北大生命科学学院 美国杂志论文汉语英语翻译价格

研究背景：脑认知与人工智能

如果你想要理解大脑认知的原理、想要突破人工智能，或者说想要构建一个物理系统，使之能像大脑一样感知和思考，应该从哪里入手呢？

广义上讲，大脑是一个计算系统，它大概是由不太复杂但数量庞大的计算单元（神经元）组成的。虽然在发育关键期，外部刺激对大脑神经网络布线有重要影响，但外部刺激和学习记忆应该不是决定性的因素。通过复杂的刺激训练，并不能使一个规模庞大、但结构简单的神经网络自动产生多少智能。事实上，亿万年缓慢的生物演化，使大脑具有复杂的网络初值，这应该才是智能的关键。如果我们还没有能力设计出一种比自然演化更高效的算法，自动搜索出智能系统，也没有足够高的智慧或者足够好的运气，直接设定智能系统的初值，那么，从神经生理层面，研究真实大脑的神经线路，将是值得考虑的做法。

视觉认知
最初级的智能起始于感觉系统，人脑信息输入有超过80%来自视觉，脑认知的内部运作也主要基于视觉概念。视觉认知主要功能是识别，另一个则是空间定位，这对应于生理学上的What和Where通路。视觉系统的智能体现在视觉不变性，偏离注视点或者大小不同的同一个客体，均能被视觉系统准确快速地识别，而这些视觉客体在视网膜甚至是初级视皮层上的激活区都发生了很大的变化，这也是理解视觉识别的最大障碍之一。知觉不变性对应了思维的基本元素——概念，进而也是大脑构建知识系统及产生智能的基石，就像是底层的操作系统和汇编语言，虽然艰涩难懂，但却是最终理解脑认知不能回避的问题。

代表性论文 
1. Tang SM，Juusola, M , Intrinsic Activity in the Fly Brain Gates Visual Information during Behavioral Choices , PLoS ONE , 2011 , 5(12): e14455. 
2. Tang SM, Wolf R, Xu SP, Heisenberg M , Visual pattern recognition in Drosophila is invariant for retinal position , Science , 2004 , 305, 1020-1022 
3. Wang SP, Tang SM , Behavioral modification in choice process of Drosophila , Science in China , 2003 , Vol.46, pp.399-413 
4. Tang SM, Guo AK , Choice behavior of Drosophila facing contradictory visual cues , Science , 2001 , 294, 1543-1547