面向计算机专业研究生开设计算神经科学课程的思考
面向计算机专业研究生开设计算神经科学课程的思考
摘要：计算神经科学是一门新兴的交叉学科，受到国内外学术界的广泛重视。要想在国内建立一流的计算神经科学并培养壮大人才队伍，开设相关的研究生课程非常必要。文章论述计算神经科学与计算机科学的关系，面向计算机专业研究生开设相关课程面临的机遇与挑战以及应对措施等，同时针对教学内容的选择给出建议。
关键词：交叉学科；跨学科；计算神经科学；人工智能；研究生培养
科学史上，许多重大的科学发现都产生在不同学科的碰撞和融合中。在自然科学领域，许多伟大的科学家都有着复杂的学科背景，20世纪一场足球赛多长时间1/3的诺贝尔获奖项目出现在交叉科学领域。计算机学科里很多大科学家也都有着交叉学科的背景，如计算机之父冯·诺伊曼其实是个数学家，在经济、量子力学及几乎所有数学领域都作出过重大贡献，他提出的计算机二进制表达正是得益于其敏锐的数学洞察力。清华大学计算机科学与技术系张钹院士多次在公开讲座中提到，经他统计，自1966中国成立多少周年了2021年美国计算机协会（q点充值ACM）设立图灵奖以来一直到2012年，60个获奖者中2/3的人都有数学、物理、化学等理科专业背景，甚至还有政治等人文科学背景；相反，纯粹是计算机专业或相近专业如电子学、无线电学等背景出身的人并不多。由此可见，
熟练掌握其他学科的知识对于在计算机领域作出重要贡献大有裨益。
高校培养交叉学科人才，一是要引导学生学习不同学科的课程，二是开设一些本身就是多学科交叉的课程。国内高校已经做了大量尝试，也收到了不错的效果。2013年，《计算机教育》杂志专门策划了跨学科教学专题，对国内跨学科教学的实践情况进行报道。很多高校的一线教学人员都报告了他们在交叉学科教育方面的构想或实践经验。
计算神经科学是一门新兴学科，对于促进脑科学、信息科学尤其是人工智能等领域的发展具有重要意义。2010年3月23-25日，中国科学院、浙江大学、上海交通大学的知名学者齐聚北京，举行第367次香山科学会议，主题为“神经信息学与计算神经科学的前沿问题”。与会专家探讨了计算神经科学的国内外发展情况，指出该学科在国内外都还发展不成熟，我们应抓住机遇建立一流的计算神经科学。要达到这个目标，除了加大科研资助和鼓励科研创新外，优质的课程教学必不可少。鉴于计算神经科学的多学科交叉特点，许多专业都可以尝试进行这方面的教学，包括医学、生物学、心理学、数学、物理、化学、计算机、电子，自动化等，笔者将论述计算神经科学与计算机科学的关系以及开设该课程所面临的机遇与挑战。
2 计算神经科学的特点及其与计算机科学的关系
借助飞速发展的现代科技，人类已经能够上天入地，但是对于脑的认识却十分有限。诺贝尔奖得主克里克（Crick）说过：“对我们人来说，在科学研究中没有比研究自己的脑更重要的了。我们对整个世界的认识都有赖于它。”认识人脑的工作机理有两方面的意义，一是促进神经疾病诊疗技术的发展，二是提高人工智能的水平。
诚如艾萨克·阿西莫夫（Issac Asimov）所言，“人脑是我们所知道的最复杂的组织”。它有大约1011个神经元，而平均每个神经元要与103～104个神经元相连。虽然这些数字现在看来并非很大（能存储1T=1012Byte的硬盘在市场上已经很普遍），但问题是计算机硬件是我们事先按一定规则构建的系统，我们对于它每一部分的结构与功能都非常清楚，而人脑却是一个黑箱。想象一下让一台计算机穿越回唐朝，让那个时代的人们了解这台计算机的工作原理是一件多么不可想象的事情。
幸运的是随着科学技术的发展，实验手段正发生着翻天覆地的变革，我们面对的黑箱正在慢慢变灰。通过这些实验手段，我们可以观察到“箱子”的部分内部。然而，只看到大脑内部的一些的结构和它们之间的关系远远不够。唐朝人打开计算机主机盖，能看到主板、CP
