移动端眼动技术应用研讨会顺利举办,推动产学研协同创新

4 月 19 日,由天桥脑科学研究院与 Dlab 共同主办的“移动端眼动技术应用研讨会”在线上顺利召开。本次研讨会汇聚了眼动 AI 技术专家与认知行为科学家,围绕移动端眼动追踪技术的最新进展与应用前景展开了深入交流,为推动该领域的技术创新与产学研合作搭建了重要桥梁。

在专题报告环节,伯明翰大学程义华博士系统梳理了眼动追踪技术的发展历程与核心技术瓶颈,创新性地提出基于可微三维视线建模的端到端估计系统,有效提升了多设备兼容性。

▷程义华博士介绍移动端眼动追踪技术的基本原理与算法框架

加州理工学院 Ralph Adolphs 教授分享了其团队在社会情感领域利用手机与电脑端眼动追踪技术进行的前沿研究,展示了眼神交互模式在精神与认知状态评估中的关键作用。

▷加州理工学院 Ralph Adolphs 教授移动端眼动追踪在认知研究中的突破性案例

浙江大学朱干成博士重点介绍了 TCCI 移动端眼动追踪 SDK 的算法框架、数据隐私保护方案及未来的数据采集平台规划,并针对研究者实验开发需求提出了切实可行的技术解决方案。

▷朱干成博士介绍 TCCI 眼动 SDK 及拟建在线实验平台的技术解析

会议期间,与会专家共同提出了“AI 多终端眼动追踪与认知状态推理工作流”的创新构想,实现跨设备眼动数据的自动化采集、标注与智能分析,并具备高级认知行为推理能力。多位国内外顶尖 AI 团队专家参与了交流。

本次研讨会激发了学界对移动端眼动技术的关注,并吸引了多家商业公司和研究团队咨询后续合作可能性。未来,相关技术成果有望加速落地,推动眼动追踪技术在认知行为研究与智能交互领域的广泛应用。

科技论剑:BCI技术发展前路何方?AI与基础研究如何相辅相成?

在人工智能蓬勃发展的今天,如何借助最前沿的技术手段,更好地理解和调控人类大脑,始终是科学界关注的核心问题。从精神疾病的治疗到认知功能的提升,从脑区精准定位到神经环路的靶向干预,科学家们在不同层面探索着解码人类大脑的方法。

2025年2月27-28日,由上海交通大学科学技术发展研究院主办,上海交通大学心理学院和天桥脑科学研究院(中国)联合承办的第二十三期“科技论剑”心理学交叉论坛暨第六届认知与脑调控国际学术研讨会在上海交通大学闵行校区李政道图书馆举行。

本次会议汇聚了国内外脑科学领域的顶尖专家。罗跃嘉等多位中国科学院院士莅临此次会议,脑网络组图谱研究权威蒋田仔院士、神经科学领域专家段树民院士更是就各自研究领域的最新进展作了主题报告。还有多位国际知名学者,包括精神病学和成瘾研究领域的权威专家Tony P. George教授、Marco Diana教授以及神经调控领域资深专家Abraham Zangen教授等,围绕心理学与人工智能、脑调控技术、神经影像学等多个前沿科技话题受邀报告交流。从脑网络组图谱的精准绘制,到基于机器学习的个性化治疗方案,再到AI驱动的脑机接口(BCI)技术,这场学术会议足以见证跨学科融合为神经调控领域带来的前所未有的机遇。

科技论剑:BCI技术发展该往何方?

在众多前沿议题中,BCI技术的发展路线引发了与会专家的热烈讨论,当之无愧地成为本场“科技论剑”最为激烈的交锋点之一。正如段树民院士所言,“许多神经精神疾病与特定神经环路活动异常密切相关,光遗传与化学遗传技术与脑机接口的结合,为精神疾病的神经环路精准调控开辟了一条温和可逆的新途径。”

当下,BCI技术存在技术发展路径之争:

  • 通道数量的增加是否是技术进步的必由之路?
  • 如何在追求解码精度与保障安全性之间寻求平衡?
  • 在医疗应用领域,哪些治疗需求应当被优先解决?

