文｜《中国科学报》记者孙滔

于北京年夜学吕志及楼（生命科学科研楼），大都试验室里满是肉眼可见的物理实体：高敏捷度的显微镜、周详的多通道电极、小鼠举动箱，以和此起彼伏的仪器蜂鸣。

惟独404室是个破例。

推开门，内里没有试管架，也没有生物样本冰柜，只有一架架册本。疫情时期，吴思一口吻搬来17本数学书，涵盖微分几何、信息论、群论等范畴。

“我是整个吕志及楼，甚至昔时于中国科学院神经科学研究所（如下简称神经所）里，独一一个纯做理论、彻底不做试验的人。”57岁的北京年夜学生理与认知科学学院传授吴思说。于高度依靠实证数据的脑科学界，这个脚色曾经被戏称为“空言无补”。

这些年，他常被认为于做某种数学游戏。他押注了20多年的那套数学模子，直到近来几年才迎来试验证据的印证。

这位理论物理学博士身世的计较神经科学家，从未被既有的学科界限束厄局促。他想搞清阿谁困扰了他数十年的焦点问题：年夜脑毕竟怎样孕育发生智能。

贴满纸条的墙

吴思的学术轨迹极具超过性。

从北京师范年夜学得到理论物理博士学位起步，他前后于中国香港科技年夜学、比利时林堡年夜学、日本理化学研究所、英国谢菲尔德年夜学与萨塞克斯年夜学任职；2008年回国进入神经所，今后又前后任教在北京师范年夜学与北京年夜学，甚至于北京年夜学时期，他从最初入职的信息科学技能学院转到了今朝的生理与认知科学学院事情。30年间，他换过近10个事情单元，萍踪遍布欧亚年夜陆。

于外人看来，这是一段频仍跨界，颇为折腾的过程，吴思却漫不经心：“实在底子没转。30多年来，我体贴的焦点问题从未转变。转变的只是解决它的路径，我一直于为解构年夜脑寻觅适合的研究手腕。”

要害的迁移转变发生于1993年先后。其时正值读博后期，吴思于中国科学院生物物理所藏书楼的一本外洋科技期刊上，初次读到了关在人工智能的先容。

“一会儿面前一亮。”30年后再追念，吴思依然眼神发亮：“假如能用物理及数学的严谨逻辑，去解构年夜脑怎样孕育发生思惟与智能，那将是多么壮丽的工作。”

博士卒业那年，中国香港科技年夜学物理系雇用从事人工神经收集研究的博士后。吴思险些没有夷由，违上行囊南下。

这一步于其时其实不明智。上世纪90年月中期，人工智能正处在低谷。初期神经收集曾经被寄与厚望，却没有迅速形成使人信服的运用，研究热度随之降落。吴思说，那时于简历里直接写“人工智能”，他人甚至会感觉你像个“骗子”。

实际的磨练相继所致。

于内地上学时，课题组近10人共用一台简陋的台式机，学生每一周按小时分配机时。到了中国香港，吴思直接面临全英文的科研情况、从未接触过的Unix事情站体系、繁杂的C语言编程以和频仍的代码调试。

这位习气了纸笔推导公式的物理学博士，揭示出了极其务实与执着的韧劲。

他把碰到的每个体系指令、经常使用代码及调试技巧，工工致整记载于黄色便当贴上，从电脑屏幕边沿一起贴满墙壁。不懂就问，学会一笔记一张，贴上去。两三个月后，半面墙贴满了纸条，各项操作也已经纯熟在心。随后，他将纸条一张张撕下，墙面恢复了原样。

厥后前去日本理化学研究所脑科学研究中央（BSI），进入人工智能范畴领甲士甘利俊一（Shun-ichi Amari）传授的试验室时，近似的压力再次闪现。

甘利俊一的团队会聚了来自全世界顶尖机构数理功底扎实的学者。会商班上，初来乍到的吴思感应不小的差距：“那段时间很是焦急，经常于试验室忙到深夜。我重复思索，这毕竟是常识贮备的差距，还有是先天的差异。”

他选择延续此前咬牙对峙的节拍。泰半年后，对于甘利俊一交办的课题，吴思成为组里推进最快、最具履行力的人。

“独一不做试验的人”

脱离日本后，吴思赴英国任教8年，前后就职在谢菲尔德年夜学计较机系及萨塞克斯年夜学信息工程系。

跟着时间推移，他的困惑也日趋闪现：“于纯计较机系的情况里做脑科学，长此以往有一种离开现实的虚无感。你以为本身于做脑科学，现实上是于做数学。研究了很永劫间，神经科学范畴的人其实不认同，认为这只是数学游戏。”

