摘要：計算神經(jīng)科學(xué)是一門新興的交叉學(xué)科，受到國內(nèi)外學(xué)術(shù)界的廣泛重視。要想在國內(nèi)建立一流的計算神經(jīng)科學(xué)并培養(yǎng)壯大人才隊伍，開設(shè)相關(guān)的研究生課程非常必要。文章論述計算神經(jīng)科學(xué)與計算機(jī)科學(xué)的關(guān)系，面向計算機(jī)專業(yè)研究生開設(shè)相關(guān)課程面臨的機(jī)遇與挑戰(zhàn)以及應(yīng)對措施等，同時針對教學(xué)內(nèi)容的選擇給出建議。

關(guān)鍵詞：交叉學(xué)科；跨學(xué)科；計算神經(jīng)科學(xué)；人工智能；研究生培養(yǎng)

文章編號：1672-5913（2013）18-0001-05

中圖分類號：G642

1 背景

科學(xué)史上，許多重大的科學(xué)發(fā)現(xiàn)都產(chǎn)生在不同學(xué)科的碰撞和融合中。在自然科學(xué)領(lǐng)域，許多偉大的科學(xué)家都有著復(fù)雜的學(xué)科背景，20世紀(jì)1/3的諾貝爾獲獎項目出現(xiàn)在交叉科學(xué)領(lǐng)域。計算機(jī)學(xué)科里很多大科學(xué)家也都有著交叉學(xué)科的背景，如計算機(jī)之父馮·諾伊曼其實是個數(shù)學(xué)家，在經(jīng)濟(jì)、量子力學(xué)及幾乎所有數(shù)學(xué)領(lǐng)域都作出過重大貢獻(xiàn)，他提出的計算機(jī)二進(jìn)制表達(dá)正是得益于其敏銳的數(shù)學(xué)洞察力。清華大學(xué)計算機(jī)科學(xué)與技術(shù)系張鈸院士多次在公開講座中提到，經(jīng)他統(tǒng)計，自1966年美國計算機(jī)協(xié)會（ACM）設(shè)立圖靈獎以來一直到2012年，60個獲獎?wù)咧?/3的人都有數(shù)學(xué)、物理、化學(xué)等理科專業(yè)背景，甚至還有政治等人文科學(xué)背景；相反，純粹是計算機(jī)專業(yè)或相近專業(yè)如電子學(xué)、無線電學(xué)等背景出身的人并不多。由此可見，熟練掌握其他學(xué)科的知識對于在計算機(jī)領(lǐng)域作出重要貢獻(xiàn)大有裨益。

高校培養(yǎng)交叉學(xué)科人才，一是要引導(dǎo)學(xué)生學(xué)習(xí)不同學(xué)科的課程，二是開設(shè)一些本身就是多學(xué)科交叉的課程。國內(nèi)高校已經(jīng)做了大量嘗試，也收到了不錯的效果。2013年，《計算機(jī)教育》雜志專門策劃了跨學(xué)科教學(xué)專題，對國內(nèi)跨學(xué)科教學(xué)的實踐情況進(jìn)行報道。很多高校的一線教學(xué)人員都報告了他們在交叉學(xué)科教育方面的構(gòu)想或?qū)嵺`經(jīng)驗。

計算神經(jīng)科學(xué)是一門新興學(xué)科，對于促進(jìn)腦科學(xué)、信息科學(xué)尤其是人工智能等領(lǐng)域的發(fā)展具有重要意義。2010年3月23-25日，中國科學(xué)院、浙江大學(xué)、上海交通大學(xué)的知名學(xué)者齊聚北京，舉行第367次香山科學(xué)會議，主題為“神經(jīng)信息學(xué)與計算神經(jīng)科學(xué)的前沿問題”。與會專家探討了計算神經(jīng)科學(xué)的國內(nèi)外發(fā)展情況，指出該學(xué)科在國內(nèi)外都還發(fā)展不成熟，我們應(yīng)抓住機(jī)遇建立一流的RDRAbokEdqNam1sdTSC4Qw==計算神經(jīng)科學(xué)。要達(dá)到這個目標(biāo)，除了加大科研資助和鼓勵科研創(chuàng)新外，優(yōu)質(zhì)的課程教學(xué)必不可少。鑒于計算神經(jīng)科學(xué)的多學(xué)科交叉特點，許多專業(yè)都可以嘗試進(jìn)行這方面的教學(xué)，包括醫(yī)學(xué)、生物學(xué)、心理學(xué)、數(shù)學(xué)、物理、化學(xué)、計算機(jī)、電子，自動化等，筆者將論述計算神經(jīng)科學(xué)與計算機(jī)科學(xué)的關(guān)系以及開設(shè)該課程所面臨的機(jī)遇與挑戰(zhàn)。