围绕这三个核心问题,清华大学洪波教授、脑虎创始人及天桥脑科学研究院研究员陶虎教授、临港实验室李澄宇博士三位专家展开了精彩的学术交锋,为与会者呈现了一场难得的头脑风暴。

▷ 洪波教授

洪波教授在《微创脑机接口:解码、修复与调控》报告中,率先挑战了“高带宽即高效果”的传统认知。他提出“硬膜外脑机接口”这一新方向,该技术在AI算法的加持下无需高通道,也实现了创伤性和信号质量间的良好平衡。国内正在开展的多项临床实验也证实了,这一技术不仅能帮助脊髓损伤患者恢复基本动作功能,还可能通过神经信号重耦合促进神经修复,甚至实现对海马体等深部脑区的调控。展望未来,他期待脑机接口在确保安全的前提下,不仅服务于残障人士的康复,更能拓展至健康人群的日常应用。

▷ 陶虎教授

陶虎教授在《脑机接口:让大脑连接未来》中探讨了他对脑机接口研究的思考。陶虎认为,作为一个具有颠覆性的交叉科研领域,BCI技术目前仍处于以外设控制为主的初级阶段,但未来有望实现“脑联网”,打破碳基生命与硅基生命的界限。

他进一步指出了BCI发展的三大趋势:从运动重建向语言合成拓展、从低通量向高通量演进、从单一脑区向多脑区协同发展。因此,陶虎认为盲目增加通道数并非良策,但提升有效通道数仍是必然趋势。

此外,陶虎也提出了当前面临三个技术调整:安全有效地记录更多神经信号、深化对神经编解码机制的理解,以及严格遵循道德法律规范。对于日益受到关注的伦理问题,他提出了独特观点:伦理问题的讨论是一项技术能大规模进入市场的前兆,而脑机接口技术目前就出在这一阶段。

▷ 李澄宇教授

在临港实验室BCI研究进展报告中,李澄宇教授提出了一个鲜明观点:对侵入式BCI而言,通道数量与解码效果及脑控能力呈正相关。这一论断源于实验室在行走辅助等领域取得的实际成果,也直接回应了学界对通道数量问题的讨论。以视觉假体研究为例,李澄宇博士深入阐述了高通道数的重要性:即便配备一万通道的视觉假体,当前仍无法为盲人患者提供清晰的视觉体验,距离使患者视力达到0.05的目标仍有相当距离。这一现实困境恰恰说明了提升通道数量的必要性。值得注意的是,临港实验室在一万通道神经元活动项目上已取得初步进展,并提出了未来发展方向——将人工智能应用于电刺激算法优化,以期提升脑机接口的使用效率。

多学科视角:基础研究与人工智能如何相辅相成?

本次论坛致力于成为化学、心理学与AI的“三棱镜”,通过思想碰撞中折射出心智科学的全新光谱。聚焦BCI与神经调控发展前沿,多位专家从不同学科视角展开探讨。

上海交通大学心理学教授叶铮以人脑“内存”——工作记忆为切入点,揭示了其与精神疾病的密切关联;转化医学研究院凌代舜教授则聚焦于分子层面,提出以化学生物界面仿生识别为基础的高性能化学探针技术,为脑科学解码开辟新思路;而生物医学工程学院陈垚教授着眼于侵入式运动皮层脑机接口,指出AI技术可能为解决当前脑机控制延迟等难题提供新的突破口,同时强调了数学模型工具在多神经元分析中的重要性。

▷ 圆桌讨论

就像傅小兰院长提出的,“心理学可以在确保人工智能伦理底线方面的关键作用”。这也为这场跨学科对话注入了人文关怀的温度。在随后进行的“人工智能与心理健康的前沿进展”圆桌讨论环节中,在上海体育大学心理学教授陈安涛、苏州大学心理学系教授张阳的主持下,围绕“心理学与人工智能交叉领域的当下与未来”,天桥脑科学研究院的耿海洋博士、上海交通大学计算机工程学教授吕宝粮、计算机系副教授吴梦玥以及心理学院副研究员王立卉,分别就精神疾病数据集建设、情感脑机接口、AI伦理安全以及眼动技术与心理学研究等方向的研究进展进行了简要报告并展开了深入交流。

圆桌讨论的主要内容整理如下:

主持人陈安涛提出了第一个问题:在心理学领域,人工智能如何起到促进作用?如何看待人工智能与心理学在量化研究上的结合?

王立卉认为,心理学对人工智能发展的贡献更多是理论的发展。目前人工智能在情感计算方面的理论和心理学的最前沿理论存在差距,可以在心理学最新理论的基础上建立新的大模型。

主持人张阳接下来提出了两个问题:大模型用于心理疾病的诊疗时,如何保证其可信度和准确性?人工智能能否与基础科学研究相互促进?

