机构名称：
¥ 10.0
A01：感知与预测 深度学习如今在模式识别中已经取得了很高的性能。我们将利用信息论来阐明它为什么以及在什么条件下起作用，并且利用深度学习得到的各层中的信息表示来理解大脑各个区域神经元的信息表示。 我们将通过与各种分层贝叶斯推理算法的比较，验证大脑感觉皮层神经回路实现分层贝叶斯推理的假设。 A02：运动与行为 虽然机器人技术已经进步，但如今的人形机器人的运动能力仍然不如三岁儿童。我们将通过与大脑的运动学习机制进行比较来明确其中的不足。具体来说，我们的目标是阐明大脑从多自由度系统中的有限数据中学习充分的内部模型的机制，并在此基础上实现人形机器人的学习控制。 大脑感觉皮层的学习可以理解为依赖外界信息的无监督学习，而运动皮层的学习则需要创建自发运动所必需的信息表征，其背后的原理仍不清楚。此外，基底神经节有直接通路和间接通路两大回路，且有多种控制学习的多巴胺，但这其中的计算意义尚不清楚。我们将寻求通过将学习理论与大脑数据相结合来对这些问题获得新的认识。 A03：认知与社会性 人类的认知功能被认为是通过对模拟感觉运动信息进行分类和分割来实现的。我们着眼于实现这一目标的理论模型——双分割分析，并探索其在大脑中实现的可能性，以及将其应用于人形机器人的模仿学习和意图估计。 “心理模拟”和“心智理论”在人类智力行为，尤其是社会行为中发挥着重要作用，其在脑中的位置正通过fMRI实验等方法阐明。通过阐明神经回路层面的表达和学习原理，我们希望能够理解精神分裂症和自闭症等疾病，并以此设计出更自然的人形机器人和智能代理。 3）研究区域设置期结束后的预期成果。
“人工智能与脑科学的对比与融合”
主要关键词
相关文件推荐
