□汪小京
計算神經科學：影響廣泛的前沿科學
無論是簡單的知覺、行動，還是複雜的情感、思維、學習、決策，都來自於我們的大腦。大腦是最複雜的生物器官，也是最神秘的「計算機」。即使今天最快的超級計算機（中國的Nebulae今年排名世界第二），在重要的智能方面也不及人腦。了解大腦的生物學原理，包括從遺傳基礎到神經網絡機制，是21世紀最主要的科學挑戰之一。這個領域的發展將解開腦的奧秘，而且將會對社會發展的多方面有深遠影響。「腦科學與認知科學」在《國家中長期科學和技術發展規劃綱要》中被列為八大科學前沿之一。
腦科學的研究越來越需要計算神經科學。計算神經科學是一門跨領域的交叉學科，把實驗神經科學和理論研究聯繫在一起，運用物理、數學以及工程學的概念和分析工具來研究大腦的功能。隨著各項新技術，如高密度多電極記錄、用大量鈣敏感染料的雙光子成像技術、腦基因組學、腦連接組學的快速發展，未來數年裡實驗數據將以空前的速度增加。
因此，展望未來，為了能解讀這些實驗數據，並據此提出和檢驗各種科學假說，新的計算工具和方法是必不可少的。另一方面，大腦是一個異常複雜的動力學系統，具有多種反饋機制和多層時空結構，它的行為不能僅僅依靠直覺來理解，定量分析和從概念上深入闡明是至關重要的。這就是為什麼計算神經科學，使用理論和模型，並通過與實驗的互動，對形成新概念和基本原理起相當的作用。中國要成功建立一流實驗神經科學，尤其是系統、認知神經科學，一定需要發展配套的一流計算神經科學。
除了在基礎研究方面的貢獻外，計算神經科學通過和神經科學的其他分支相結合，也會對社會的各個層面產生廣泛的影響。例如，心理學、神經科學和機器學習理論能夠為學習、教育提供新的模式。又如，對大腦如何作決策的研究已經開始影響微觀經濟學和社會抉擇行為學，開拓了「神經經濟學」這個新領域。再如，腦疾病已越來越引起社會的注意。由於對許多精神障礙病的治療必須了解其相應的認知缺陷以及相關的分子和網絡機制的失調，人們已經開始為精神病學發展新的計算和系統的研究方法。
另一個相關的廣闊領域是未來的計算機技術、人工智慧。作為開發下一代智慧機器人平臺的腦計算機仿真已受到人們的廣泛關注。2008年2月，美國國家工程院發表了用工程方法重建人腦的重大挑戰書(http://www.engineeringchallenges.org/cms/8996/9109.aspx)。
IBM和DARPA(Defense Advanced Research Projects Agency) 目前都積極地投入到這項研究中。歐盟也有「幼獸機器人」（RobotCub)大計劃，以腦科學為基礎發展智慧機器人。在2009 Kavli Futures Symposium有關「幻想的計算機」的討論會中，計算機學家、腦神經學家、物理學家們有一個共識：和計算神經科學的緊密合作能幫助人們為未來的機器人設計出創新型的結構(參見http://www.kavlifoundation.org/extreme-achine-2009-kavli-futures-symposium)。
由此可見，在中國建立計算神經科學，不僅僅對於我們實現建設世界一流的神經科學的目標是必不可少的，而且還對很多其他相關領域，特別是機器學習、機器人技術及神經工程學的發展，將產生巨大的促進作用。
計算神經科學是一個正在成熟的新領域
將數學理論和模型應用到腦的研究已經有一定的歷史了。從上世紀30年代開始，McCullough和Pitts建立了第一個神經網絡的數學模型；Norbert Wiener和John von Neumann推測了計算機和腦的關係；Hodgkin、Huxley和Rall建立了第一個符合生理學性質的神經元和突觸模型，從而奠定了研究生物學神經網路的理論基礎。
計算神經科學作為一個新學科領域開始形成，大約是在1988年左右。那一年，Sejnowski、Koch 和Churchland在 美國《科學》雜誌上發表了這個領域的「宣言」。也就在同一年，介紹計算神經方法的課程首次在Woods Hole的海洋生物學所由Koch和Bower開設。為什麼是在20世紀80年代後期呢？我在1987年獲得理論物理學博士學位，當年轉向這個新的領域。我記得當時有三個領域的成果匯聚令人振奮：一是人工智慧〔Parallel Distributed Processing (PDP)，也就是「並行與分布式處理」的發展正處於它的高峰，影響頗大的兩卷PDP手冊在1986年出版〕；二是神經網絡的物理研究（Hopfield模型及Amit、Gutfreund 和Sompolinsky 對此模型的分析在20世紀80年代中期發表）；三是現代神經生理學（1988年 Llinás 在美國《科學》雜誌上發表的綜述是其典型代表）。因此，計算神經科學始於實驗神經科學、神經網絡理論和人工智慧的發展。從一開始，這個領域就是個高度交叉的學科，它吸引了大量來自物理學、認知心理學、數學和計算機等學科的科學家。
