|
【派大星寶寶的回答(50票)】: 原來的專欄寫了這個問題 http://zhuanlan.zhihu.com/p/20726556?refer=VisNeuro 直接貼在這個問題下面。 經(jīng)常看到知乎上討論人工智能和認(rèn)知神經(jīng)科學(xué)，沒辦法，這是兩個社會層面和科研層面非?；馃岬脑掝}。首先要說，這篇東西并不是給某個雜志或者公眾號類似于科普性質(zhì)的介紹，而是很實(shí)際的回答一些入門者的困惑，所以不會扯一些描繪未來偉大藍(lán)圖的大道理。這篇東西主要針對本人看到和收到的日益增多的問題，如果我未來想從事人工智能相關(guān)的職業(yè)，需不需要本科/碩士/博士以neuroscience（甚至是心理學(xué)。。）為專業(yè)或者是申請neuroscience的本科/博士項(xiàng)目？？ 首先直接拋主要觀點(diǎn)，如果你現(xiàn)在明確了未來職業(yè)發(fā)展是在人工智能方向（大學(xué)教授/大公司算法研究員，機(jī)器學(xué)習(xí)工程師），不需要在本科/碩士/博士以neuroscience（甚至是心理學(xué)。。）為專業(yè)，在可能的條件下，優(yōu)先選擇 CS/EE/Applied Math等方向。 我喜歡把neuroscience劃分為兩個大類 - 分子神經(jīng)科學(xué)和認(rèn)知神經(jīng)科學(xué) (注意這只是一個簡單劃分，其中當(dāng)然有交叉，而且大概給了個名字, 請各位不要摳字眼)。 分子神經(jīng)科學(xué)傳統(tǒng)上就代表了神經(jīng)科學(xué)，到目前為止也是整個神經(jīng)科學(xué)最大的一部分。對于分子神經(jīng)科學(xué)來說，和人工智能幾乎沒有關(guān)系。這部分的研究更看重微觀層面，常常問的問題是，這個蛋白有什么功能？這個突觸有什么變化?這種情況下神經(jīng)電信號是怎么傳導(dǎo)的？對于這一大類問題，其研究思維和研究方法，和傳統(tǒng)的生命科學(xué)更為接近，也叫神經(jīng)生物學(xué)，身邊的朋友在此行當(dāng)?shù)牟簧伲ㄒ彩墙?jīng)常在網(wǎng)上被黑成生物狗的那部分人。。）。這類研究非常重要，對一些神經(jīng)性疾?。ū热缜岸螘r(shí)間大火的漸凍人）有很突出的貢獻(xiàn)，但是真的和人工智能幾乎沒有關(guān)系。舉一個例子就很容易理解，著名學(xué)者饒毅，他的研究就是一些行為的分子機(jī)制，在各大頂級科學(xué)期刊上發(fā)表了無數(shù)優(yōu)秀的研究，可是這些研究哪一條真的和目前機(jī)器學(xué)習(xí)算法能聯(lián)系起來？？術(shù)業(yè)有專攻，這個領(lǐng)域目前來說就是和人工智能很遠(yuǎn)。 好了，我想更多人的問題是，那么神經(jīng)科學(xué)的另外一半 - 認(rèn)知神經(jīng)科學(xué)到底和人工智能有什么關(guān)系? 這無非是兩個點(diǎn)，認(rèn)識神經(jīng)科學(xué)對人工智能的影響以及反過來人工智能領(lǐng)域?qū)φJ(rèn)知神經(jīng)科學(xué)的影響。先說前者，后者是個更有意思的話題。 對前者的主要觀點(diǎn)，認(rèn)知神經(jīng)科學(xué)確實(shí)對人工智能有幫助，但是這種幫助截止目前來看非常有限。 每天我的手機(jī)上都在推送各種媒體公眾號的評論文章，強(qiáng)調(diào)未來腦科學(xué)和機(jī)器學(xué)習(xí)算法的高度交融，未來我們會生活在一個智能的時(shí)代，blablabla。。。這些原則上都沒有錯，未來確實(shí)是這個趨勢。可是，對入門者選擇方向給建議和探討學(xué)科前沿的發(fā)展趨勢，出發(fā)點(diǎn)是完全不一樣的。這些高屋建瓴的科普并不能給入門者提供一些實(shí)際可操作的建議，入門者選擇方向是面向基礎(chǔ)，問題是哪個方向更能幫你進(jìn)入這個領(lǐng)域的核心。 在機(jī)器學(xué)習(xí)算法當(dāng)中，確實(shí)反映了一些認(rèn)知神經(jīng)科學(xué)的知識，比如深度學(xué)習(xí)里面的卷積神經(jīng)網(wǎng)絡(luò),其中卷積這一步就是完全模擬的是人類視皮層的加工方式?？墒?