2 計算神經(jīng)科學(xué)的特點及其與計算機(jī)科學(xué)的關(guān)系

借助飛速發(fā)展的現(xiàn)代科技，人類已經(jīng)能夠上天入地，但是對于腦的認(rèn)識卻十分有限。諾貝爾獎得主克里克（Crick）說過：“對我們?nèi)藖碚f，在科學(xué)研究中沒有比研究自己的腦更重要的了。我們對整個世界的認(rèn)識都有賴于它。”認(rèn)識人腦的工作機(jī)理有兩方面的意義，一是促進(jìn)神經(jīng)疾病診療技術(shù)的發(fā)展，二是提高人工智能的水平。

誠如艾薩克·阿西莫夫（Issac Asimov）所言，“人腦是我們所知道的最復(fù)雜的組織”。它有大約1011個神經(jīng)元，而平均每個神經(jīng)元要與103～104個神經(jīng)元相連。雖然這些數(shù)字現(xiàn)在看來并非很大（能存儲1T=10¹²Byte的硬盤在市場上已經(jīng)很普遍），但問題是計算機(jī)硬件是我們事先按一定規(guī)則構(gòu)建的系統(tǒng)，我們對于它每一部分的結(jié)構(gòu)與功能都非常清楚，而人腦卻是一個黑箱。想象一下讓一臺計算機(jī)穿越回唐朝，讓那個時代的人們了解這臺計算機(jī)的工作原理是一件多么不可想象的事情。

幸運的是隨著科學(xué)技術(shù)的發(fā)展，實驗手段正發(fā)生著翻天覆地的變革，我們面對的黑箱正在慢慢變灰。通過這些實驗手段，我們可以觀察到“箱子”的部分內(nèi)部。然而，只看到大腦內(nèi)部的一些的結(jié)構(gòu)和它們之間的關(guān)系遠(yuǎn)遠(yuǎn)不夠。唐朝人打開計算機(jī)主機(jī)蓋，能看到主板、CPU、內(nèi)存條甚至一些精細(xì)的電子元件，但這對于他們完全理解計算機(jī)的工作原理還差很遠(yuǎn)。他們需要綜合各種技術(shù)手段得到計算機(jī)內(nèi)部情況，從硬件問的相互連接關(guān)系推斷出馮·諾伊曼設(shè)計的體系結(jié)構(gòu)及發(fā)展變化，從軟件的功能推斷出算法邏輯，從二進(jìn)制代碼推斷出可讀代碼。要得到這些結(jié)果，只有實驗數(shù)據(jù)是不夠的，還必須對數(shù)據(jù)進(jìn)行整理分析，從蛛絲馬跡中發(fā)現(xiàn)數(shù)據(jù)背后的規(guī)律和原則。人腦就好比一臺唐朝人眼中的計算機(jī)。計算神經(jīng)科學(xué)就是一門試圖通過理論分析和建模計算的方式理解腦工作原理的學(xué)科。

