人腦智能與人工智能

劉泉影，南方科技大學生物醫學工程系助理教授、博士生導師，神經計算與控制實驗室PI。擅長領域：利用動力學系統模型和深度學習模型，研究神經信息表征，探索大腦的計算機制，用於解釋神經信號、大腦功能和行為三者之間的關系；結合現代控制理論，優化神經反饋控制，用於調節人類行為、輔助治療神經相關疾病。

目?錄

第一部分

第1章?緒論 3

1.1　智能的本質與多樣性 3

1.2　人工智能的發展與腦科學的價值 5

1.3　AI與BI的相似之處 6

1.4　BI與AI的相互啟發 7

1.5　本書的章節結構 9

第2章?AI基礎 11

2.1　引言 11

2.2　簡介 12

2.3　基礎概念 15

2.4　神經網絡 19

2.5　常見網絡架構 31

2.6　生成模型 38

第3章?視覺系統 51

3.1　引言 51

3.2　眼睛的演化 52

3.3　視覺系統的功能 53

3.4　眼睛的結構 55

3.5　視覺通路 61

3.6　視覺系統中生物智能和人工智能的討論 65

第4章?聽覺系統 69

4.1　引言 69

4.2　聲音的性質 69

4.3　人耳的結構 70

4.4　中樞聽覺過程 72

4.5　聲音定位機制 74

4.6　聽覺皮層與神經可塑性 75

4.7　聽覺系統中生物智能和人工智能的應用 78

第5章?嗅覺系統 85

5.1　引言 85

5.2　嗅覺 86

5.3　嗅覺受體：感知氣味的核心 87

5.4　嗅覺皮層：氣味感知的高級處理中心 89

5.5　氣味的編碼機制：從化學信號到大腦語言 92

5.6　與嗅覺相關的新興研究 94

第6章?體感系統 99

6.1　引言 99

6.2　皮膚中的接受器 100

6.3　初級傳入纖維和外周神經系統 101

6.4　脊髓 102

6.5　背柱-內側門神經通路及三叉神經觸覺通路 104

6.6　體感皮層 105

6.7　利用電刺激恢復觸覺 107

6.8　電子皮膚 108

第7章?運動系統 113

7.1　引言 113

7.2　基礎結構（肌肉與神經系統） 114

7.3　低級控制：反射與脊髓水平通路 115

7.4　高級控制：復雜運動與大腦協調機制 118

7.5　運動的建模與控制 121

7.6　運動與人工智能 122

第8章?情緒 127

8.1　引言 127

8.2　情緒的定義 128

8.3　情緒的神經基礎 130

8.4　情緒調節 136

8.5　情緒識別與情感智能 139

第9章?語言 143

9.1　引言 143

9.2　什麼是語言 144

9.3　大腦中的語言系統 146

9.4　語言相關疾病 149

9.5　語言處理模型 151

9.6　自然語言處理中的語言模型 153

9.7　人工智能與大腦中的自然語言處理 157

第10章?睡眠與夢 161

10.1　引言 161

10.2　睡眠與夢的基礎理論 162

10.3　睡眠障礙與疾病 167

10.4　基於人工智能的睡眠與夢境研究 170

10.5　睡眠與夢對人工智能的啟發 175

第二部分

第11章?多模態神經信號處理 179

11.1　引言 179

11.2　神經信號采集技術 180

11.3　fMRI信號處理 181

11.4　EEG信號處理 183

11.5　iEEG信號處理 188

11.6　多模態融合分析 190

11.7　深度學習在神經信號處理中的應用 193

11.8　結語 196

第12章?神經數據的預訓練模型 199

12.1　預訓練模型背景 199

12.2　神經數據的特性與預訓練模型的應用價值 200

12.3　預訓練相關概念 201

12.4　處理神經數據的經典預訓練模型 209

12.5　預訓練模型在神經數據處理中的意義與展望 212

第13章?大腦中的潛在表征 217

13.1　引言 217

13.2　大腦中的潛在表征——神經群體編碼 223

13.3　概念表征與心理空間中的隱變量模型 229

13.4　大腦與人工智能的表征對齊 232

第14章?神經科學中的生成模型 235

14.1　計算神經科學為什麼需要生成模型 235

14.2　生成模型在神經科學中的應用 243

14.3　現代神經科學研究中的生成模型應用 251

第15章?人工智能賦能神經科學 255

15.1　引言 255

15.2　深度學習為腦科學提供數據分析工具 256

15.3　深度學習為腦科學提供實驗仿真工具 261

15.4　腦科學為深度學習提供腦啟發的先驗假設和分析方法論 265

第16章?腦網絡建模 267

16.1　引言 267

16.2　大腦網絡建模基礎 268

16.3　大腦網絡動力學建模 275

16.4　大腦網絡建模的應用 280

第17章?腦結構、腦功能、行為的關系 289

17.1?引言 289

17.2　大腦結構、功能與行為 290

17.3　大腦結構、功能與行為的關系 291

17.4　結構-功能-行為的計算建模方法 294

第18章?數字孿生腦 303

18.1　引言 303

18.2　數字孿生腦的基本概念 304

18.3　數字孿生腦的模型構建 308

18.4　數字孿生腦的評估 311

18.5　數字孿生腦的應用 313

18.6　數字孿生腦的未來挑戰 318

第19章?基於模型的神經調控 323

19.1　引言 323

19.2　神經調控技術 324

19.3　經顱電刺激前向建模及逆向優化調控策略 325

19.4　基於動力學模型的神經調控方法 333

19.5　基於行為獎勵的強化學習閉環神經調控方法 337

第20章?通往智能之路：人腦智能與人工智能 341

20.1　引言 341

20.2　智能的起源：進化與工程化 342

20.3　智能發展的未來：融合與創新 350

參考文獻 357