斯坦福大學(xué)應(yīng)用物理學(xué)教授，量子神經(jīng)網(wǎng)絡(luò)科學(xué)家Surya Ganguli教授

（圖片來源：斯坦福大學(xué)）

Surya Ganguli，斯坦福大學(xué)應(yīng)用物理學(xué)教授，谷歌客座研究教授，量子神經(jīng)網(wǎng)絡(luò)科學(xué)家。美國國家科學(xué)基金會職業(yè)獎、MMLS的西蒙斯研究員獎、McKnight學(xué)者獎、 James S. McDonnell基金會人類認(rèn)知學(xué)者獎、 Alfred P. Sloan基金會獎等獎項獲得者。

從數(shù)學(xué)到物理，從物理到神經(jīng)網(wǎng)絡(luò)

Ganguli是一名學(xué)霸。在短短的五年時間里，他從麻省理工完成了電氣工程與計算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)的本科學(xué)業(yè)，并拿到了電氣工程與計算機(jī)科學(xué)的碩士學(xué)位。

有趣的是，在成為量子信息科學(xué)家之前，Ganguli曾一度對人工智能專業(yè)“大失所望”。

?

作為一名早在孩童時代就立志成為一名從事人工智能領(lǐng)域的科學(xué)家，Ganguli在少年時翻閱了市圖書館幾乎所有的人工智能類書籍。恰巧的是，這些書皆是出自麻省理工教授之手，于是在1993年，Ganguli以全班第一的成績進(jìn)入麻省理工開始了專業(yè)學(xué)習(xí)生涯。

?

但是很快，就在第一堂人工智能專業(yè)課上，充滿學(xué)術(shù)激情的Ganguli被潑了一盆“冷水”：“我永遠(yuǎn)不會忘記教授對‘我們不應(yīng)該嘗試對大腦進(jìn)行逆向工程嗎？’的回答——不不不，忽略大腦，它只會讓你感到困惑。你需要做的就是弄清楚大腦正在運(yùn)行的軟件程序?！?/p>

?

眾所周知，對大腦進(jìn)行逆向工程已經(jīng)成為人工智能的明日之光。教授的教學(xué)理念使Ganguli受到了嚴(yán)重沖擊，以至于他開始懷疑是否還有繼續(xù)從事人工智能的必要。

?

“在那段迷茫時期，我開始在數(shù)學(xué)、物理和計算機(jī)科學(xué)領(lǐng)域探索，并主修了這三個專業(yè)?！倍窃谶@一多學(xué)科學(xué)習(xí)階段中，Ganguli從物理學(xué)家理查德·費(fèi)曼的演講中深受啟發(fā)，開始對量子力學(xué)和物理學(xué)充滿向往。

?

1998年，Ganguli前往加州伯利克利分校繼續(xù)進(jìn)行物理和數(shù)學(xué)研究生專業(yè)學(xué)習(xí)，并選擇攻讀弦理論博士學(xué)位。

?

之所以選擇弦理論作為研究領(lǐng)域，Ganguli解釋道：“我認(rèn)為弦理論是物理學(xué)中最基本的學(xué)科。形象化來說，弦理論意味著每個粒子將變成不同類型的物理學(xué)分類，如一種振動模式變成了引力子，另一種振動模式變成光子……以量子力學(xué)的方式，你可以真正地將這兩件事統(tǒng)一起來。這是一個數(shù)學(xué)上自洽的理論?！?/p>

?

在即將完成博士學(xué)業(yè)時，Ganguli遇到了一個重要的轉(zhuǎn)折點(diǎn)——這是一場思想戰(zhàn)斗：是成為一名更偏理論的數(shù)學(xué)家，還是一名更偏工程應(yīng)用科學(xué)家？對于Ganguli來說，決定二者之間的選擇結(jié)果的，是年少時的夢想。

“最終，在計算神經(jīng)科學(xué)的魅力沖擊下，我再次堅定了對神經(jīng)科學(xué)和機(jī)器學(xué)習(xí)的研究信念。”

?

于是，2004年在獲得博士學(xué)位后，Ganguli陸續(xù)進(jìn)入USCF醫(yī)療機(jī)構(gòu)、加利福尼亞大學(xué)Sloan-Swartz理論神經(jīng)生物學(xué)中心開展博士后工作，并正式開始了系統(tǒng)地學(xué)習(xí)和研究神經(jīng)網(wǎng)絡(luò)領(lǐng)域。

人工智能的“釘子”與“進(jìn)化”

2012年，Ganguli進(jìn)入斯坦福大學(xué)擔(dān)任應(yīng)用物理學(xué)教授并帶領(lǐng)神經(jīng)動力學(xué)和計算實驗室，致力于開展逆向工程神經(jīng)元和突觸網(wǎng)絡(luò)在多個空間和時間尺度上協(xié)作促進(jìn)感官知覺、運(yùn)動控制、記憶和其他認(rèn)知功能的研究。

?

Surya Ganguli右（圖片來源：網(wǎng)絡(luò)）

?

以“猴子如何進(jìn)行視覺空間注意力分配”課題為起點(diǎn)【1】，Ganguli在神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)領(lǐng)域開展了眾多實驗和理論研究，并產(chǎn)出了大量成果。

?

Ganguli指出，“實驗神經(jīng)科學(xué)的顯著進(jìn)步，使我們能夠同時觀察許多神經(jīng)元的活動，來了解大腦的瞬間集體動力學(xué)如何實例化學(xué)習(xí)和認(rèn)知。然而，從大型、高維神經(jīng)數(shù)據(jù)集中有效地提取這種概念性理解需要在理論驅(qū)動的實驗設(shè)計、數(shù)據(jù)分析和神經(jīng)電路建模方面同時取得進(jìn)展。”

?