計算神經(jīng)科學(xué)領(lǐng)域的形成始于1988年，Seinowski、Koch和Churchland在Science雜志上發(fā)表了計算神經(jīng)科學(xué)領(lǐng)域的“宣言”。從廣義上講，只要是通過建模、仿真等手段對神經(jīng)科學(xué)的實驗數(shù)據(jù)和實驗現(xiàn)象進(jìn)行定量分析的，都屬于計算神經(jīng)科學(xué)的范疇。近年來，由于實驗技術(shù)的革新和腦科學(xué)研究的蓬勃發(fā)展，這方面的研究早已不局限于生物、醫(yī)學(xué)、心理學(xué)等學(xué)科，很多其他學(xué)科的研究人員以各種方式參與到腦科學(xué)的研究中，包括數(shù)學(xué)、物理、計算機(jī)、電子、材料等，他們將該學(xué)科中的一些定量計算理論引入神經(jīng)科學(xué)并據(jù)此研究腦科學(xué)的實驗數(shù)據(jù)和現(xiàn)象。

國外許多著名高校都設(shè)有計算神經(jīng)科學(xué)的研究中心或相應(yīng)專業(yè)，包括MIT：CSAIL-ArtificialIntelligence Group；Stanford University：Center forMind，Brain and Compution；Harvard University：Mind/Brain/Behavior Program；CMU/University ofPittsburg：Center for the Neural Basis Of Cognition：University College London：Gatsby ComputationalNeuroscience Unit；Columbia University：BionetGroup。這其中大多數(shù)都有信息科學(xué)類院系的參與，如MIT的Artificial Intelligence Group就是在計算機(jī)與人工智能實驗室下的一個組，而Stanford University 的Center for Mind，Brain andComputation由計算機(jī)系、電子系、語言系、神經(jīng)生物系、心理系以及神經(jīng)科學(xué)研究所的教授組成。計算機(jī)領(lǐng)域的一些杰出學(xué)者也參與了計算神經(jīng)科學(xué)的研究，包括MIT的David Marr和Tomaso Poggio，CMU的Tom Mitchell，Caltech的Pietro Perona，Stanford Universit），的Fei-Fei Li等。這里還不包括大量的以計算機(jī)科學(xué)、電子工程等為教育背景但主要活躍在神經(jīng)生理學(xué)、認(rèn)知心理學(xué)等傳統(tǒng)神經(jīng)科學(xué)領(lǐng)域的學(xué)者。

一方面，計算機(jī)科學(xué)及其相近領(lǐng)域的研究人員對神經(jīng)科學(xué)和認(rèn)知心理學(xué)的貢獻(xiàn)越來越大，已經(jīng)成為腦科學(xué)研究中一支不可忽視的力量；另一方面，神經(jīng)科學(xué)和認(rèn)知心理學(xué)的研究進(jìn)展對計算機(jī)科學(xué)的某些方面起到很大的推動作用。例如，近年來在機(jī)器學(xué)習(xí)領(lǐng)域非常熱門的深度學(xué)習(xí)（Deep Learning），在很大程度上受到大腦感覺系統(tǒng)層次化結(jié)構(gòu)的啟發(fā)，見圖1。其中，圖1（a）為大腦視覺皮層各區(qū)域的位置及信息處理通道，圖1（b）為深度學(xué)習(xí)的框架。

3 面向計算機(jī)專業(yè)研究生開設(shè)計算神經(jīng)科學(xué)課程的機(jī)遇和挑戰(zhàn)

相對于醫(yī)學(xué)、生物學(xué)、心理學(xué)等專業(yè)，面向計算機(jī)專業(yè)的研究生開設(shè)計算神經(jīng)科學(xué)課程相對容易。這是因為通過本科階段的培養(yǎng)，計算機(jī)專業(yè)研究生在理論證明、邏輯推斷、數(shù)據(jù)分析等方面的基礎(chǔ)更扎實，他們接受醫(yī)學(xué)、生物、心理學(xué)等學(xué)科的知識相對容易；但反過來，讓那些習(xí)慣了生理和心理實驗的學(xué)生接受一些計算理論方面的知識則相對困難。而相對于數(shù)學(xué)、物理、化學(xué)等理科專業(yè)，計算機(jī)專業(yè)的研究生在模型實現(xiàn)方面有優(yōu)勢。這是因為現(xiàn)在很多計算神經(jīng)科學(xué)的模型都涉及大規(guī)模計算，扎實的編程基礎(chǔ)使得他們在處理這類問題上更加得心應(yīng)手。這些是面向計算機(jī)專業(yè)研究生開設(shè)計算神經(jīng)科學(xué)課程的機(jī)遇。然而我們面臨的挑戰(zhàn)更大，主要包括兩個方面，論述如下。