关于大模型临床决策,吴梦玥认为现阶段,诊断决策权不一定要在人工智能手里,如果只是用人工智能提供足够全面的信息,由专家进行决策,那么可信度和准确性还是能得到保证的。

吕宝粮认为,现在很多疑难杂症本身也很模糊,另外,病人还会有心理作用,比如去医院会更放心,再加上大模型的数据库有可能落后,可信度的问题是短时间很难完全解决的。

耿海洋则认为,我们应该从解决问题倒推实现路径,即思考“AI发挥作用需要哪些条件”。他认为对于AI诊断来说,一是要量化,也就是数据,二是要更新迭代。另外,耿海洋还介绍到,天桥脑科学研究院与DLab致力于建设一个数据平台,让医生、咨询师、AI科学家、工程技术人员甚至用户都能参与到心理健康相关的人工智能的高质量数据建设中去,并且这个数据集的建设是一个动态迭代的过程。

关于人工智能与基础科学研究的相互促进,吴梦玥指出,现阶段很多学术论文中都能看到人工智能为基础科学研究的帮助。吕宝粮补充说,基础研究也可以去启发AI发展,他提到了一类研究“类脑计算”,学习和模仿人脑或许有希望提升芯片的算力,“相信随着研究的不断深入,人工智能与人类智能间的各种差异会逐渐缩小,AI会慢慢更像人类。”

主持人陈安涛最后提问:心理疾病难点在于缺乏特定的生物标记,AI能否帮助我们找到这把“钥匙”?

耿海洋率先回答,他认为,理论驱动的人工智能可能需要很长的路要走,可以先开发数据驱动的辅助系统来支持决策,并保留人为最终判断。短期内以解决实际问题为主,在此过程中可以逐步融入理论。新的技术工具得先用起来,在使用中不断发现问题、提高准确性,才能吸引医生、患者和C端用户,逐渐提高大众信任度和接受度。

吕宝粮判断说,“技术层面来说,应该在3-5年之内,AI就能影响心理疾病的诊治过程。”在可预见的未来,一个人身边的智能设备可能会比家人更了解他。而就目前而言,AI确实已经开始帮助人们加快诊断效率,某种程度上这能让专家有时间更好地思考问题,推动理论发展。

这场学术会议在热烈的讨论声中落下帷幕,但是对于人工智能与人类认知的深度探索并未终结。正如樊春海院长所说,“我们正站在解码意识、重塑文明文化关系的历史拐点”。在科技与人文的交汇处,一个关于人类未来的宏大叙事正在徐徐展开。

会议报道|“渐近渐远”:从人脑记忆到大模型记忆的未来之路

 

 

随着人工智能(AI)技术的飞速发展,“以ChatGPT为代表的大模型被认为是当前人工智能的巅峰”。但现今大模型在“长期记忆”方面的不足,使得其在面对持续学习、知识迁移以及复杂推理任务时,难以达到类似人脑的灵活性和适应性,成为未来AI技术的重要发展方向。

为了探讨AI的长期记忆难题,2024年11月28日~12月1日在浙江嘉兴召开的中国中文信息学会2024学术年会暨第三届全国大模型智能生成大会(CIPS-LMG 2024)上,天桥脑科学研究院(Tianqiao and Chrissy Chen Institute)主办了一场主题为“大模型记忆与人脑记忆的渐近渐远”的分论坛。

此次论坛讨论邀请了来自海内外不同高校的人类智能与机器智能专家,共同探讨长期记忆与AI战略及大模型记忆与人脑记忆的关系。此外,在CIPS-LMG 2024大会上,盛大AI Tech负责人姜迅发表了题为《长期记忆,AI自进化的基石》的主题演讲,吸引了广泛关注。

01主题报告荟萃:

长期记忆的技术现状与实现路径

在《长期记忆,AI自进化的基石》中主题演讲中,姜迅深入探讨了长期记忆在大模型发展中的核心作用,分析了当前的技术挑战和未来的突破方向,同时分享了团队在长期记忆领域的研究心得和实践成果。他的演讲围绕三个关键问题展开:为何实现AI的自进化需依赖于长期记忆的研究?我们可以从人类大脑的长期记忆机制中获得哪些启发?如何突破技术瓶颈,实现模型的自我进化?