2008年，吴思决议回国全职加盟神经所，担当神经信息处置惩罚课题组组长。

那是一个以电心理学、份子神经生物学及动物举动学为主导的研究机构。作为全所独一纯做理论与数学模子的课题组长，吴思的定位显患上十分非凡。

但他顺应了这类情况。他踊跃到场学术陈诉会，介入试验室会商，深切相识数据的孕育发生历程与试验的局限性。“要做计较神经科学，必需置身在真正的神经科学情况中。”他说。

于神经所时期，吴思继承将重要精神投到一个相对于冷门的标的目的——持续吸引子神经收集（CANN），这是他从日本最先就押注了平生的研究标的目的。

这个观点看似抽象，但于实际中很常见：第一次于线上见到一小我私家，下一次线下晤面，对于方换了衣服、发型也变了，你仍可能一眼认出来。输入变了，人脑却能恢复出相对于不变的“这小我私家”。

吴思注释，这恰是年夜脑神经收集事情道理的焦点地点。持续吸引子神经收集试图描写这类机制：神经元彼此毗连与影响，收集从差别初始状况出发，终极收敛至某个不变状况，如同水流汇入低洼处。这一状况可对于应一段影象、一项判定或者一个特定对于象。

他与甘利俊1、王国彝（K. Y. Michael Wong）配合提出了WAW模子，并开发了专用的动力学阐发东西——投影算法。

这是一场长达近30年的沉淀。

“常年患上不到主流承认。”谈和这段履历，吴思十分安静，“能发表于优质期刊是由于理论模子推导周密。”

吴思经常被偕行投以审阅甚至思疑的眼光：“模子是挺美丽，但怎样证实真正的年夜脑确凿是如许运行的？”

于很长一段时间里，关在持续吸引子的论文发表艰巨，援用较少，但吴思始终连结定力。他很是服气低谷期的杰弗里 辛顿（Geoffrey Hinton）：“辛顿最坚苦时，研究标的目的持久处在边沿职位地方，被范畴内绝年夜大都人抛却。比拟之下，我的情况好患上多。”

起色于数年后悄然降临。老鼠内嗅皮层空间表征的研究为该理论提供了主要试验证据，研究职员也于果蝇毗连组数据中不雅察到了近似的布局。

使人振奋的是，部门轮回神经收集于完成事情影象等认知使命练习后，自立演化出了持续吸引子布局。“那并不是人工设计的成果。”吴思说。

如今，吴思仍期待一个更年夜的冲破：找到一个像AlphaGo那样的运用，让人们看到这种模子的价值。

“我患上拿出工具来。”他说，“只有拿出工具，他人才会当真读你的数学部门。”

平生一题

从理论物理跨界的吴思，身上始终保留着一种物理学家式的“年夜一统野心”。

于他看来，当下的脑科学正处在冲破的前夕——近似在17世纪牛顿力学成立前夜，或者是20世纪初广义相对于论降生的期间。

“此刻的神经科学，试验做患上很邃密，堆集了天文数字级另外数据，但绝年夜大都研究仍逗留于碎片化的经验归纳上。”吴思说，“你测了一个脑区，他记载了一组神经元，各人各说各话。”

成立脑科学的体系性理论，焦点瓶颈于在缺少有用的东西。

为此，吴思作出了两个主要决议。

第一个，是下场造底层轮子，搭建底层基础举措措施。吴思团队彻底自立开发了一套兼具生物机理仿真与类脑呆板进修的通用计较平台——BrainPy，并将其开源供全世界计较神经科学界同享。

面临查核压力，花几年时间去打磨一套既不克不及当即换来顶刊论文又极为耗损心力的开源软件，于很多实用主义者眼里近乎“不智”，但吴思对峙认为这是理论学者的本分。

第二个，借鉴人工智能年夜模子经验，构建脑事情理论的年夜模子。为了晋升理论素养，他从头体系性研读了数十本数学著作，涵盖信息几何、现代拓扑学、微分流形以和晚世代数与群论等范畴。碰到繁杂的推导细节，他甚至会自动向比本身小30岁的博士生就教。

这也就注释了他为什么于疫情时期买回搬来17本数学书。

面临年夜模子的快速成长，吴思连结着客不雅与沉着。

十多年前，假如让他为人工智能最难冲破的能力排序，语言会排于前面。于他的理解中，语言曾经经像人工智能范畴的“皇冠”。它依靠语境、隐喻、持久进修，也包罗年夜量关在世界的经验。

让他不测的是，这项能力却率先被语言年夜模子冲破了。

但他其实不认为这就等同在完备的人类智能。人类天天司空见惯的很多能力，呆板依然难以把握。

“即即是方才学会爬行的一岁婴儿，于挪动、抓取物体、理解物理因果瓜葛的互动历程中所成立的世界模子，也异样繁杂高效，而这才是通用智能的要害基石。”

吴思选择继承深耕本身的范畴。对于在持久形成的科研节拍，他早已经习气。最近几年来，其团队的研究结果慢慢涌现，仅于本年上半年，团队就于Nature、Nature Co妹妹unications和国际呆板进修顶会（ICML）等平台发表了多项研究结果。

“一小我私家一辈子能做的工作很是有限。”吴思说，“我很幸运，30多年前就找到了值患上专注平生的课题——以持续吸引子收集为基础，解密年夜脑的事情道理。既然确定了标的目的，走下去即是。”

*文中图片为均受访者提供