1、人工大脑概述人工大脑概述4.1人工大脑相关数学模型人工大脑相关数学模型4.2人工大脑实现技术人工大脑实现技术4.3人工大脑简单记忆功能的电路设计人工大脑简单记忆功能的电路设计4.4第第4章章 人工大脑人工大脑4.5互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究4.6人工大脑的前沿发展人工大脑的前沿发展浅谈脑机接口伦理浅谈脑机接口伦理4.7 人工大脑是人工器官的一种。人工大脑是大脑的模型、延伸和扩展，是具有大脑的现象、行为和特性、行为的人造系统。人工大脑研究目前仍处在初级阶段。人工大脑是人工智能的一个具体应用。下一个时代的制高点。4.1、人工大脑概述、人工大脑概述4.1、人工大脑概述、
2、人工大脑概述电气化（加入电机、网络）电气化（加入电机、网络）机械化（应用机器系统）机械化（应用机器系统）人人类类社社会会发发展展计算机化（应用数字计算机）计算机化（应用数字计算机）自动化（加入自动控制器）自动化（加入自动控制器）先进自动化（系统、管理）先进自动化（系统、管理）网络化（实现计算机网络）网络化（实现计算机网络）知识化（处理知识）知识化（处理知识）智能化（引入智能）智能化（引入智能）人工大脑人工大脑4.1、人工大脑概述、人工大脑概述人人工工大大脑脑分分类类按实现方式分类按实现方式分类按人造方法和技术分类按人造方法和技术分类按工程实现方法分类按工程实现方法分类类似生命模型人工大脑类似生
3、命模型人工大脑社会模型人工大脑社会模型人工大脑生物人工脑（生物人工脑（BAB）工程人工脑（工程人工脑（EAB）生物工程人工脑（生物工程人工脑（BEAB）基于神经工程的人工大脑基于神经工程的人工大脑基于基于AI的人工大脑的人工大脑基于超级计算机的人工大脑基于超级计算机的人工大脑基于基于意识意识的大的大脑统脑统一模一模型信型信息处息处理过理过程程4.2、人工大脑相关数学模型、人工大脑相关数学模型大脑的统一模型大脑的统一模型 神经元模型神经元模型 神经元即神经细胞是神经系统的结构与功能的基本单位。神经细胞与机体中其他细胞一样，有细胞核、细胞器、细胞膜等结构，但神经细胞是为实现信息传递和处理而特化了的
4、细胞。下图为典型的神经元的模式图4.2、人工大脑相关数学模型、人工大脑相关数学模型胞体提供细胞活动所需物质和能量；轴突为神经元信息的传出通路；树突从胞体发出，为细胞收集和接受信息的场所；而突触为神经元间信息转换的关键部位。神经元是组成神经系统的基本单元，要建立反映脑功能、特别是脑的高级功能的神经网络，先要建立神经元模型。神经元形态构造的模式图神经元形态构造的模式图电脉冲的发生是神经元活动的主要方式神经脉冲的产生过程大致如下：神经细胞无外来刺激的“静息”时，处于极化状态，细胞内相对与胞外有负约70毫伏的静息电位，这是由细胞膜对钾离子和钠离子通透性不同引起的。当外来神经冲动到达突触，使突触小泡释放
5、递质并扩散到突后，与特异性受体结合，从而改变了对不同离子的通透性使突后膜去极化，产生兴奋性突触后电位（EPSP），当此点位达到某一阈值（约-60毫伏）时，电位快速上升产生神经脉冲，或称为动作脉冲，脉冲宽度约1毫秒，最高电位可达40毫伏，动作电位可有轴突传递到其他神经元。但如神经冲动到达抑制性突触时，递质的释放造成突后膜的超极化，产生一致性突触后电位（IPSP），是神经元处于抑制状态神经元电位活动神经元电位活动 感知模型感知模型 20世纪50年代末，Rosenblatt提出著名的视知觉模型感知机（Perceptron）。它具有与脑结构有某些相似的结构。简单的感知机的基本结构如下图所示感知机示意图