3.1 課程定位的挑戰(zhàn)

通過調(diào)查一些國外著名大學(xué)開設(shè)的計算神經(jīng)科學(xué)課程，我們可以發(fā)現(xiàn)大多數(shù)課程的立足點都是“理解腦”，以揭開大腦的秘密為目的，而且無論該課程是神經(jīng)科學(xué)、心理學(xué)或相關(guān)院系開設(shè)的（如Baylor College ofMedicine神經(jīng)科學(xué)系的課程Theoretical Neuroscience-Learning，Perception，Cognition，MIT腦與認(rèn)知科學(xué)系的課程Inlroduction to Computational Neuroscience），還是交叉學(xué)科中心開設(shè)的（如UniversityCollege London Gatsby ComputationalNeuroscience Unit的課程ComputationalPerception and Scene Analysis），甚至是一些計算機(jī)類院系開設(shè)的（如CMU計算機(jī)系的課程Computational Perception），都是這樣。

如果在國內(nèi)高校面向計算機(jī)專業(yè)開設(shè)計算神經(jīng)科學(xué)課程，將課程目標(biāo)定位于“理解腦”，會存在一定的現(xiàn)實困難。國外著名高校非常注重基礎(chǔ)研究和交叉學(xué)科研究，經(jīng)過多年的發(fā)展，他們培養(yǎng)的研究生已經(jīng)形成了學(xué)習(xí)其他學(xué)科知識的習(xí)慣，但國內(nèi)研究生在選修課程方面則顯得更加功利一些，只選修那些目前對自己有用的課程。對計算機(jī)專業(yè)的學(xué)生而言，修一門有關(guān)理解大腦工作機(jī)理的課程顯得比較怪異，這與他們將來從事的IT工作似乎風(fēng)馬牛不相及；為此，我們一方面需要從課程體制、培養(yǎng)計劃等方面引導(dǎo)學(xué)生重視基礎(chǔ)學(xué)科和交叉學(xué)科的課程，另一方面還需要考慮在現(xiàn)階段如何通過課程定位吸引計算機(jī)專業(yè)學(xué)生選修相關(guān)課程。

3.2 師資力量的挑戰(zhàn)

交叉學(xué)科課程的講授對授課教師的專業(yè)素養(yǎng)提出了更高的要求，授課教師需要具有交叉學(xué)科的研究背景，這樣才能把學(xué)科前沿看得更清楚，把問題講得更透徹，但這通常不是一件容易的事，對于計算神經(jīng)科學(xué)這一學(xué)科跨度非常大的交叉學(xué)科而言更是這樣。國內(nèi)這一學(xué)科目前還處于萌芽階段，從事相關(guān)研究的學(xué)者相對較少，零散地分布在各自院校的不同院系，而且無論是在哪個院系，他們都是少數(shù)派。師資力量的不足已經(jīng)成為制約計算神經(jīng)科學(xué)在國內(nèi)高校和科研院所發(fā)展的主要因素之一。

4 應(yīng)對挑戰(zhàn)的措施

4.1 準(zhǔn)確進(jìn)行課程定位

為了使學(xué)生更容易接受計算神經(jīng)科學(xué)這一課程，我們首先需要給這一學(xué)科下一個恰當(dāng)?shù)亩x。從狹義上講，我們建議將計算神經(jīng)科學(xué)定義為神經(jīng)科學(xué)、認(rèn)知心理學(xué)和人工智能的交叉學(xué)科，三者之間的關(guān)系如圖2所示。人工智能是計算機(jī)學(xué)科的一個專業(yè)方向（這里的人工智能包含機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等各種智能計算的理論與方法），是計算機(jī)科學(xué)與神經(jīng)科學(xué)和認(rèn)知心理學(xué)產(chǎn)生交叉的主要領(lǐng)域。相對于計算神經(jīng)科學(xué)的廣義定義，這一定義拉近了其與計算機(jī)專業(yè)學(xué)生的心理距離。