U、内存条甚至一些精细的电子元件，但这对于他们完全理解计算机的工作原理还差很远。他们需要综合各种技术手段得到计算机内部情况，从硬件问的相互连接关系推断出冯·诺伊曼设计的体系结构及发展变化，从软件的功能推断出算法逻辑，从二进制代码推断出可读代码。要得到这些结果，只有实验数据是不够的，还必须对数据进行整理分析，从蛛丝马迹中发现数据背后的规律和原则。人脑就好比一台唐朝人眼中的计算机。计算神经科学就是一门试图通过理论分析和建模计算的方式理解脑工作原理的学科。
计算神经科学领域的形成始于梦幻西游炼妖技巧1988年，Seinowski、Koch和Churchland在Science杂志上发表了计算神经科学领域的“宣言”。从广义上讲，只要是通过建模、仿真等手段对神经科学的实验数据和实验现象进行定量分析的，都属于计算神经科学的范畴。近年来，由于实验技术的革新和脑科学研究的蓬勃发展，这方面的研究早已不局限于生物、医学、心理学等学科，很多其他学科的研究人员以各种方式参与到脑科学的研究中，包括数学、物理、计算机、电子、材料等，他们将该学科中的一些定量计算理论引入神经科学并据此研究脑科学的实验数据和现象。
国外许多著名高校都设有计算神经科学的研究中心或相应专业，包括MIT：CSAIL-Artificial
Intelligence Group；Stanford University：Center forMind，Brain and Compution；Harvard University：Mind/Brain/Behavior Program；CMU/University ofPittsburg：Center for the Neural Basis Of Cognition：University College London：Gatsby ComputationalNeuroscience Unit；Columbia University：BionetGroup。这其中大多数都有信息科学类院系的参与，如MIT的Artificial Intelligence Group就是在计算机与人工智能实验室下的一个组，而Stanford University 的Center for Mind，Brain andComputation由计算机系、电子系、语言系、神经生物系、心理系以及神经科学研究所的教授组成。计算机领域的一些杰出学者也参与了计算神经科学的研究，包括MIT的David Marr和Tomaso Poggio，CMU的Tom Mitchell，柴门闻犬吠打一字Caltech的Pietro Perona，Stanford Universit），的Fei-Fei Li等。这里还不包括大量的以计算机科学、电子工程等为教育背景但主要活跃在神经生理学、认知心理学等传统神经科学领域的学者。一方面，计算机科学及其相近领域的研究人员对神经科学和认知心理学的贡献越来越大，已经成为脑科学研究中一支不可忽视的力量；另一方面，神经科学和认知心理学的研究进展对计算机科学的某些方面起到很大的推动作用。例如，近年来在机器学习领域非常热门的深度学习（Deep Learning），在很大程度上受到大脑感觉系统层次化结构的启发，见图1。其中，图1（a）为大脑视觉皮层各区域的位置及信息处理通道，图1（b）为深度学习的框架。
3 面向计算机专业研究生开设计算神经科学课程的机遇和挑战
相对于医学、生物学、心理学等专业，面向计算机专业的研究生开设计算神经科学课程相对容易。这是因为通过本科阶段的培养，计算机专业研究生在理论证明、逻辑推断、数据分析等方面的基础更扎实，他们接受医学、生物、心理学等学科的知识相对容易；但反过来，让那些习惯了生理和心理实验的学生接受一些计算理论方面的知识则相对困难。而相对于数学、物理、化学等理科专业，计算机专业的研究生在模型实现方面有优势。这是因为现在很多计算神经科学的模型都涉及大规模计算，扎实的编程基础使得他们在处理这类问题上更加得心应手。这些是面向计算机专业研究生开设计算神经科学课程的机遇。然而我们面临的挑战更大，主要包括两个方面，论述如下。
