头条
最高精度线虫大脑来了：蠕动前行 高精度还原大脑
最高精度线虫大脑，它来了。
这颗大脑所模拟的是一只秀丽隐杆线虫的全生物神经系统。
这一次，国内的学者不仅把秀丽线虫全部的神经元网络还原了出来，更是细到了它们的亚细胞级连接关系。
据了解，它的精细程度已经达到了当前已知的最高水平：
此前，一项研究对单个生物神经元的计算复杂度进行了研究，指出，一个深度神经网络需要 5 到 8 层互联神经元才能表征单个生物神经元的复杂度。
而通过这样的精细构建的大脑，已可以让这只智能线虫完成动态蠕动前行。
这，便是来自北京智源人工智能研究院的最新研究成果，背后的利器则是天演项目。
而且这只智能线虫——天宝1.0的诞生，不仅仅是生命模拟精度上的一次突破，根据研究团队的介绍：
这是迈出人造智能生命关键一步。
最高精度大脑，是怎么炼成的？
这次大脑选择的秀丽隐杆线虫，可以说是拥有神经系统的最简单生物之一——
它既具有完整的神经系统，感知逃逸觅食交配都能完成，整体结构又非常简单，成虫只有大约1000多个体细胞。
就是这只长约1mm的透明小生物，已经是科学研究界的常客，近20年来有三次诺贝尔奖都与它有关。
对于神经科学家们来说，秀丽隐杆线虫的神经系统已经被完整破解，实时图谱还登上了当年的Nature
△雌雄同体，共有302个神经细胞
更重要的是，线虫体内存在的乙酰胆碱、多巴胺等神经递质，在哺乳动物体内也同样存在。
研究它的神经系统，对于研究人类神经系统的调控机制也有重要作用。
但研究结构是一回事，用计算机建模又是另一回事了。
要知道，模拟一个生物的神经元可不是简单地像卷积那样，做个线性变换就完事，它所模拟的物质交换、神经元间动作电位的产生和传导等行为非常复杂。
例如，仅仅是突触之间递质的传递，就涉及数量、速度、浓度、反流、方向等多个参数，用数学模型来计算模拟还会更加复杂。
即便模拟出了完整的神经系统，如何用计算机模拟出接近真实环境的赛博空间，并在其中训练智能线虫模型，又是另一大研究难点。
此前，虽然已经有不少团队在进行线虫仿真方面的研究，但无论是精度、还是仿真环境都与现实有一定差距，就像我们常见的仿生机器鱼远达不到鱼的精度一样。
这次，天演团队成功建模出了最高精度的智能赛博线D流体仿真环境下动态蠕动前行、并具备简单趋利避害的能力。
那么，这只智能线虫究竟长啥样？
首先，团队利用大量公式和模型，建模出线虫的电子神经元。
用到的模型主要有三种：多种离子通道模型、Hodgkin-Huxley模型和多舱室模型。
其中，多种离子通道模型顾名思义，用于模拟细胞膜上的各种离子通道，天宝 1.0模型使用了14种离子通道；
Hodgkin-Huxley模型，能将神经元的每个部分都模拟成不同的电路元件；
△HH模型示例，
多舱室模型，将神经元视为一个系统，按动力学特点分为若干个舱室，每个舱室所包含的离子通道数目也各不相同。
△
这三种模型组合起来，就能将神经元的构造、神经元细胞膜上动作电位和梯度电位的形成与传导、以及物质在各机体部分间传导的速率模拟出来。
施工完成后的这只智能线虫，精细建模了秀丽隐杆线个神经元、以及这些神经元之间的数千个连接，使用了14种离子通道，细节达到了亚细胞级别。
线个神经元分为感官神经元、中间神经元和运动神经元等，在这其中，团队又针对106个感知和运动神经元进行了高精度建模，高度拟合了它们的电生理动力学。
统计下来，单个神经元最多舱室数2313个，最少10个。302个神经元平均每个52个舱室。神经元之间的突触连接精细到神经突的水平：
然后，团队构造了一个3D流体动态仿真环境，让线虫在接近真实的场景下运动起来。
注意，模拟环境这一步尤为重要，它是研究线虫如何自适应微观环境运动方式的关键步骤。
