VALSE Webinar 2024-23期 总第358期 AI for Neuroscience, what and how?

报告嘉宾：李远宁 (上海科技大学)

报告题目：Enhancing neural encoding models for naturalistic perception with a multi-level integration of deep neural networks and cortical networks

报告嘉宾：张洳源 (上海交通大学)

报告题目：A neural network approach for human learning

Panel议题：

1. AI 能够帮助解决哪些神经科学中的问题？在哪些问题上能有破坏性创新突破？

2. 大模型所涌现出的智能是否能用神经科学或者认知科学的方式去研究与评估？

3. 有哪些应用AI解决NN问题以及构建脑启发智能的误区？

4. AI-agent在认知神经科学或者其他研究范式中是有有应用价值？

5. 神经科学是否能为人工智能的发展提供价值？是否有基于NN的AGI路线？

6. 计算神经科学如果有scaling-law，可能会是什么样？

Panel嘉宾：

李远宁 (上海科技大学)、张洳源 (上海交通大学)、杜凯 (北京大学)、鲍平磊 (北京大学)

*欢迎大家在下方留言提出主题相关问题，主持人和panel嘉宾会从中选择若干热度高的问题加入panel议题！

报告嘉宾：李远宁 (上海科技大学)

报告时间：2024年8月21日 (星期三)晚上20:00 (北京时间)

报告题目：Enhancing neural encoding models for naturalistic perception with a multi-level integration of deep neural networks and cortical networks

报告人简介：

李远宁，上海科技大学生物医学工程学院研究员、助理教授、博导、计算认知与转化神经科学实验室主任，卡内基梅隆大学神经计算与机器学习博士，加州大学旧金山分校神经外科博士后，曾获美国NIH神经科学杰出学者奖，入选国家高层次青年人才计划，主持国自然面上项目等。主要研究方向为计算和认知神经科学，主要基于高密度颅内皮质脑电等电生理和影像技术解析语言、视觉认知过程的神经机制，并运用人工智能方法建立神经编码和解码的计算模型，开发语言脑机接口，代表性研究成果发表在 Nature Neuroscience, Nature Communications, Science Advances, PNAS等期刊。

个人主页：

https://yuanningli.github.io/

报告摘要：

Cognitive neuroscience aims to develop computational models that can accurately predict and explain neural responses to sensory inputs in the cortex. Recent studies attempt to leverage the representation power of deep neural networks (DNNs) to predict the brain response and suggest a correspondence between artificial and biological neural networks in their feature representations. However, typical voxel-wise encoding models tend to rely on specific networks designed for computer vision tasks, leading to suboptimal brain-wide correspondence during cognitive tasks. To address this challenge, this work proposes a novel approach that upgrades voxel-wise encoding models through multi-level integration of features from DNNs and information from brain networks. Our approach combines DNN feature-level ensemble learning and brain atlas-level model integration, resulting in significant improvements in predicting whole-brain neural activity during naturalistic video perception. Furthermore, this multi-level integration framework enables a deeper understanding of the brain's neural representation mechanism, accurately predicting the neural response to complex visual concepts. We demonstrate that neural encoding models can be optimized by leveraging a framework that integrates both data-driven approaches and theoretical insights into the functional structure of the cortical networks.

参考文献：

[1] Li, Yuanning, Huzheng Yang, and Shi Gu. "Enhancing neural encoding models for naturalistic perception with a multi-level integration of deep neural networks and cortical networks." Science Bulletin (2024).

[2] Li, Yuanning, et al. "Dissecting neural computations in the human auditory pathway using deep neural networks for speech." Nature Neuroscience 26.12 (2023): 2213-2225.

报告嘉宾：张洳源 (上海交通大学)

报告时间：2024年8月21日 (星期三)晚上20:30 (北京时间)

报告题目：A neural network approach for human learning

报告人简介：

张洳源，上海交通大学心理学院和上海交通大学医学院附属精神卫生中心双聘课题组长，认知计算神经科学和脑影像课题组主任，罗切斯特大学脑与认知科学博士，明尼苏达大学和美国国立健康研究院博士后。张洳源长期致力于脑科学与类脑智能的交叉研究，综合运用心理物理学、贝叶斯概率模型、深度学习模型、神经调控以及核磁共振等研究手段，探索人脑和人工智能的神经计算机制。以第一或者通讯作者(含共同)在Nature Human Behaviour、PNAS、eLife、J Neurosci、Neuroimage、PLoS Comput Biol等杂志发表认知神经科学论文。张洳源的类脑计算研究还在世界顶级机器学习会议(中国计算机A类)ICML和IJCAI发表。张洳源目前担任BMC Neuroscience、Psychoradiology、Brain-X等杂志编委，还担任eLife, Cerebral Cortex等脑科学杂志和ICML, NeurIPS, IJCAI, ICLR, CVPR等世界顶级机器学习会议审稿人和NeurIPS 2024的Area Chair。张洳源的研究先后受到国家自然科学基金、科技部项目和上海市自然科学基金等项目的支持。张洳源先后获得上海市浦江人才计划、上海市海外领军人才青年项目和上海市科技青年35人引领计划提名奖。