6、感知机示意图4.2、人工大脑相关数学模型、人工大脑相关数学模型共分为三层信息由感知层输入（相当于视皮层原感区），经过联合层最后到决策层，由决策层输出，每一层都是由一组神经元所组成采用如下的学习规律：其中z为“教师”信号，c为常数。为第i个联合神经元状态，y为输出。应用上述规则，当被分开的模式是线性可分时，即能用一个超平面将分属两类输入模式分隔开时，感知机就可以通过有限次的学习，学会正确分开两类模式，这就是感知机的收敛定理。njjjiiixaynikxyzckk1)(1,.,2,1),()()()1(记忆模型记忆模型 短时记忆是特殊的神经兴奋以电活动方式在突触处造成的暂时的变化，神经生理学的研究
7、认为，短时记忆是由神经元存储的，当神经元受到一个短暂的刺激后，它就会有规律的持续发放一段时间，把信息短暂地保存下来。4.2、人工大脑相关数学模型、人工大脑相关数学模型对乙酰胆碱，5-羟色胺的生物学研究发现它们是短时记忆保持持续发放的原因。它们在特定的脑电振荡存在的前提下被释放出来（Steriade et al，1991），如左图所示神经元发放过后产生后去极化电位(Afterdepolarization Potential，ADP)，使神经元的兴奋性提高。这样的神经元构成的网络，在脑电振荡的背景下，当电位超过阈值，就会再次发放，接着又产生一个后去极化电位ADP，并在随后的每个脑电周期上激发出AD
8、P使发放保持下去，由这样的神经元构成一个网络神经元的一次发放产生后去极化电位（神经元的一次发放产生后去极化电位（ADP）短时记忆的神经网络模型由两部分组成。第一部分为存贮信息内容的指针的网络，它由多个长度有限的神经元环路所组成。第二部分为信息内容表达区，它是容量极大的多级联想记忆神经网络。当短时记忆任务出现时，被记忆的信息内容（或事件）在表达区中一神经元兴奋模式的形式出现。长时记忆是通过表达区内神经元间的突触联系的建立而实现。而短时记忆则是由指针环路神经元与表达区间的突触联系的建立而达到。每一方框均为一个神经网络。X为指针神经网络 Y、Z为两级联想神经网络 Y中存贮基本事件 Z存贮高一级的抽象
9、事件。每一框内又可分为若干部分，对应于多个指针环路 第i个指针对应于Y、Z中的第i个部分 各部分间可以有一些交叉。U、V、W分别表示X与Z，Y与Z，X与Y神经网络间的突触联接权重。假定V为已知，即长期记忆已由经验所确立。在进行短时记忆时，W或U按Hebb律快速增加，然后逐渐衰减。而U优先于W增长；从而建立起指针环路与表达区间神经元的暂时联系短时记忆基本神经网络模型结构图短时记忆基本神经网络模型结构图 学习模型 按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中，对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。学习模型就是为了使人机能对自己
10、的行为“自知”，进而更好地表达情感，和主人进行和谐的交互。学习模型主要用概率与统计的方法来解决，建立概率模型4.2、人工大脑相关数学模型、人工大脑相关数学模型 设人机行为事件集R为R1，R2，.，RN（独立事件）；用户行为事件集U为 U1，U2，.，UM；用户对人机行为反映事件集W为A，B，C（互斥事件）。A，B，C分别表示用户对人机行为的肯定、无反应、否定，用户行为事件集U被映射到W中。设人机在行为表达时各种行为发生概率的初始值 P(Ri)=1/N，N为人机行为事件个数(i=1，2，.,N),P(Ri)随着用户对人机行为的反映发生变化，即1)()(5.0),2,1(1)()(1)()1.01