在過去20年裡，這個領域飛速發展。其中一個標誌就是每年在美國、歐洲和日本等地都要舉辦計算神經科學方面的年會（Cosyne、CNS、NIPS，每一個會、每屆均有數百名參會者）和暑期學校。但是，需要強調的是這個領域仍然很年輕。在美國，哥倫比亞（2005年）、耶魯（2006年）、普林斯頓（2006年）、哈佛（2007年）都是在近年間才建立起計算神經科學中心。其他一些頂尖大學仍尚未設立類似的理論中心。（美國）神經科學學會在2008年第一次頒發理論神經科學領域的Swartz獎。
因此，計算神經科學是一個新興的前沿領域，它對中國未來科學的發展提供了一個很好的契機。
計算神經科學的研究方向
預測科學發現是不可能也是不明智的，但對建立一個學科領域來講，設法找出有潛力的研究方向還是有用的。以下我提出4個在我看來有發展前景的研究方向。
1.高維隨機的神經系統
目前，如何用數學方法來描述高維空間中的隨機性神經活動過程以及如何處理高維數據的方法甚少。針對此問題，數學家已經開始發展一些新的理論工具，例如壓縮傳感 （compressed sensing）。網絡數學理論、大規模隨機性的儲備型網絡（reservoir network）的設想等也開始用來描述複雜神經網絡。上個世紀，對物理系統的理論研究曾經引發數學的長足發展。也許，在這個世紀中對生物系統，尤其是在對大腦的理論研究，也將起到同樣的效果。
2.神經化學計算
細胞生物學研究顯示在神經元中存在大量的分子活動過程（包括細胞內鈣、cAMP、G蛋白、激酶、磷酸酶類等等）。我們知道它們包含了很多信息，也知道它們對長時程的突觸可塑性和神經調製等機能非常重要，但是對於它們在神經計算中的作用我們仍缺乏概念性的了解以及綜合理論。理論科學家在基於電活動模型解釋某些神經計算時遇到一定困難。要克服這些困難，我們也許需要考慮到神經元內部和突觸上的「細胞化學計算」。如何跨尺度地將分子過程與網路計算聯繫起來是一個值得投入的課題。
3.大尺度神經環路的理論
我們對局部神經網絡（例如一個皮層區）的研究較多，而對包括許多部分的大神經組織結構和功能的機制了解甚少。我們對於自上而下的信號（如選擇性注意在感覺神經元中的介導）是如何在微環路層次上得以實現還所知不多。另外，我們也不了解大尺度的神經環路是如何運作的，例如，在決策過程中，不同的大腦皮層區與皮層下的結構是如何通過動態相互作用進而作出抉擇的。我們還缺乏一套大尺度神經環路工作的基本理論。
4.認知的神經機制
得益於腦功能核磁共振的發明，認知腦科學近年來有了很大的發展。認知科學和神經生理學之間仍還有較大的鴻溝，但近年來人們已經開始用精確設計的動物實驗，單細胞記錄和網絡模型模擬來研究一些關鍵的認知行為（如決策、工作記憶和選擇性注意）。一個神經生物學與認知科學相綜合的新領域正在形成，在這個新領域中，理論方法和建模將起著重要的作用。其中的一個前沿學科是社會認知學，它致力於了解社會行為及情感的腦神經基礎。這個領域將會對社會產生大的影響，包括發展培養兒童認知能力的新方法，改進經濟和金融抉擇理論，抗老領域裡對老年認知功能的修復和增強。
新的理論方向會因出乎意料的新實驗結果而不斷湧現。因此，為了促進計算神經科學取得富有成效的研究成果，我們需要仔細地建立一個理論和實驗科學家合作的機制，確保理論與實驗之間的雙向交流。理論模型的建立是基於實驗數據，而模型作出的預測又反過來用新的實驗驗證，有時甚至可對試驗的設計有定向性的指導意義。如果我們能建立實驗和理論科學家緊密合作的傳統，那麼不僅計算神經科學能確保有堅實的實驗基礎，而且實驗神經科學也將能從它與理論科學的相互影響中獲益而更有創新。
計算神經科學在美國和歐洲的科研資助
由於計算神經科學的重要性和潛在的廣泛影響，中國應該在主要的科研經費安排上對其優先考慮。在美國，當這個領域在上世紀90年代初剛剛興起時，Sloan基金會建立了5個Sloan理論神經生物學研究中心（分別在Brandeis、Caltech、NYU、UCSF 和Salk Institute）。最近，Swartz基金會扮演了類似的角色，建立了幾個新的研究中心（現在總共有11個Sloan-Swartz 研究中心）。各中心裡實驗和理論科學家有一個合理的組合，很多計算神經科學領域的領軍人物也都屬於這些中心。
多年來，Sloan-Swartz研究中心培訓了大量有物理學或其他計算科學領域背景的研究生和博士後，幫助他們成功地轉入計算神經科學領域。據Hirsh Cohen博士介紹，103名這樣的受訓者現在已經在美國和歐洲擔任教職（Cohen博士先後在Sloan、Swartz兩個基金會，在整個過程中發揮了關鍵作用）。很多Sloan-Swartz 研究中心的學員又成了實驗科學家，既做實驗又做理論研究。因此，這個領域的發展很大程度上得益於Sloan和Swartz基金會的遠見卓識和長期支持。此外，從2004年開始，National Institutes of Health 和National Science Foundation 聯合建立「CRCNS(Collaborative Research in Computational Neuroscience)項目」，支持計算神經科學，特別有計劃地促進實驗和理論科學家之間的協作。
