尤其是支撑脑科学研究的先进技术的原 创和研发能力差距甚大；国际影响力有限，同时缺乏整 体、系统性的统筹规划。面对时不我待的新形势，我国 必须抓住机遇，推动脑科学研究的跨越式发展。

脑机智能也得到了我国“973”“863”和自然科学 基金项目的支持，其分布在《国家中长期科学和技术 发展规划纲要（2006—2020）》前沿技术中的“智能感 知”和“虚拟现实”等领域，同时在重点领域与优先主 题中“数字媒体内容技术”也包含了人工智能技术。 “973”“863”计划和科技支撑计划等从不同角度对人工 智能研究进行了支持。自 2008 年开始，国家自然科学基 金委启动了重大研究计划“视听觉信息的认知计算”， 连续 5 年资助了 73 个项目。“在感知特征提取、整合和 表达”“感知数据的机器学习和理解”以及“多模态信 息协同计算”等核心科学问题上取得进展。2012 年起 中科院启动的 B 类先导专项“脑功能联结图谱计划”， 从 2015 年开始也专门将智能技术纳入其中，进行融合。

通过以上项目的实施，我国在计算机视觉、语音识 别、机器翻译和自然语言理解等领域已达国际先进水平， 并在产业化方面迈出了坚实的步伐。同时我国也在深度学 习芯片体系架构方面有所创新，并在类脑智能机器人方面 率先进行了布局。但是，与发达国家相比，在支撑类脑智 能的前沿研究以及软硬件结合的类脑智能机器人领域的原 创与研发能力方面差距甚大。我们迫切需要按照“顶天立 地”的原则，一方面抓两个学科的融合，产生原始创新 的理论和方法；另一方面要进一步加强技术的应用和产业化，迎头赶上人工智能浪潮的到来。

为配合国家科技发展的战略需求和相应的体制 与机制改革，中科院在“四类机构”改革的框架下， 于 2014 年 8 月成立了“脑科学卓越创新中心”，以上 海生科院神经科学所为依托单位。鉴于脑科学与类脑研 究交叉和融合发展的需求，“脑科学卓越创新中心” 在 2015 年扩容为“脑科学与智能技术卓越创新中心” （简称为“脑智中心”）。脑智中心是跨学科、跨院校 的组织；目标在以科学问题为导向，凝聚中科院的科研 实力，通过团队合作和学科交叉融合，解决在脑科学和 类脑智能技术两个前沿领域的重大问题。

脑智中心有 4 个特点：（1）中心的科研骨干来自 中科院 20 个研究所和中科院外若干高校（图 2）。每位 科研骨干加入中心后，都须参与一个或多个研究团队， 以合作的形式对团队成员共同感兴趣的重大前沿科学问 题进行攻关（图 3）。（2）与其他已有的实验室联盟不 同，中心明确要求每位学术骨干把主要的工作精力投入 到完成中心团队的研究课题中。依据中心、学术骨干、 骨干所在单位签订的“三方工作协议”，所在工作单位 将积极支持骨干完成中心任务，提供必要的科研条件， 并按照中科院制定的《卓越中心章程》认定与采纳中心 对参与成员的考核结果。（3）中心所组织的全国性科研 团队，将配合或承担国家中长期重大科研项目的任务。 （4）中心也是中科院科研体制改革的实验平台，将探索 各种机制，以期最大程度地避免中科院各单位间研究内 容的同质化与碎片化。脑智中心的共建单位多、学科多 样、文化差异较大，给有效交流合作带来相当的难度。 为此中心采取了一些措施，包括中心成员每年必须在中 心其他共建单位蹲点两个星期以上，进行开课、讲座和 实验工作；启动双导师研究生制度等。脑智中心将不断 尝试新的机制，促进不同研究背景的科学家之间的交流 合作，并建立团队合作，攻克重大科学问题。

图 2 中科院脑科学与智能技术卓越中心参与单位

图选项

图 3 中心科研攻关问题与团队组织

图选项

中心的科研工作包括 5 个领域：（1）在“脑认知功 能的环路基础”领域，中心将研究感觉输入是如何启动 和调节动物的本能行为、神经元震荡活动在多感觉信息 处理和整合中的作用、记忆储存与提取的神经机制、适 应性行为和高级认知功能（如自我意识、共情心和语言 等）的神经环路基础。（2）在“脑疾病机理与诊断干 预”领域，中心正在利用基因操作技术，研制脑疾病的 猴类模型和脑认知研究的工具猴。中心也在研究人类特 有基因在调节脑容量和脑疾病致病机理的作用；研制能 早期诊断发育性、精神性和神经退行性脑疾病的基因、 分子和认知功能指标。（3）在“脑研究新技术”研究方向，中心正在完善鉴别神经元类型的单细胞基因分析方 法、病毒感染示踪标记神经环路的方法、记录电信号和 化学信号的微电级阵列技术，以及各种观测脑结构和功 能的光学、磁共振影像新技术。（4）在“类脑模型与智 能信息处理”研究方向，中心在介观和宏观水平对光学 和磁共振成像数据进行全脑联结组分析，研发多感觉模 态感知和能准确辨认图像、语音并理解语义的信息计算 模型。（5）在“类脑器件与系统”研究方向，中心正在 研发类神经元计算芯片、新一代的神经网络计算器件、 类脑智能机器人以及人机协同的智能训练和生长环境。

虽然，脑科学与类脑研究是两个目标完全不同的 领域：脑科学的目标是要理解大脑的结构和功能、演化 来源和发育过程，以及神经信息处理的机制。类脑研究 的目标是研发出新一代的智能技术，推动信息产业的发 展。但在竞争激烈的国际科技界，哪个国家能领先占领 脑科学和类脑研究的高地，很大程度要看谁能首先做到 这两个领域真正地融合发展。中科院脑科学与智能技术 卓越创新中心的成立，迈出了重要的一步。