11、)()(CifPRPNiBifPRPAPifRPRPiiii根据人机行为发生概率的变化，可以对他们进行如下分类：）（属于负向事件集属于一般事件集属于正向事件集满足NiRthenPNRPRthenPNRPNRthenPNRPRIfPiiiiiii,2,1)(2/1)()(/1)(2/1)(/1)()(思维模型 人脑的高级功能中，思维是最重要且最神奇的功能。这里思维主要指联想、判断、推理和决策等脑的功能。为了深刻把握思维的机制和规律，建立思维的模型已成为科学发展的重要课题。脑内有两类不同的神经活动，一类是经常与机体外部环境的信息有关的，可以为主体所感知的，可称为有意识的神经活动。另一类神经活动不可
12、为主体所感知，其中包括有关内环境信息及运动命令信息等，可称为无意识的神经活动。4.2、人工大脑相关数学模型、人工大脑相关数学模型提出一个具有两级结构的联想记忆神经网络模型（TLAM）。在模型中假定每一区域内的神经网络兴奋神经元数目不变，即每一神经元兴奋模式所含神经元数目相同。下图为两级联想记忆神经网络模型的框图 三个存贮区A，B，C，均由一组神经元组成 第一级分别为A、B两区，分别表示实物概念及其属性 第二级为C区，其中神经元兴奋模式表示抽象概念 各区之间各个神经元间均有突触联系,其连接权重（即突触的导通能力）分别用联接矩阵D，E，F来表示 各区域内的神经兴奋模式可以用向量来表示,以向量X，Y
13、，Z分别表示A，B，C三区的兴奋模式 各区内兴奋神经元数目分别为n，m，l，各区共有神经元数目分别为N，M，L。则X为N维向量，其中有n个元为1，其余为0；两级联想记忆模型框图两级联想记忆模型框图 Y为M维向量，其中m个元为1，其余为0；Z则为L维向量，其中l个元为1，其余为0 情感模型情感模型 情感是在人类社会历史发展过程中形成的高级社会性情感 大脑情感传导线路恰如视觉、听觉和触觉传导线路一样具体可知 情感是大脑对机体接收外界反应所作出的解释 目前对于控制情感的神经通路的最新了解，大都来自动物实验 许多研究工作都集中在杏仁体，它是大脑深层的一个微小结构 人对惊心动魄事件的深刻记忆，主要是杏仁
14、体的作用。感觉刺激到达丘脑后,可通过下层通道直接送人杏仁核,或通过上层通道,先送往感觉皮层,感觉刺激在此得以细致的加工,再将信号送往杏仁核。4.2、人工大脑相关数学模型、人工大脑相关数学模型 同时,实验还表明,情绪性激活反应在杏仁核里是持久的,一旦杏仁核学习了某种情感关系,神经元之间的连接就被固定下来,难以改变。情绪调解,即情绪反应的加强、维持或者是减弱则是前额皮层来完成。杏仁核在学习了情绪反应的同时给海马的神经元一个刺激,让海马得知并记住这个刺激。大脑的情感回路示意图大脑的情感回路示意图 杏仁核位于情感回路的中心 可以接收来自不同感觉联合区的信息,并投射到下丘、中脑等其他部位,通过这些广泛的
15、投射,杏仁核促进情绪性激活记忆的巩固。因此,杏仁核是大脑中情感学习的主要部位。4.3、人工大脑实现技术、人工大脑实现技术通过建立脑与外通过建立脑与外界设备的通道来界设备的通道来实现控制的技术实现控制的技术通过建立神经系统与外界通过建立神经系统与外界设备的通道来实现控制或设备的通道来实现控制或修复神经通路的技术修复神经通路的技术脑机接口脑机接口技术技术 神经机神经机器接口器接口技术技术 赛博格赛博格技术技术将无机物构成将无机物构成的器官融入身的器官融入身体并使其发挥体并使其发挥作用的技术作用的技术 脑机接口技术（BCI）是在人或动物脑与外界设备间建立的直接连接通路。脑机接口按信息传递方向可分为单