Sloan-Swartz研究中心的成功模式在歐洲有相當的影響。近年來，德國神經科學家和物理學家建立了National Bernstein Network of Computational Neuroscience (http://www.nncn.de/)。他們說服了德國政府承諾出資1億歐元支持4個研究中心（分別在Munich、Berlin、Freiburg 和 Gottingen）以及一些小型的Bernstein小組（一些小組特别致力於神經科學技術）。與Sloan-Swartz研究中心不同，一個Bernstein研究中心可以包括多個研究所。例如，Gottingen 的 Bernstein 研究中心是在Gottingen 的4個研究所的合作機構，包括 Georg-August 大學、德國靈長類研究中心、Max Planck 動力學和自組織研究所以及Max Planck 生物物理化學研究所。這種模式值得中國在發展計算神經科學時借鑑。
中國發展計算神經科學的建議
1.計算神經科學研究中心
綜上所述，我們可以肯定地說計算神經科學應該成為中國的一個重要的科研領域。中國在建立這樣一個交叉學科上是有優勢的，因為我們有非常多的物理學、數學和工程學方面的年輕人才，其中很多人對轉入生物學領域的前景很有興趣。要真正建立一流計算神經科學，需要有眼力，有長期的計劃和經費支持，實現理論和實驗科學家能夠真正的組合，培養年輕人才、領軍人物，引回在國外的優秀學者。
我們可以提出一個戰略性的計劃：考慮先建立兩三個研究中心，應儘可能將中國已有的計算神經科學家及大學和中科院研究所的實驗神經科學家聯合在一起。中心的規模待定，數量可在將來增加。這些中心需要設計成：1）最有利於實驗和理論科學家之間的日常交流和合作；2）能促進物理學、計算機科學和神經科學之間創新性的交流；3）能夠承擔交叉學科學生的訓練。
2.培訓項目和會議
現代生命科學各領域的教學中，計算模擬應該或已經成為必不可少的一部分。在這方面，神經科學比其他一些生物學領域走在更前面。訓練計算神經科學的學生和博士後需要有雙重的目標：讓物理學和數學學科的青年人才學習神經科學，同時給實驗科學家機會學習建模的數學知識及建模方法。計算神經科學應該在本科和研究生階段教授，也可以通過暑期學校的方式（我們從2010年開始在冷泉港—亞洲組織「計算和認知神經生物學」的暑期課程，見http://meetings.cshl.edu/CSHAsia/s-cosyne10.html）。同時，為了建立一個新的領域，必須有討論會以便於人們定期集會、交流和開展合作，這對計算神經科學這樣的交叉學科尤為重要。因此，我們需要有專門的經費來資助定期的會議和暑期課程。
3.高性能計算設備
目前，有些神經系統的模擬需要具有幾千個快速處理器的計算機集群。從未來的需求看，哺乳動物大腦有千億個神經元和百兆個突觸連接，要模擬它的真實模型，對當今最快的十佩塔浮點（peta- 〈1015〉 flop）運算量的超級計算機來說仍是一個挑戰。這就是為什麼在日本的理化所（RIKEN)，大腦建模是他們「下一代超級計算機研究與開發中心」的一個重要任務。在瑞士EPFL、美國IBM Almaden研究中心以及加拿大Rotman研究所，正在發展幾個「全腦模型模擬」方案。歐盟也有「虛擬（計算機模擬）的生理人」大項目。這些項目都處在早期階段，而且一些計劃、觀點也頗具爭議。儘管如此，高性能計算設備在我們領域將成為越來越重要的工具這一點是毋庸置疑的。反過來，腦模擬也會對超級計算機的發展有大的推動。新的計算神經科學研究中心在這個方面應該成為領軍者，建立起有強勁的計算機集群（computer cluster），接入到最先進的超級計算機（high-performance supercomputer）的計算平臺。
總之，如本文所敘，我認為國家在中長期計劃中應強力建立計算神經學。它應是我們爭取走到世界前沿的跨學科的領域之一，並對許多其他學科、社會將有廣泛的影響。建立此學科，可幫助加快一流大學和研究所的建設。
本人感謝吳思、陶樂天對此文的幫助。也衷心希望能促進同行對中國計算神經科學發展的討論。
（作者系耶魯大學教授，電子郵件：xjwang@yale.edu。個人更多信息見：http://wanglab.med.yale.edu。）
《科學時報》 (2010-8-26 A3 學科綜述)