个人主页：

https://ruyuanzhang.github.io/

报告摘要：

The past decade has seen a surge in the use of sophisticated AI models to reverse-engineer human mind and behavior. This NeuroAI approach has dramatically promoted interdisciplinary research between neuroscience and AI. This talk focuses on using this neuroAI approach to elucidate human learning mechanisms. The talk will consist of two parts. First, I will present our work on the relationships between the primate visual system and artificial visual systems (i.e., deep neural networks) during the learning of simple visual discrimination tasks. Our deep learning models of biological visual learning successfully reproduce a wide range of neural phenomena observed in the primate visual system during perceptual learning. The novel predictions generated by our models are further validated against multivariate neuroimaging data in humans and multi-electrode recording data in macaques. In the second part, I will discuss our recent work on neural and computational mechanisms of how the human brain mitigates catastrophic forgetting during continual multitask learning. Leveraging neural network modeling on human learning behavior, we show that the human brain directly distills learned knowledge via elastic weight consolidation rather than other methods such as memory reply. These studies have profound implications for interdisciplinary research at the intersection of neuroscience and artificial intelligence.

参考文献：

[1] Zhao, Shukuo, et al. "An Interpretable Neuro-symbolic Model for Raven’s Progressive Matrices Reasoning." Cognitive Computation 15.5 (2023): 1703-1724.

[2] Cheng, Yu-Ang, et al. "Noise reduction as a unified mechanism of perceptual learning in both artificial and biological visual systems." Journal of Vision 23.9 (2023): 4719-4719.

Panel 嘉宾：杜凯 (北京大学)

嘉宾简介：

杜凯，博士，北京航空航天大学飞行器动力工程系学士（2002），瑞典卡罗琳斯卡医学院神经科学系博士（2016）和博士后（2020），欧盟脑计划“大脑仿真平台” 瑞典团队主要成员(2008-2016)，于2020年加入北京大学人工智能研究院任助理研究员,同时兼任北京智源人工智能研究院生命模拟中心科学家，领导北大/智源团队进行超大规模的大脑模型的开发。他建立了领域内第一个中等树突棘神经元（medium-spiny neurons）的精细模型(Du,et.al.,PNAS,2017),并在此基础上 发展了基底核脑区的纹状体精细模型。研究工作主要发表在PNAS，J.neuroscience，PloS Comput. Bio. 等领域内一流刊物上。主要研究方向是大脑精细仿真，树突计算，以及基于大脑精细模型的新型人工智能系统和理论。

个人主页：

https://www.ai.pku.edu.cn/info/1139/1250.htm

Panel 嘉宾：鲍平磊 (北京大学)

嘉宾简介：

2003年中国科学技术大学获得理学学士学位，2014年于南加州大学获得博士学位，2014年-2020年在加州理工学院从事博士后研究。2020年11月至今任北京大学心理与认知科学学院研究员、麦戈文脑研究所研究员、北京大学-清华大学生命科学联合中心研究员。致力于高级视觉功能认知的神经机制探索，采用电生理，脑功能成像，微电刺激以及心理物理的方法等多种研究手段对于人和非人灵长类的视觉系统进行多层面的研究，并结合深度学习网络等多种手段去构建视知觉的数学模型。

个人主页：

https://www.psy.pku.edu.cn/szdw/qzjy/jsyjy/bpl/index.htm

主持人：顾实 (电子科技大学)

主持人简介：

电子科技大学计算机科学与工程学院教授、博导，脑与认知实验室负责人。美国宾夕法尼亚大学（University of Pennsylvania）应用数学与计算科学专业博士，清华大学数理基础科学专业学士，2017年入选高层次青年人才计划，同年入选福布斯中国“30岁以下30人“榜单。主要研究方向为计算神经科学与类脑人工智能，当前主要研究兴趣是基于人工智能的脑认知表达和调控模型。代表性研究发表在Nature Communications、Science Advances、PNAS等国际期刊，以及ICLR、ICML，NeurIPS等人工智能国际会议上。

个人主页：

https://guslab.org

特别鸣谢本次Webinar主要组织者：

主办AC：顾实 (电子科技大学)

协办AC：雷柏英 (深圳大学)