16、向脑机接口和双向脑机接口。目前大部分的实现都是基于脑电图（EEG）记录。4.3、人工大脑实现技术、人工大脑实现技术注意：定义中“脑”是指有机生命形式的脑或神经系统，而并非仅仅是“mind”。“机”是指任何处理或计算的设备，其形式可以从简单电路到硅芯片。4.3、人工大脑实现技术、人工大脑实现技术BCI的基本框图的基本框图 BCI系统的输出装置包括指针运动、字符选择、神经假体运动以及对其它设备的控制等。BCI的关键技术包括源信号的获取和信号的处理方法。BCI源信号的获取过程包括信号的产生、检测、信号放大、去噪和数字化处理。BCI信号处理包括信号预处理、特征提取、识别分类等过程。4.3、人工大脑实现
17、技术、人工大脑实现技术4.3、人工大脑实现技术、人工大脑实现技术不同不同BCI系统的性能比较系统的性能比较信息传递的准确度和速度之间关系图信息传递的准确度和速度之间关系图比较标准：比较标准：比特率，即每个单位时间内信比特率，即每个单位时间内信息成功传送的数量。息成功传送的数量。信息传送速度用单位次数选择信息传送速度用单位次数选择（单位实验）传递的比特数（单位实验）传递的比特数（bit/trial）和每分钟传递的比）和每分钟传递的比特数特数(bit/min)分别表示。分别表示。信息传输率用信息传输率用bit/trial和和bit/min表示，准确率表示，准确率Accuracy用用%表示。表示。4
18、.3、人工大脑实现技术、人工大脑实现技术BCI应应用领用领域域仿生学仿生学人工人工智能智能人工神人工神经网络经网络模式识模式识别别超级计超级计算机算机4.3、人工大脑实现技术、人工大脑实现技术BCI应用实例应用实例电信号刺激增强记忆力电信号刺激增强记忆力脑控机械臂脑控机械臂大脑控制走迷宫机器人大脑控制走迷宫机器人 神经机器接口技术 神经-机器接口（NMI）是人或动物神经系统和外界设备之间进行直接通信和控制的双向通道。外部设备可以向神经系统发送电刺激，达到控制或修复神经系统通路的目的，也可以通过神经元发送电信号，对其进行解码、分类，进而把分类后的结果编码成各种控制命令来控制外部设备。4.3、人工
19、大脑实现技术、人工大脑实现技术4.3、人工大脑实现技术、人工大脑实现技术 功能：从外界环境接收控制信号 应用：人工耳蜗、电子视网膜、动物机器人等输入神经接口 功能：记录和解读神经元发送的电信号 应用：机械臂、光标控制等输出神经接口神经机器接口神经机器接口4.3、人工大脑实现技术、人工大脑实现技术神经神经机器接口技术应用实例机器接口技术应用实例基于双向神经接口的生物机器人系统的体系结构图基于双向神经接口的生物机器人系统的体系结构图4.3、人工大脑实现技术、人工大脑实现技术赛博格技术赛博格技术赛博格(Cyborg)是单词cybernetic与organism的结合，即机器化生物，是以无机物 所构成
20、的机器作为身体的一部份生物(包括人与其他动物在内)。通常这样做的目的是借由人工科技来增加或强化生物体的能力。俗称有机械化人、改造人、生化人等。4.3、人工大脑实现技术、人工大脑实现技术可以被称为赛博格一族的大致有四种类型。恢复功能型：指的是替换失去的器官组织。标准型：利用辅助工具辅助丧失的功能或是利用设备监控某些生理机能以使其不 至于失控。重新装配型：这是象征赛博格的分类范围，当通过电话、E mail进行沟通时，赛博格才开始存在，当挂上电话或是下线时，“我”就不在这里了。利用外在选择性的机械或是 电子装置用来辅助人的基本能力。增强型：人类的能力由于科技在人类本身的应用而得到增强，发展到极致即在
