|
【派大星宝宝的回答(50票)】: 原来的专栏写了这个问题 http://zhuanlan.zhihu.com/p/20726556?refer=VisNeuro 直接贴在这个问题下面。 经常看到知乎上讨论人工智能和认知神经科学，没办法，这是两个社会层面和科研层面非常火热的话题。首先要说，这篇东西并不是给某个杂志或者公众号类似于科普性质的介绍，而是很实际的回答一些入门者的困惑，所以不会扯一些描绘未来伟大蓝图的大道理。这篇东西主要针对本人看到和收到的日益增多的问题，如果我未来想从事人工智能相关的职业，需不需要本科/硕士/博士以neuroscience（甚至是心理学。。）为专业或者是申请neuroscience的本科/博士项目？？ 首先直接抛主要观点，如果你现在明确了未来职业发展是在人工智能方向（大学教授/大公司算法研究员，机器学习工程师），不需要在本科/硕士/博士以neuroscience（甚至是心理学。。）为专业，在可能的条件下，优先选择 CS/EE/Applied Math等方向。 我喜欢把neuroscience划分为两个大类 - 分子神经科学和认知神经科学 (注意这只是一个简单划分，其中当然有交叉，而且大概给了个名字, 请各位不要抠字眼)。 分子神经科学传统上就代表了神经科学，到目前为止也是整个神经科学最大的一部分。对于分子神经科学来说，和人工智能几乎没有关系。这部分的研究更看重微观层面，常常问的问题是，这个蛋白有什么功能？这个突触有什么变化?这种情况下神经电信号是怎么传导的？对于这一大类问题，其研究思维和研究方法，和传统的生命科学更为接近，也叫神经生物学，身边的朋友在此行当的不少（也是经常在网上被黑成生物狗的那部分人。。）。这类研究非常重要，对一些神经性疾病（比如前段时间大火的渐冻人）有很突出的贡献，但是真的和人工智能几乎没有关系。举一个例子就很容易理解，著名学者饶毅，他的研究就是一些行为的分子机制，在各大顶级科学期刊上发表了无数优秀的研究，可是这些研究哪一条真的和目前机器学习算法能联系起来？？术业有专攻，这个领域目前来说就是和人工智能很远。 好了，我想更多人的问题是，那么神经科学的另外一半 - 认知神经科学到底和人工智能有什么关系? 这无非是两个点，认识神经科学对人工智能的影响以及反过来人工智能领域对认知神经科学的影响。先说前者，后者是个更有意思的话题。 对前者的主要观点，认知神经科学确实对人工智能有帮助，但是这种帮助截止目前来看非常有限。 每天我的手机上都在推送各种媒体公众号的评论文章，强调未来脑科学和机器学习算法的高度交融，未来我们会生活在一个智能的时代，blablabla。。。这些原则上都没有错，未来确实是这个趋势。可是，对入门者选择方向给建议和探讨学科前沿的发展趋势，出发点是完全不一样的。这些高屋建瓴的科普并不能给入门者提供一些实际可操作的建议，入门者选择方向是面向基础，问题是哪个方向更能帮你进入这个领域的核心。 在机器学习算法当中，确实反映了一些认知神经科学的知识，比如深度学习里面的卷积神经网络,其中卷积这一步就是完全模拟的是人类视皮层的加工方式。可是，除了这一条，各位还能举出多少条类似的应用？哪怕是卷积，这也是三四十年前的神经科学知识，而且这个想法Lecun 80年代就有了。可以说，目前机器学习算法中应用到的神经科学知识，可能还不到整个神经科学知识的1%。所以你说神经科学对这些算法发展到底有多大的作用？ 退一步来看，神经网络在最近几年的长足发展，和认知神经科学的发展几乎一点关系都没有。机器学习发展主要来自于数据量的增多和目前运算速度的加快。计算机本身是个偏应用的学科，一个算法吹的再好听，和人脑再相似，你的performance不如别的算法，那就是扯谈。这也是为什么神经网络进入上世纪90年代之后完全衰落的原因，因为说起来是模拟人脑，实际上不work。神经网络最近火起来，又正是因为performance开始大大超越别的算法了。所以整个逻辑锊下来，和认知神经科学有半毛钱关系么？所以你要问我，认知神经科学对目前人工智能算法有帮助么？有帮助。有多大帮助呢？Who knows。未来会有大融合么？这是一个趋势，趋势，趋势。。。 回到本文的初衷，主要是给入门者选专业的建议，求学的过程很重要，一门学科的思维方式和学术训练决定了你未来的研究思维，尤其是本科/博士两个阶段。既然已经明确未来从事人工智能方向，而人的精力又是有限的，为什么不直接去面对这个领域，直接解决这个领域的问题，而去旁敲侧击的学习neuroscience呢？另外一个现实层面的考虑，学校博士项目的设置其实远远落后于最新技术的发展。