脑与认知科学中的人工智能：基于第一性原理的视角

如今，我们见证了 AI 在各类应用中的巨大成功，包括图像分类、博弈、蛋白质结构分析、语言翻译和内容生成。尽管有这些强大的应用，日常生活中仍有许多对人类而言相当简单却对 AI 构成巨大挑战的任务。这些包括图像与语言理解、少样本学习、抽象概念和低能耗计算。因此，向大脑学习仍是推动下一代 AI 发展的有前景的途径。大脑可以说是宇宙中唯一已知的智能机器，它是动物在自然环境中生存进化的产物。在行为层面，心理学与认知科学已表明人和动物大脑能执行非常智能的高级认知功能。在结构层面，认知与计算神经科学已揭示大脑具有极其复杂而优雅的网络形式以支撑其功能。多年来，人们不断积累关于大脑结构与功能的知识，且随着全球大型脑计划的启动，这一过程近期正在加速。在此，我们认为脑功能的一般性原理是启发 AI 发展最有价值的东西。这些一般性原理是大脑提取、表示、操纵和检索信息的标准规则，我们在此称之为脑的第一性原理。本文汇集了六条这样的第一性原理，分别是吸引子网络、临界性、随机网络、稀疏编码、关系记忆和知觉学习。在每个主题上，我们回顾其生物学背景、基本性质、在 AI 中的潜在应用以及未来发展。