线虫建模精细到亚细胞后，物理定律的尺度都缩小了，摩擦力与粘滞力的作用要比重力大上几个数量级。
在这种情况下，线虫还能自如地吃饭喝水供能，与其和环境交互的巧妙方式密不可分。
因此，天演团队结合计算神经学、运动力学、图形学等多学科交叉，为智能线虫天宝构造了逼真的线虫肌肉和身体软体模型，建立了更适合人工智能体训练的流体仿真环境。
具体来说，这个环境框架由包含三维建模、有限元求解、简化流体模型、强化学习、可视化等多个模块，能最大程度上模拟线虫与环境的交互方式。
相比目前国际领先的OpenWorm线虫仿真项目，天演团队的流体仿真环境规模更大，也更适合作为生命体的多体/群体智能行为仿真环境、完成智各种能体学习训练复杂任务等。
最后，团队将线虫模型放到仿真环境中，完成了初步训练。
这些都是未来天演平台的组成部分。具体来说，这是一个还在建造中的多GPU集群平台，可用于高精度、大规模生物神经元的模拟。
在场景尺度超过1300个线虫身长的仿真环境下，团队现在已经初步训练出了能够根据环境化学信号分布自主行动的智能线虫，而这一场景也能支持更大空间和多线虫群体仿真。
据团队表示，智能线虫模型能够高效、精准地计算与流体环境相互作用的规律，在相同计算资源下，单线秒。
下一阶段，天演团队计划让这只赛博线虫实现避障、觅食等更复杂的智能任务。
事实上，类脑智能研究一直是个全球性课题。
国际上，包括欧盟脑计划支持的Blue Brain项目、美国脑计划等都在进行类脑研究；科技巨头如谷歌，近5年一直在发布脑图谱、脑工具；高校研究机构如MIT，用19个线虫模拟神经元实现了自动驾驶控制……
然而，单从类脑研究来看，各团队的研究方向却有很大不同，甚至有相当一部分团队藉由先设计芯片、再设计算法的方式来实现类脑计算。
但这样的研究，反而会被芯片等硬件约束了算法的设计与实现，最终与实现类脑智能的目标相距甚远。
相较之，天演团队选择从实现AI的角度，去研究并实现类脑智能。
但即便如此，费尽心力建模一个线虫大脑，真的有意义吗？
线虫大脑，有什么用？
若是用一句话来概括这个问题，那便是：
这是迈出人造智能生命的关键一步。
自人工智能诞生以来，把机器打造得像人一样，便成为了研究人员一直努力研发的方向。
然而随着时间的推移，哪怕到了现今以深度学习为主的发展阶段，人工智能还是没有达到真正意义上的智能程度。
即便是像2016年AlphaGo轰动世界的那场围棋比赛，也只是刷新了人们对于人工智能的认知。
但也正如CMU教授Hans Moravec所述：
要让电脑像成年人一样下棋是相对容易的；但是要让电脑拥有一岁小孩水平的感知和行动能力，却是相当困难，甚至是不可能的。
那么，问题到底出在了哪里？
在2016年的时候，智源研究院院长黄铁军就给出过答案。
他认为，深度学习本质上依赖于人工神经网络，而生物的智能所依靠的是生物神经网络。
其中，人工神经网络更接近于实现功能，而生物神经网络模拟的则是实现功能的结构，二者在体量上便不是一个级别的，后者明显要庞大得多，也更重要——
因为结构决定功能，而生物神经网络才是智能的载体。
因此，黄铁军基于这种情况下所提出的解法是：
从脑机理模拟的角度出发。
简单来说，就是要去探索生脑大脑内部的运作模式，这才是通向通用人工智能的途径之一。
无独有偶，在更早的2009年，瑞士洛桑联邦理工学院的Henry Markram教授也提出过类似的观点。
当时他宣布了一个计划——将在理解大脑结构的基础之上，用超级计算机建立大脑模型。
这项计划后来得到了欧盟的大力支持和关注，因为这种方式的意义不仅仅是理解人类大脑智能的本身，甚至还可能为脑疾病找到别样的治疗方法。
但问题也接踵而至，要想模拟人类整个大脑神经网络，靠计算机是相当困难的。