，除了這一條，各位還能舉出多少條類似的應(yīng)用？哪怕是卷積，這也是三四十年前的神經(jīng)科學(xué)知識，而且這個想法Lecun 80年代就有了?？梢哉f，目前機(jī)器學(xué)習(xí)算法中應(yīng)用到的神經(jīng)科學(xué)知識，可能還不到整個神經(jīng)科學(xué)知識的1%。所以你說神經(jīng)科學(xué)對這些算法發(fā)展到底有多大的作用？ 退一步來看，神經(jīng)網(wǎng)絡(luò)在最近幾年的長足發(fā)展，和認(rèn)知神經(jīng)科學(xué)的發(fā)展幾乎一點(diǎn)關(guān)系都沒有。機(jī)器學(xué)習(xí)發(fā)展主要來自于數(shù)據(jù)量的增多和目前運(yùn)算速度的加快。計(jì)算機(jī)本身是個偏應(yīng)用的學(xué)科，一個算法吹的再好聽，和人腦再相似，你的performance不如別的算法，那就是扯談。這也是為什么神經(jīng)網(wǎng)絡(luò)進(jìn)入上世紀(jì)90年代之后完全衰落的原因，因?yàn)檎f起來是模擬人腦，實(shí)際上不work。神經(jīng)網(wǎng)絡(luò)最近火起來，又正是因?yàn)閜erformance開始大大超越別的算法了。所以整個邏輯鋝下來，和認(rèn)知神經(jīng)科學(xué)有半毛錢關(guān)系么？所以你要問我，認(rèn)知神經(jīng)科學(xué)對目前人工智能算法有幫助么？有幫助。有多大幫助呢？Who knows。未來會有大融合么？這是一個趨勢，趨勢，趨勢。。。 回到本文的初衷，主要是給入門者選專業(yè)的建議，求學(xué)的過程很重要，一門學(xué)科的思維方式和學(xué)術(shù)訓(xùn)練決定了你未來的研究思維，尤其是本科/博士兩個階段。既然已經(jīng)明確未來從事人工智能方向，而人的精力又是有限的，為什么不直接去面對這個領(lǐng)域，直接解決這個領(lǐng)域的問題，而去旁敲側(cè)擊的學(xué)習(xí)neuroscience呢？另外一個現(xiàn)實(shí)層面的考慮，學(xué)校博士項(xiàng)目的設(shè)置其實(shí)遠(yuǎn)遠(yuǎn)落后于最新技術(shù)的發(fā)展。目前很多大學(xué)的neuroscience program都還是非常陳舊的神經(jīng)生物學(xué)那一套，如果你真的進(jìn)入這樣的program或者跟了一個完全分子生物學(xué)背景的老板，可以說和人工智能研究基本絕緣了。學(xué)習(xí)交叉學(xué)科現(xiàn)實(shí)上就是很困難的。另外，深度學(xué)習(xí)等等本質(zhì)是個工程問題，神經(jīng)科學(xué)本質(zhì)是研究科學(xué)問題。博士期間好好發(fā)文章在一些計(jì)算機(jī)頂級會議，比如CVPR，ICCV等，對你在人工智能領(lǐng)域的發(fā)展遠(yuǎn)比發(fā)表一些神經(jīng)科學(xué)期刊更有幫助。 另外有幾個點(diǎn)值得注意 第一，目前人工智能領(lǐng)域的幾個大牛，比如FeiFe Li, Yann Lecun, Geff Hinton等，確實(shí)都有一定認(rèn)知心理學(xué)和neuroscience的背景。Deep mind的創(chuàng)始人，Demis Hassabis博士期間也是認(rèn)知神經(jīng)科學(xué)家。但是Hinton和Hassabis都是計(jì)算神經(jīng)科學(xué)（computational neuroscience）出身（這個以后再講。。），只是廣大神經(jīng)科學(xué)領(lǐng)域當(dāng)中很小的一部分。而且，成功人士的光環(huán)總會帶來一些誤導(dǎo)，認(rèn)為做人工智能就必須要學(xué)neuroscience，顯然是不對的（馬云是學(xué)英語的，所以我們想當(dāng)首富就要去學(xué)英語？？？）。再退一步說，我們有多少人能成為他們這樣的頂級大牛？大部分人未來就是在某個技術(shù)公司做個engineer或者創(chuàng)業(yè)實(shí)現(xiàn)一些具體算法而已。 第二，對neuroscience感興趣是好事，我說的這些也只是針對入門者方向選擇這個問題，因?yàn)閷W(xué)生總是要選擇一條主要方向的，要是double major或者輔修，那就當(dāng)我沒說。