2024「大脑奖」揭晓，3人获奖！AI先驱Sejnowksi曾与Hinton发明神经网络第一算法

新智元报道

编辑：桃子

【新智元导读】2024「大脑奖」揭晓，3位先驱获奖！AI先驱Sejnowksi曾与Hinton发明神经网络第一算法。

2024「大脑奖」公布了！

今年，大脑奖颁给了计算和理论神经科学的先驱：Larry Abbott 、Terry Sejnowksi、Haim Sompolinsky。

获奖理由是，他们三个人在计算和理论神经科学领域做出了杰出的贡献，并为我们理解支配大脑结构、动力学以及认知和行为出现的原理做出了开创性的贡献。

大脑奖评选委员会主席Richard Morris教授解释了今年奖项背后的原因：

如果没有计算神经科学和理论神经科学的相伴发展，现代脑科学是不可想象的。这三位科学家应用了来自物理学、数学和统计学新颖而复杂的方法来研究大脑。他们为分析现代实验神经科学家获得的高度复杂的数据集，开发了重要工具。 三位获奖者还提出了一些概念框架，用于解大脑的一些最基本的过程，如学习、记忆、感知和大脑如何生成外部世界的地图。他们还为神经系统的几种破坏性疾病，如癫痫、阿尔茨海默病和精神分裂症，可能出现的问题提供了至关重要的新见解。此外，他们的科学成就为脑启发人工智能的发展铺平了道路，这是我们这个时代的新兴和变革性技术之一。

LeCun表示，「看到这个领域得到广泛认可真是太棒了，我想不出还有比他们更值得获奖的群体了」。

2024年大脑奖将颁发价值1000万丹麦克朗（130万欧元）奖金。

从物理学转向神经科学

Larry Abbott是一位由物理学家转变而来的神经科学家。

他利用数学建模来研究负责感觉、行动和行为的神经回路。Abbott在Brandeis University获得了博士学位，并在斯坦福线性加速器中心从事理论粒子物理学博士后研究。

1989年，他转行从事神经科学研究，并于1993年加入生物系。

2005 年，他来到哥伦比亚大学，目前是哥伦比亚大学祖克曼心智、大脑和行为研究所的William Bloor理论神经科学教授。

除了神经网络和突触动力学方面的理论研究外，Abbott还与众多实验同行合作，研究各种课题和系统，包括视觉、嗅觉、电传感、运动控制、记忆和导航。

他与Eve Marder合作开发了动态钳（dynamic clamp），这是一种实验电生理学工具，他还与Peter Dayan合著了一本广泛使用的理论神经科学教科书。

他目前的工作包括基于连接体的果蝇神经回路建模。

用计算模型揭开大脑到行为联系

Terrence Sejnowski获得了普林斯顿大学物理学博士学位。

他曾在普林斯顿大学和哈佛大学医学院从事博士后研究，1981年被任命为约翰霍普金斯大学生物物理系教师。

他于1989年搬到拉荷亚，现任索尔克生物研究所Francis Crick教授和加州大学圣地亚哥分校神经生物学特聘教授。

Terrence Sejnowski还是Howard Hughes Medical Institute的研究员（1991-2017年）。

他是美国国家科学院、美国国家工程院、美国国家医学院、美国国家发明家学院以及美国艺术与科学学院的成员。

Sejnowski博士在神经网络和计算神经科学方面的研究具有开创性。他的研究旨在了解大脑的计算资源，并利用计算模型建立从大脑到行为的联系原理。

为了实现这一目标，他在从生物物理到系统层面的多个研究层次上采用了理论和实验方法。

他探索的核心问题包括：突触强度如何调节、树突如何整合神经元中的突触信号、神经元网络如何产生动态活动模式、感觉信息如何在大脑皮层中表现、记忆表征如何在睡眠中形成和巩固，以及分布式感觉运动系统如何协调。

他的实验室开发了用于盲源分离的独立分量分析法（ICA），该方法被普遍用于分析头皮脑电图和功能磁共振成像（fMRI）的大脑成像。

Sejnowski还是20世纪80年代开发神经网络学习算法的先驱，他与Geoffrey Hinton一起发明了波尔兹曼机；这是多层神经网络的第一种学习算法，为深度学习奠定了基础。

他还是NeurIPS基金会主席，该基金会组织了规模最大的人工智能会议，他也是近年来神经科学与人工智能融合领域的领军人物。

几何法研究神级网络，为AI智能开辟路径

Haim Sompolinsky在以色列Bar-Ilan University获得物理学博士学位。

目前，他在以色列希伯来大学担任物理学和神经科学教授（名誉教授），在美国哈佛大学担任分子和细胞生物学及物理学教授（驻校教授）。

Haim Sompolinsky领导的实验室采用统计物理学方法，研究复杂神经元回路的突发动力学和集体行为，以及它们与学习、记忆、感知和认知等关键大脑功能的关系。

他的理论预测得到了对苍蝇和啮齿动物导航回路研究的实验支持。

他的研究阐明了神经元兴奋和抑制之间的动态平衡如何导致混乱，但稳定的大脑活动模式。

这影响了我们对神经元活动可变性的起源、神经元动态稳定性的基础机制以及神经系统疾病中兴奋-抑制平衡破坏的影响的理解。

最近，Sompolinsky开发了几何方法，为研究人工神经网络和大脑回路中的视觉和语言信息处理提供了原则性方法。

这项工作揭示了这两个系统之间惊人的相似之处，为研究自然和人工系统中的智能开辟了一条新途径。

1000亿神经元，万亿突触大脑探索

人脑由大约1000亿个神经元组成，这些神经元通过数万亿个突触连接在一起。

大脑的每项功能都依赖于，通过这些令人震惊的复杂神经元网络的信息流。

神经科学的一个基本目标是了解这些网络是如何连接在一起的，以及其中的神经活动模式如何引发认知和行为。

大脑的绝对复杂性意味着理解它的语言需要理论和计算方法。

理论和计算神经科学使用数学、计算机科学、理论分析和大脑的抽象来理解支配大脑结构的原理。

以及如何处理信息，如何产生行为，产生认知能力，如感知、想象、智力、知识的形成、记忆、解决问题、决策和产生语言。

该领域为人工智能的发展奠定了基础——这是现代科学中最具革命性的发展之一。

关于「大脑奖」

大脑奖是世界上最大的神经科学研究奖，由伦德贝克基金会（Lundbeck Foundation）每年颁发。

大脑奖表彰了从基础神经科学到应用临床研究等脑研究领域，极具原创性和影响力的进展。

大脑奖的获得者不分国籍、不分区域。2011年首次颁发奖项。在丹麦首都哥本哈根举行的颁奖仪式上，丹麦国王弗雷德里克殿下为大脑奖获得者颁奖。

参考资料：

https://lundbeckfonden.com/the-brain-prize/computational-theoretical-neuroscience-2024