这不仅仅是因为计算模拟的复杂度，更是因为生物大脑本身的复杂度。
毕竟人类大脑的含有神经元数量高达1011，其所需的计算量和成本可见一斑。
而人类实际上通过大脑去做推理、创作等一系列行为时，所消耗的功耗仅为20-25瓦。
也就是说生物大脑具备了高智能、低功耗的特性。
这也就是为什么说研究生物大脑，是通向通用人工智能最佳蓝本的原因所在了。
而且这种信号也已经开始浮现。
例如2021年发表于顶刊NEURON上的Single Cortical Neurons as Deep Artificial Neural Networks研究表明——
一个深度神经网络需要5到8层互联神经元才能表征单个生物神经元的复杂度。
这也就证明了单个神经元所具备的计算力之强，所以若是能够对单个神经元做非常精细化的刻画，便可更加逼近生物处理信息的复杂过程。
但更精细化地模拟生物大脑的意义还远不止于此。
目前人类在大脑方面仍然存在许多较为棘手的疾病，例如阿尔兹海默症、抑郁症和脑损伤等。
研究各种脑疾病的过程更是消耗巨大人力和物力的过程，若是能够精细地模拟具备生物性质的大脑，那么或许会在解决方案上提供另一种可能性。
……
总而言之，更好地模拟和认识大脑，是在认识大脑本身的同时，也是在重视人类自己。
来自图灵奖得主都参与的大会
回归到此次最高精度模拟的智能虫，它的亮相，正是在2022北京智源大会。
在这场大会上，包括学术界、产业界的各个AI大牛，都会介绍自己最前沿、最关键的AI研究成果。
而除了智能线虫之外，这场峰会还发布了其它多项重要研究成果。
例如九鼎智算平台。
它的算力高达1000P，剑指计算新范式，包括通用智能大模型、AI for science等趋势性科研方向。
据了解，九鼎智算平台有别于目前已有的商业云计算。
首先在任务方面，现有的公有云主要是以高并发的推理任务为主；但九鼎智算平台则是面向大模型训练为代表的大规模混合计算任务。
其次在结构方面，九鼎智算平台在现有的处理器和加速器的异构计算云平台资源上，需要构造一套能融合以深度学习为代表的AI和高性能计算任务的云平台架构。
最后在适配方面，平台需要支持多家厂商的异构AI加速芯片，九鼎团队希望探索自动适配的新方法，让自动每一款异构计算芯片能发挥其最佳运算能力，提高平台的整体效率。
不难看出，AI大模型和AI forScience，是九鼎智算平台的主旋律了。
而除了技术和平台的发布之外，在把技术用起来这事上，智源研究院也公布了最新进展。
也就是此前推出的悟道大模型。
例如悟道GLM模型已经在美团App上使用，约7亿用户享受到了它的能力。
据了解，在智能客服方面带来了11%的效能提升，广告收入提升约2.7%。
悟道CogView文图生成模型则是把生成效果的逼真度拉上了一个新台阶。
现在通过这个模型生成动物的，其质量已经堪比摄影照片，这将具备非常大的商业潜在价值。
悟道CogVideo模型，则已经可以实现一句话生成。例如只要说：
让绿巨人在屏幕上咆哮、蜘蛛侠在空中吐丝、蒙娜丽莎对你嫣然微笑、梵高的星空璀璨律动……
那么与之对应的画面，分分钟内便可以打造出来了：
但除了项目和成果的发布之外，与会嘉宾也是此次北京智源大会的一大亮点。
今年不仅请来了图灵奖得主Adi Shamir，Karl Friston、Cynthia Dwork等多位世界级科学家。
还有全球顶级AI实验室的科研代表，例如DeepMind首席AI科学家Richard Sutton、OpenAI研究团队负责人Meta AI 西雅图负责人等。
他们会在此次大会中，针对机器学习、多模态、大模型、AI开源等研究方向做最新进展报告。
目前，大会依旧处于进行时，感兴趣的朋友可以戳下方链接进行参与。
2022北京智源大会线上地址：