從邏輯上看，我只是討論認(rèn)知神經(jīng)科學(xué)和人工智能互相的作用，并沒有否定認(rèn)知神經(jīng)科學(xué)和人工智能各自本身發(fā)展的重大的意義（所以不要說我是某某黑）。 還剩一點(diǎn)，反過來, 目前機(jī)器學(xué)習(xí)等領(lǐng)域的突破，能給認(rèn)知神經(jīng)科學(xué)的發(fā)展帶來哪些幫助呢？如果特別想學(xué)交叉學(xué)科應(yīng)該怎么辦呢？ 有空以后再寫。。。。 【招俊鵬的回答(4票)】: 人工智能還是挺大的。心理學(xué)想要在基礎(chǔ)算法方面有所建樹不容易，在這里總結(jié)一下在人機(jī)交互（HCI）領(lǐng)域，人工智能和心理學(xué)相關(guān)的幾個方向吧。 第一，如何通過機(jī)器學(xué)習(xí)和自然語言處理挖掘與人的心理，認(rèn)知有關(guān)的信息，從而自動進(jìn)行決策活動。
【CeciliaNi的回答(10票)】: 無論你是想在業(yè)界找份好工作還是在學(xué)術(shù)界，都不要選neuroscience或者心理學(xué)。因?yàn)槠鋵?shí)更重要的是數(shù)學(xué)和計(jì)算機(jī)。因?yàn)轸~與熊掌不可兼得，不要拿了芝麻丟了西瓜。 【GloGlo的回答(20票)】: 謝邀，無益。 答主在 McGovern Institute for Brain Research at MIT 做Neuroscience相關(guān)研究已經(jīng)半年了，并且工作中大量用到Machine Learning，之后會轉(zhuǎn)去做AI。幾點(diǎn)要說明的是： 1. Neuroscience本質(zhì)上還是一個實(shí)驗(yàn)科學(xué)，所以在做研究的過程中就算是做數(shù)據(jù)處理那一部分，也會涉及到很多的實(shí)驗(yàn)設(shè)計(jì)，大量的生物學(xué)背景知識，甚至親手操作濕實(shí)驗(yàn)，所以這種經(jīng)歷對包括AI在內(nèi)的其它工作貢獻(xiàn)微乎其微。 2. AI是一個非常廣的概念，涉及很多方向和知識，但要想在這個領(lǐng)域具有競爭力，最需要的依然是math和statistics。 3. Neuroscience對AI的幫助是在于Neuroscience的發(fā)展會對AI的發(fā)展有促進(jìn)，而不是個人學(xué)習(xí)研究Neuroscience所得會對AI的實(shí)踐和研究有所幫助。舉個例子：Computational Perception & Cognition 這個組里倡導(dǎo)二者互相促進(jìn)，所以有兩個Track：一批Neuroscientist和一批做Neural Deep Learning。雖然說是緊密結(jié)合，但其實(shí)大部分組會都是分開進(jìn)行的，辦公室也都是獨(dú)立的。 所以若有志于AI，切莫誤把Neuroscientists拉Funding的說辭當(dāng)作個人發(fā)展的指引了。 【HenryWang的回答(4票)】: 取決于您想從事什么職業(yè)了。 如果去業(yè)界，應(yīng)該學(xué)cs，心理學(xué)和神經(jīng)科學(xué)可以當(dāng)做興趣自學(xué)； 如果當(dāng)小教授混碗飯吃，應(yīng)該學(xué)cs或數(shù)學(xué)（本科）/運(yùn)籌學(xué)（碩、博），心理學(xué)和神經(jīng)科學(xué)仍然可以當(dāng)興趣自學(xué)； 如果立志留學(xué)美帝常春藤，能像hinton當(dāng)年那樣沉潛下來幾十年任勞任怨深研dl那樣做基礎(chǔ)研究，忍得住漫長的孤獨(dú)、擔(dān)得住暫時(shí)的清貧，以搞出諾貝爾獎級成果為人生目標(biāo)，那么應(yīng)該學(xué)習(xí)神經(jīng)科學(xué)或認(rèn)知心理學(xué)，因?yàn)檫@就是人類科學(xué)取得重大突破的下一個未來！ 【IvyWang的回答(4票)】: 沒有?？紤]到phd的時(shí)間成本，可以說這樣就算是告別AI了。一定要學(xué)CS/EE/math相關(guān)專業(yè)。 原文地址:知乎 |
|
|