針對計算機(jī)專業(yè)的學(xué)生，該課程定位不能只是“理解腦”，還要強(qiáng)調(diào)“利用腦”，教師需要向?qū)W生強(qiáng)調(diào)：一方面人工智能為神經(jīng)科學(xué)和認(rèn)知心理學(xué)提供研究的工具，另一方面后兩者的發(fā)展又反過來促進(jìn)人工智能等信息領(lǐng)域的技術(shù)革新。學(xué)生理解了這一點，選修這一課程的積極性才會提高。計算神經(jīng)科學(xué)在計算機(jī)專業(yè)內(nèi)并不是一門孤立的課程，它其實要用到很多概率論、線性代數(shù)、機(jī)器學(xué)習(xí)、模式識別等領(lǐng)域的知識，與人工神經(jīng)網(wǎng)絡(luò)、人工智能、計算機(jī)視覺等學(xué)科有著緊密的聯(lián)系。計算神經(jīng)科學(xué)與清華大學(xué)計算機(jī)科學(xué)與技術(shù)系一些專業(yè)課程之間的關(guān)系如圖3所示，其中箭頭表示課程間的支持關(guān)系。

4.2 有效提高師資力量

一方面，我們要鼓勵教師進(jìn)行計算神經(jīng)科學(xué)這一交叉學(xué)科領(lǐng)域的研究，培養(yǎng)該領(lǐng)域的杰出學(xué)者或從國外全職引進(jìn)一批這樣的學(xué)者，這是解決師資力量不足的根本之道。如果在全職引進(jìn)人才方面有困難，可以通過國家的各種引智計劃引進(jìn)一批短期工作的學(xué)者，讓他們開設(shè)計算神經(jīng)科學(xué)方面相關(guān)課程，以便有志于此方面教學(xué)科研的本地教師參與學(xué)習(xí)，最終實現(xiàn)課程的本土移植。

另一方面，我們也可嘗試讓多個專業(yè)的教師同時講授這門課程。教師一起確定教學(xué)大綱，分工合作，各自講授涉及自己專業(yè)的那一部分內(nèi)容并適當(dāng)向神經(jīng)科學(xué)靠攏。這樣做的優(yōu)點是較容易找到合適的教師并且每名教師不用花太多精力學(xué)習(xí)其他領(lǐng)域的知識，缺點是內(nèi)容會比較散，難以形成一個有機(jī)整體，更麻煩的是教師如果不專門從事計算神經(jīng)科學(xué)的研究，那么對于某些知識點則難以講透；因此這項措施只是權(quán)宜之計，一旦條件成熟，我們還是建議由從事計算神經(jīng)科學(xué)研究的教師授課。

5 教學(xué)內(nèi)容的選擇

由于計算神經(jīng)科學(xué)是一門交叉學(xué)科，涉及的知識點較多并且分布在很多學(xué)科里，因此要求學(xué)生將這些學(xué)科的課程全部學(xué)完后再學(xué)這門課程，顯然不現(xiàn)實也不必要。另外，將所有計算神經(jīng)科學(xué)的知識點都在課堂上講解一遍也不現(xiàn)實，這就涉及教學(xué)內(nèi)容的選擇問題。

5.1 教學(xué)內(nèi)容精而新

“精”強(qiáng)調(diào)對教學(xué)內(nèi)容的篩選，有兩個原則：一是重要的基礎(chǔ)知識必須講到，這些基礎(chǔ)知識包括神經(jīng)科學(xué)、數(shù)學(xué)、信息論、機(jī)器學(xué)習(xí)等領(lǐng)域的與計算神經(jīng)科學(xué)密切相關(guān)的基礎(chǔ)知識，這樣培養(yǎng)出的學(xué)生才能舉一反三；二是挑選有代表性的專題，如神經(jīng)元模型、有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)等，把每個專題講深入了，才能讓學(xué)生體會到這一學(xué)科的常規(guī)研究思路和方法，培養(yǎng)學(xué)生將來從事相關(guān)研究工作的能力。