在實驗方面，Ganguli開展的研究涵蓋“利用無監(jiān)督張量分量分析時間扭曲提取描述”，“單個實驗電路的學(xué)習(xí)狀態(tài)”，“深度線性神經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)的非線性動力學(xué)的精確解”；“通過突觸智能持續(xù)學(xué)習(xí)的可能性”，“神經(jīng)科學(xué)的深度學(xué)習(xí)框架”，“使用非平衡熱力學(xué)的深度無監(jiān)督學(xué)習(xí)”，“環(huán)境邊界作為網(wǎng)格單元的糾錯機(jī)制”等。

?

談及機(jī)器學(xué)習(xí)在數(shù)據(jù)標(biāo)記、數(shù)據(jù)工程任務(wù)等方面的限制，Ganguli講道：“AI算法的數(shù)據(jù)‘饑餓’如同擊中了頭部的釘子。要知道，機(jī)器學(xué)習(xí)在于預(yù)測，而用于解決預(yù)測的神經(jīng)網(wǎng)絡(luò)的內(nèi)部表示，實際上對后續(xù)訓(xùn)練機(jī)器學(xué)習(xí)任務(wù)也非常有用。”

?

他認(rèn)為，當(dāng)前機(jī)器學(xué)習(xí)的預(yù)測能力值得肯定，但是不應(yīng)僅僅是被動訓(xùn)練數(shù)據(jù)，機(jī)器學(xué)習(xí)的下一個前沿是：構(gòu)建現(xiàn)實模型的業(yè)務(wù)，使用這些現(xiàn)實模型來想象未來并做出決策，查看違規(guī)行為以修改現(xiàn)實模型，積極進(jìn)行實驗。

?

2021年，Ganguli團(tuán)隊在人工智能領(lǐng)域取得重要成績【2】:為研究物理體對AI的價值，他們設(shè)計了一種深度進(jìn)化強(qiáng)化學(xué)習(xí)計算框架，證明了物理化是人工智能進(jìn)化的關(guān)鍵。為更形象地表現(xiàn)，他們還設(shè)計了一個虛擬生物體在虛擬環(huán)境中執(zhí)行學(xué)習(xí)任務(wù)的實驗，展示了人工智能的自我進(jìn)化能力。作為業(yè)內(nèi)首次，他們提出的通過改變物理形態(tài)加速機(jī)器學(xué)習(xí)的研究引起了熱烈反響。

人工智能邁向量子神經(jīng)網(wǎng)絡(luò)

伴隨量子技術(shù)在近二十年來的快速發(fā)展，計算科學(xué)與應(yīng)用正在發(fā)生前所未有的變化?！拔覀冋谝娮C物理學(xué)、計算科學(xué)和神經(jīng)生物學(xué)之間發(fā)生跨領(lǐng)域的激動人心的相互作用。”

Ganguli講道：“一方面，我們可以利用在理論物理學(xué)和應(yīng)用數(shù)學(xué)中發(fā)展起來的復(fù)雜系統(tǒng)分析的力量，以闡明控制生物和人工神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和發(fā)揮作用的設(shè)計原則；另一方面，我們可以利用新的物理學(xué)來實例化和分析使用原子自旋和光子構(gòu)建新型的量子神經(jīng)形態(tài)計算機(jī)。”

?

在量子神經(jīng)網(wǎng)絡(luò)的魅力吸引之下，Ganguli在近些年來開始將光量子技術(shù)路線作為主要研究方向。在光量子神經(jīng)網(wǎng)絡(luò)方面，Ganguli與斯坦福大學(xué)的眾多專家科學(xué)研究團(tuán)隊一起開展了大量關(guān)鍵性的研究。

?

2020年，Ganguli與斯坦福大學(xué)Yoshihisa Yamamoto教授、Hideo Mabuchi教授以及東京大學(xué)神經(jīng)智能國際研究中心Timothée Leleu教授的聯(lián)合研究成果《"Coherent Ising Machines: Quantum optics and neural network perspectives》（相干伊辛機(jī)器：量子光學(xué)和神經(jīng)網(wǎng)絡(luò)觀點(diǎn)）登上《Applied Physics Letters》期刊。他們闡述了量子神經(jīng)網(wǎng)絡(luò)和相干伊辛機(jī)等量子機(jī)器這一新研究領(lǐng)域，并創(chuàng)造性地提出了光量子神經(jīng)網(wǎng)絡(luò)實現(xiàn)的兩種方式。

?

最近，Ganguli團(tuán)隊在神經(jīng)元信號結(jié)構(gòu)方面的研究取得了新進(jìn)展，相關(guān)研究成果登錄國際頂級期刊《Nature》【3】。在實驗中，該團(tuán)隊展示了其用來解釋信號的計算機(jī)模型“解碼器”對神經(jīng)噪聲具有魯棒性，并再次驗證腦噪聲是有結(jié)構(gòu)的。Ganguli表示，盡管相關(guān)噪聲的重要性尚不清楚，但當(dāng)在實驗中考慮噪聲時，將能夠提升解碼器的準(zhǔn)確性。這是朝著制造新機(jī)器邁出的關(guān)鍵一步。

?

參考：

【1】Surya?Ganguli?et al.,"One-Dimensional Dynamics of Attention and Decision Making in LIP"Neuron58,(2008).

【2】Agrim Gupta?et al.,?"Embodied intelligence via learning and evolution"Nature Communications12,(2021).

【3】Sadegh Ebrahimi et al.,“Emergent reliability in sensory cortical coding and inter-area communication”,Nature,37(2022).

編譯：王衍/李每編輯：王衍