21、科幻小说中经常出现的超人。4.4.1 Hopfield神经网络 Hopfield神经网络是一种神经动力学系统，具有稳定的平衡状态，即存在着吸引子，因而Hopfield网络具有联想记忆功能。将Hopfield网络作为联想记忆网络需要设计或训练网络的权值，使吸引子存储记忆模式。4.4 人工大脑简单记忆功能的电路设计人工大脑简单记忆功能的电路设计常用的设计或学习算法 外积法（Outer Product Method）投影学习法（Projection Learning Method）违逆法（Pseudo Inverse Method）特征结构法（Eigen Structure Method）Hopfi
22、eld联想记忆网络的运行步骤 第一步：设定记忆模式。第二步：设计网络的权值。第三步：初始化网络状态。第四步：迭代收敛。第五步：网络输出。4.4.2电路设计电路设计Hopfield 神经网络电路基本结构图 4.4 人工大脑简单记忆功能的电路设计人工大脑简单记忆功能的电路设计 Hopfield神经网络中,xi代表第 i 个输入,wij代表输入 i 与神j 之间的权值,yj是第 j 个神经元的输出。y1=f(x1w11+x2w21+x3w31)y2=f(x1w12+x2w22+x3w32 y3=f(x1w13+x2w23+x3w33 根据此结构图于是可进一步构建出与之相对应的电路结构框图 4.5.1
23、 大脑的人工培养4.5.2 微电子领域的仿生芯片设计4.5 人工大脑的前沿发展人工大脑的前沿发展互联网的新定义互联网的新定义互联网计算机通讯线路信息数据应用人脑和人脑中的数据呢4.6 互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究互联网类神经元现象 1)1)共享知识区，例如免费给人指路的信息共享知识区，例如免费给人指路的信息;2);2)可交易知识区，例如医生的专可交易知识区，例如医生的专业知识必需等病人挂号后才能表达业知识必需等病人挂号后才能表达;3);3)问题区，例如学生不知道答案的数学难问题区，例如学生不知道答案的数学难题题;4);4)隐私区，例如个人或几个朋友之间的隐私信息隐私
24、区，例如个人或几个朋友之间的隐私信息;5);5)运动控制功能区，运动控制功能区，例如人用筷子夹菜的能力或者用手指打键盘的能力。例如人用筷子夹菜的能力或者用手指打键盘的能力。4.6 互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究 互联网正在从一个原始的、不完善、想对分裂的网络进化成一个统一的、与人类大脑结构高度相似的组织结构，它将同样具备自己的虚拟神经元，虚拟感觉、视觉、听觉、运动，中枢，自主和记忆神经系统。4.6 互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究将互联网这一结构命名为互联网虚拟大脑，并由此绘制出互联网虚拟大脑结构将互联网从低端到高端划分为硬件层、软件层和信息层
25、，便得到更为详细的互联网虚拟大脑的结构图互联网虚拟神经元互联网虚拟神经元 融合博客、威客(智力互动问答)、电子邮件的互联网应用，如新浪、雅虎的用户系统，将这种与互联网用户交互的应用定义为人脑映射型虚拟神经元。1对互联网的信息、数据和资料进行整理、挖掘和知识发现的互联网应用程序，如谷歌的搜索引擎、ANGOSS 软件公司的KnowledgeSTUDIO、Comshare 公司的Comshare Decision and Decision Web 等，将这些软件定义为数据整理和挖掘虚拟神经元。2 控制互联网远程传感和运动设备，并且将他们产生的数据传输给互联网信息层的应用软件，将它们定义为感觉和运动虚