“新”強(qiáng)調(diào)教學(xué)內(nèi)容的時效性。一個尷尬的事實是現(xiàn)在真正稱得上計算神經(jīng)科學(xué)的教材很少，筆者認(rèn)為最經(jīng)典的教材要數(shù)Peter Dayan和LarryAbbott主編的Theoretical Neuroscience，該教材由MIT出版社于2001年出版。這本教材內(nèi)容很豐富，基本覆蓋計算神經(jīng)科學(xué)領(lǐng)域內(nèi)所有的大方向，缺點是內(nèi)容比較陳舊。計算神經(jīng)科學(xué)近年來發(fā)展迅速，大量的經(jīng)典工作都沒有包含在該教材中。該教材若作為研究生課程教材顯然不合適，因此教師必須總結(jié)近年來該領(lǐng)域的一些重要進(jìn)展，如在頂級期刊（如Nature、Science等）上挑選一些重要研究成果并將這些內(nèi)容歸納到自己的講義中。

5.2 教學(xué)內(nèi)容向計算機(jī)科學(xué)傾斜

教師在教學(xué)過程中不僅要強(qiáng)調(diào)揭開腦的奧秘，還要強(qiáng)調(diào)這些奧秘對于計算機(jī)科學(xué)的意義和作用。一方面挑選一些能讓計算機(jī)科學(xué)發(fā)揮重要作用和計算機(jī)專業(yè)學(xué)生體現(xiàn)優(yōu)勢的內(nèi)容，如神經(jīng)信號處理和人機(jī)接口，因為這些需要用到較多的模式識別技術(shù)；另一方面強(qiáng)調(diào)為我所用，挑選一些對計算機(jī)科學(xué)有用的內(nèi)容，如稀疏編碼、深度學(xué)習(xí)等在機(jī)器學(xué)習(xí)和模式識別領(lǐng)域受到廣泛關(guān)注的話題。

6 結(jié)語

計算神經(jīng)科學(xué)是一門新興的交叉學(xué)科，為了響應(yīng)在國內(nèi)建立一流計算神經(jīng)科學(xué)的號召，對于科研和教學(xué)我們都不能忽視。目前國內(nèi)有能力開設(shè)計算神經(jīng)科學(xué)課程的學(xué)校還不多，即使有也只集中在醫(yī)學(xué)、心理學(xué)等院系，其定位一般側(cè)重于“理解腦”。長此以往，國內(nèi)對于腦科學(xué)的研究將面臨跛腳走路的尷尬境地，因為腦科學(xué)研究的另一任務(wù)——提高人工智能的水平將被忽略，因此在工科院系尤其是信息科學(xué)相關(guān)院系開設(shè)計算神經(jīng)科學(xué)方面的課程非常有必要。研究型高校應(yīng)抓住機(jī)遇，從政策上鼓勵工科院系開設(shè)相關(guān)課程，這對于國內(nèi)學(xué)術(shù)界從容應(yīng)對腦科學(xué)革命這一挑戰(zhàn)具有重要意義。

參考文獻(xiàn)：

[1]孫群，張劍湖，李俊民，數(shù)學(xué)專業(yè)設(shè)置交叉學(xué)科課程的研究[J]，高等理科教育，2007（2）：29-31

[2]鄭利平，安寧，路強(qiáng)，等，跨學(xué)科教學(xué)實踐與構(gòu)想[J]，計算機(jī)教育，2013（1）：3-5

[3]陶飛，程穎，楊金鍵，等，交叉學(xué)科研究模式的組織建設(shè)研究[J]，計算機(jī)教育，2013（1）：6-10

[4]羅嘉慶，周世杰，跨學(xué)科課程教學(xué)研究與案例[J]，計算機(jī)教育，2013（1）：11-13

[5]許惠英，中國要成功建立一流的計算神經(jīng)科學(xué)[J]，中國科技產(chǎn)業(yè)，2010（9）：79-80

[6]顧凡及，吳思，計算神經(jīng)科學(xué)的研究特點及發(fā)展[J]，科學(xué)，20IO，62（4）：13-16

（編輯：宋文婷）