3.1 课程定位的挑战
通过调查一些国外著名大学开设的计算神经科学课程，我们可以发现大多数课程的立足点都是“理解脑”，以揭开大脑的秘密为目的，而且无论该课程是神经科学、心理学或相关院系开设的（如Baylor College ofMedicine神经科学系的课程Theoretical Neuroscience-Learning，Perception，Cognition，MIT脑与认知科学系的课程Inlroduction to Computatio
nal Neuroscience），还是交叉学科中心开设的（如UniversityCollege London Gatsby ComputationalNeuroscience Unit的课程ComputationalPerception and Scene Analysis），甚至是一些计算机类院系开设的（如CMU计算机系的课程Computational Perception），都是这样。
如果在国内高校面向计算机专业开设计算神经科学课程，将课程目标定位于“理解脑”，会存在一定的现实困难。国外著名高校非常注重基础研究和交叉学科研究，经过多年的发展，他们培养的研究生已经形成了学习其他学科知识的习惯，但国内研究生在选修课程方面则显得更加功利一些，只选修那些目前对自己有用的课程。对计算机专业的学生而言，修一门有关理解大脑工作机理的课程显得比较怪异，这与他们将来从事的IT工作似乎风马牛不相及；为此，我们一方面需要从课程体制、培养计划等方面引导学生重视基础学科和交叉学科的课程，另一方面还需要考虑在现阶段如何通过课程定位吸引计算机专业学生选修相关课程。
3.2 师资力量的挑战
交叉学科课程的讲授对授课教师的专业素养提出了更高的要求，授课教师需要具有交叉学
科的研究背景，这样才能把学科前沿看得更清楚，把问题讲得更透彻，但这通常不是一件容易的事，对于计算神经科学这一学科跨度非常大的交叉学科而言更是这样。国内这一学科目前还处于萌芽阶段，从事相关研究的学者相对较少，零散地分布在各自院校的不同院系，而且无论是在哪个院系，他们都是少数派。师资力量的不足已经成为制约计算神经科学在国内高校和科研院所发展的主要因素之一。
4 应对挑战的措施
4.1 准确进行课程定位
为了使学生更容易接受计算神经科学这一课程，我们首先需要给这一学科下一个恰当的定义。从狭义上讲，我们建议将计算神经科学定义为神经科学、认知心理学和人工智能的交叉学科，三者之间的关系如图广东移动积分商城2所示。人工智能是计算机学科的一个专业方向（这里的人工智能包含机器学习、数据挖掘等各种智能计算的理论与方法），是计算机科学与神经科学和认知心理学产生交叉的主要领域。相对于计算神经科学的广义定义，这一定义拉近了其与计算机专业学生的心理距离。
针对计算机专业的学生，该课程定位不能只是“理解脑”，还要强调“利用脑”，教师需要向学生强调：一方面人工智能为神经科学和认知心理学提供研究的工具，另一方面后两者的发展又反过来促进人工智能等信息领域的技术革新。学生理解了这一点，选修这一课程的积极性才会提高。计算神经科学在计算机专业内并不是一门孤立的课程，它其实要用到很多概率论、线性代数、机器学习、模式识别等领域的知识，与人工神经网络、人工智能、计算机视觉等学科有着紧密的联系。计算神经科学与清华大学计算机科学与技术系一些专业课程之间的关系如图3所示，其中箭头表示课程间的支持关系。
4.2 有效提高师资力量
一方面，我们要鼓励教师进行计算神经科学这一交叉学科领域的研究，培养该领域的杰出学者或从国外全职引进一批这样的学者，这是解决师资力量不足的根本之道。如果在全职引进人才方面有困难，可以通过国家的各种引智计划引进一批短期工作的学者，让他们开设计算神经科学方面相关课程，以便有志于此方面教学科研的本地教师参与学习，最终实现课程的本土移植。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。