目前很多大学的neuroscience program都还是非常陈旧的神经生物学那一套，如果你真的进入这样的program或者跟了一个完全分子生物学背景的老板，可以说和人工智能研究基本绝缘了。学习交叉学科现实上就是很困难的。另外，深度学习等等本质是个工程问题，神经科学本质是研究科学问题。博士期间好好发文章在一些计算机顶级会议，比如CVPR，ICCV等，对你在人工智能领域的发展远比发表一些神经科学期刊更有帮助。 另外有几个点值得注意 第一，目前人工智能领域的几个大牛，比如FeiFe Li, Yann Lecun, Geff Hinton等，确实都有一定认知心理学和neuroscience的背景。Deep mind的创始人，Demis Hassabis博士期间也是认知神经科学家。但是Hinton和Hassabis都是计算神经科学（computational neuroscience）出身（这个以后再讲。。），只是广大神经科学领域当中很小的一部分。而且，成功人士的光环总会带来一些误导，认为做人工智能就必须要学neuroscience，显然是不对的（马云是学英语的，所以我们想当首富就要去学英语？？？）。再退一步说，我们有多少人能成为他们这样的顶级大牛？大部分人未来就是在某个技术公司做个engineer或者创业实现一些具体算法而已。 第二，对neuroscience感兴趣是好事，我说的这些也只是针对入门者方向选择这个问题，因为学生总是要选择一条主要方向的，要是double major或者辅修，那就当我没说。从逻辑上看，我只是讨论认知神经科学和人工智能互相的作用，并没有否定认知神经科学和人工智能各自本身发展的重大的意义（所以不要说我是某某黑）。 还剩一点，反过来, 目前机器学习等领域的突破，能给认知神经科学的发展带来哪些帮助呢？如果特别想学交叉学科应该怎么办呢？ 有空以后再写。。。。 【招俊鹏的回答(4票)】: 人工智能还是挺大的。心理学想要在基础算法方面有所建树不容易，在这里总结一下在人机交互（HCI）领域，人工智能和心理学相关的几个方向吧。 第一，如何通过机器学习和自然语言处理挖掘与人的心理，认知有关的信息，从而自动进行决策活动。
【CeciliaNi的回答(10票)】: 无论你是想在业界找份好工作还是在学术界，都不要选neuroscience或者心理学。因为其实更重要的是数学和计算机。因为鱼与熊掌不可兼得，不要拿了芝麻丢了西瓜。 【GloGlo的回答(20票)】: 谢邀，无益。 答主在 McGovern Institute for Brain Research at MIT 做Neuroscience相关研究已经半年了，并且工作中大量用到Machine Learning，之后会转去做AI。几点要说明的是： 1. Neuroscience本质上还是一个实验科学，所以在做研究的过程中就算是做数据处理那一部分，也会涉及到很多的实验设计，大量的生物学背景知识，甚至亲手操作湿实验，所以这种经历对包括AI在内的其它工作贡献微乎其微。 2. AI是一个非常广的概念，涉及很多方向和知识，但要想在这个领域具有竞争力，最需要的依然是math和statistics。 3. Neuroscience对AI的帮助是在于Neuroscience的发展会对AI的发展有促进，而不是个人学习研究Neuroscience所得会对AI的实践和研究有所帮助。举个例子：Computational Perception & Cognition 这个组里倡导二者互相促进，所以有两个Track：一批Neuroscientist和一批做Neural Deep Learning。虽然说是紧密结合，但其实大部分组会都是分开进行的，办公室也都是独立的。 所以若有志于AI，切莫误把Neuroscientists拉Funding的说辞当作个人发展的指引了。 【HenryWang的回答(4票)】: 取决于您想从事什么职业了。 如果去业界，应该学cs，心理学和神经科学可以当做兴趣自学； 如果当小教授混碗饭吃，应该学cs或数学（本科）/运筹学（硕、博），心理学和神经科学仍然可以当兴趣自学； 如果立志留学美帝常春藤，能像hinton当年那样沉潜下来几十年任劳任怨深研dl那样做基础研究，忍得住漫长的孤独、担得住暂时的清贫，以搞出诺贝尔奖级成果为人生目标，那么应该学习神经科学或认知心理学，因为这就是人类科学取得重大突破的下一个未来！ 【IvyWang的回答(4票)】: 没有。考虑到phd的时间成本，可以说这样就算是告别AI了。一定要学CS/EE/math相关专业。 原文地址:知乎 |
|
|