26、拟神经元。3其他类型的互联网应用软件，如网络游戏，防病毒软件等。将它们定义为特异类虚拟神经元。4互联网虚拟神经系统互联网虚拟神经系统互联网用户直接操控的虚拟感受和运动系统机构图 第1 种是互联网用户直接操控模式，如上图，流程为:1)互联网用户登陆个人终端；2)个人终端运行个人空间应用程序(映射型虚拟神经元)；3)个人空间相关应用程序与远方传感器，工作设备的驱动程序进行接驳；4)互联网用户通过个人空间界面直接操控传感器、视频、音频和办公设备进行活动。第2 种是互联网用户的间接获取模式，如下图，流程为:1)传感器、视频、音频采集器、工作设备在本身的程序(或在数据整理和挖掘虚拟神经元)的驱动下，自动
27、运行;2)传感器、视频、音频采集器、工作设备在运行中得到的相关数据进入到互联网的数据海洋中;3)互联网用户通过个人终端的个人空间应用程序(映射型虚拟神经元)与数据整理和挖掘虚拟神经元接驳并获取数。互联网用户间接获取虚拟感受和运动系统机构图互联网虚拟自主神经系统互联网虚拟自主神经系统数据整理和挖数据整理和挖掘神经元用内掘神经元用内置的算法和规置的算法和规则控制运动虚则控制运动虚拟神经元，感拟神经元，感觉虚拟神经元觉虚拟神经元，并最终控制，并最终控制机器设备机器设备两种运行模式对互联网的数对互联网的数据海洋数据进据海洋数据进行整理和挖掘，行整理和挖掘，并将结果根据并将结果根据需求传递给映需求传递给
28、映射型虚拟神经射型虚拟神经元元4.6 互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究互联网虚拟自主神经系统示意图设计者可以将算法和规则放入到数据整理和挖掘虚拟神经元(或直接放入到感觉或运动神经元)中，当从互联网虚拟感觉、视觉、听觉系统获得信号触发，数据整理和挖掘虚拟神经元便开始驱动互联网虚拟运动系统或其他系统完成特定功能4.6 互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究互联网虚拟中枢神经系统互联网中枢神经系统的硬件基础是互联网的核心服务器以及联结他们的路由器和交换机，在这些硬件设备上统一运行的虚拟感觉神经元、听觉神经元、视觉神经元、运动神经元、数据整理和挖掘神经元、映射
29、型神经元等互联网应用程序将构成互联网中枢神经系统的软件基础，包含文字、音频、视频、文档等信息的数据洋将组成互联网中枢神经系统的信息基础4.6 互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究互联网与人脑功能结构对比表4.6 互联网与神经学的交叉对比研究互联网与神经学的交叉对比研究4.7 浅谈脑机接口伦理浅谈脑机接口伦理4.7.1 安全风险4.7.2 知情同意问题4.7.3 隐私问题4.7.4 公平问题4.7.5 法律问题本章小结 本章首先介绍了人工大脑的概念和分类，并给出了一些与人工大脑相关的模型。然后讲述了实现人工大脑所需的基础知识与技术及应用实例，又通过一个模拟人工大脑简单记忆功能
30、的电路来让大家有比较直观的认识，最后通过互联网和神经学的交叉对比研究介绍互联网虚拟大脑等新概念。习题与思考4-1什么是人工大脑？如何分类？4-2简述脑中模型的三个层次。4-3简述人工大脑的相关模型。4-4什么是ERP?在脑科学研究中有哪些作用？4-5什么是BCI技术？它的构成是什么？有哪些应用？4-6什么是赛博格？4-7神经系统的结构与功能的基本单位是什么？它由哪几部分组成？4-8简述神经脉冲的产生过程。4-9请画出感知机的基本结构，并标出其层次名称。4-10海马得名的原因是什么？在脑功能中它起到什么作用？4-11请画出海马记忆功能神经网络图，并写出各个区突触连接变化的方程式。4-12简述生物医学领域人工大脑的培育方式。4-13天机芯主要应用了哪些技术？它的构成是什么？4-14简述人工大脑相关伦理的几个方面。
