元方说·生命科学篇⑤｜如果用AI来解码人脑会怎样？(3)

封面新闻：人工智能会不会具备自我学习能力？
徐鹏：目前，我们将“强化学习”视为人工智能实现自我学习的一种有效途径。在“强化学习”的学习策略中，计算机通过尝试和错误的方法，从环境中不断地学习和改进自己的行为，从而实现智能决策，比如之前很有名的阿尔法狗。
强化学习是一种能够让人工智能拥有自我学习能力的方法，但这与人类的自我学习能力相比还有很大差距。人类可以通过归纳总结、逻辑推理等提升学习效率，但人工智能的自我学习更偏向是一种单任务遍历取优的策略，在处理复杂的多任务学习时还存在学习效率的问题。当前，人工智能技术的学习能力相对于人脑来说，还是一个比较初级的阶段。
但从人工智能在最近几年的迅猛发展势头来看，以前觉得不能的事情正在变成现实。因此，我觉得建立在对人脑学习、记忆等机制的更深入了解的基础上，未来的人工智能模型确实可能具有较强的自我学习能力，这也是前面讲到的世界需要从法律等方面去规范人工智能研究的主要因素之一。
封面新闻：脑机接口如何应用于医疗和疾病治疗？里面涉及人工智能的哪些领域？
徐鹏：脑机接口这个概念技术，实际上从上世纪70年代出现以后，其对大脑思维在一定程度上的解码属性，迅速引起了大家的兴趣。在早期阶段，大家主要关注的是对大脑的解码，也就是想通过脑机接口对外界设备比如轮椅、计算机等进行大脑的控制。国际上也出现了多个脑机接口打字系统、轮椅控制及计算机操作系统。但这些系统大多是停留在实验室，没有能够较大规模地推广起来。究其原因，一是脑机接口的信号获取方式对用户不友好，二是脑机接口对运动的解码效率方面确实与人们的预期还存在一定距离。而随着研究的深入，人们发现，传统的脑机接口也就是脑控，不能满足研究、应用的需求，因此脑机接口的研究从传统的脑控扩展到了控脑，也就是通过外界输入干预，对大脑的活动进行调控。
从临床等应用方面来说，把脑控和控脑结合起来，形成一个闭环的系统，更加能够符合临床等方面的需求。因此，当前的脑机接口发展的主要方向，就是一方面利用脑机接口的脑控功能，也就是解码功能，对病人大脑的状态、疾病损伤程度进行有效地监控，然后结合外界的比如神经反馈、声光电磁等调控手段，对大脑的状态进行干预调节。目前，国际上已经出现了多种脑机接口系统，应用于儿童多动症、孤独症、脑瘫、癫痫、帕金森、脑中风康复、难治性抑郁症等疾病的治疗康复中。