为了应对“如何收集个体数据并将其精炼到长期记忆中?”以及“如何在持续更新中有效表达少量个体数据于LLM?”这两大挑战,盛大团队设计了长期记忆数据框架,利用记忆元的理念对数据进行精炼和组织。同时,开发了OMNE——一个记忆增强的多智能体框架,以及具备思考能力并增强RAG的大模型。

他还介绍了自主研发产品Tanka的创新,并详细说明了Tanka在商业决策领域从copilot到autopilot的技术演进:智能沟通->事件决策->领域特定执行->CEO级能力->自主组织。

在演讲的结尾,姜迅总结道:“长期记忆不仅是大模型实现自我进化的基石,也是人工智能走向类脑智能的必经之路。”通过对Tanka的应用,这一理念得到了验证,促进AI更接近人类的记忆与决策机制,迈向真正意义上的“autopilot”。

 

 

02分论坛观点梳理:

长期记忆的多维探索

正如姜迅所言,长期记忆是人工智能迈向类脑智能的重要基础。围绕人工智能的长期记忆话题,分论坛“大模型记忆与人脑记忆的渐近渐远”上,天桥脑科学研究院学术会议总监耿海洋博士邀请了伊利诺伊大学芝加哥分校刘兵教授、北京师范大学薛贵教授、西安交通大学刘均教授以及中国科学院自动化研究所余山研究员等人脑研究与人工智能专家,从不同角度探讨了脑科学启发下的大模型长期记忆的研发思路与应用前景。

1. 商业应用中的模型优化:刘兵教授的实践探索

刘兵教授讨论了持续学习及其对记忆的需求他首先提出了“持续学习”理论,并描述了两个仅依靠大语言模型(LLMs)和上下文提示的持续学习系统,两个系统表现均显著优于现有使用LLM微调或适配的方法。在这些方法中,记忆用于保存过程中的一些信息。这些信息目前被保存在LLM外部的一个外部缓冲区中,未来的理想情况会是将记忆集成到LLMs内部中。此外,刘兵教授还讨论了需要持续学习和记忆来提高其有效性的对话分析的实际应用。

 

2. 记忆机制的动态转换:薛贵教授的理论启示

薛贵教授从人脑记忆的理论研究入手,探讨了记忆的本质及其在人工智能中的应用启示。他通过实验揭示了记忆表征在编码、保持和提取阶段的动态变化,发现记忆从视觉皮层到高级皮层的转换规律,有助于形成认知地图,将碎片化知识转化为结构化知识。他提出大模型可以从人脑学习的机制中获得启发,比如如何在大模型中加入经验性语义和序列记忆机制以提升模型和学习和推理能力。

3. 大模型的技术根基与改进方向:刘均教授的深度剖析

刘均教授从技术层面梳理了大模型的强大根基及其缺陷。他指出,大模型的强大依赖于算法(如反向传播、Transformer架构)、大数据和算力的支撑,但其在灾难性遗忘、推理能力弱和高能耗等方面存在不足。为此,他提出借鉴人脑机制,如局部学习、记忆巩固和低能耗学习等,来改进大模型。他进一步提出了机器记忆智能模型的设计思路,通过优化表征、学习和推理模块,实现时空关联、抽象对象处理和持续学习能力。

4. 类脑智能的架构设计:余山研究员的创新实践

余山研究员聚焦类脑智能的发展目标,探讨如何借鉴人脑特性推动人工智能进步。基于人脑中认知控制的神经机制,提出了具有1)感觉运动信息处理和2)抽象概念生成与表征两个层级的网络架构,两个层级之间具有双向的信息交流,系统具备从与环境的互动中提取抽象概念的能力,并可以支持不同的智能体之间通过交流实现知识传递。

 

 

03促进人工智能与脑科学跨学科对话

未来,随着技术的不断突破,大模型或将真正实现从模仿人脑到超越人脑的跨越。天桥脑科学研究院呼吁加强大模型与人脑记忆机制的交互研究,让两者在不断的对话中相互启发、共同进步。正如耿海洋博士在讨论中特别强调的:

“大模型的长期发展不仅需要技术上的突破,更需要回归到对智能本质的思考。从人脑的角度去寻找洞察,并基于此设计出能够动态学习、持续更新的解决方案,可能是推动人工智能进一步发展的关键。”

关于天桥脑科学研究院

天桥脑科学研究院(Tianqiao and Chrissy Chen Institute)是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一,围绕全球化、跨学科和青年科学家三大重点,支持脑科学研究,造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室;与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统,项目遍布欧美、亚洲和大洋洲,包括学术会议和交流夏校培训AI驱动科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。

国际脑机接口大会 2024 | BCI顶级会议首次登陆亚洲

 

今年12月6日和7日,天桥脑科学研究院(Tianqiao and Chrissy Chen Institute, TCCl)与BCI协会(BCI Society)将在中国上海合作举办BCI Society & Chen Institute Joint BCI Meeting,标志这一球脑机接口领域顶级学术会议创办25年后首次落户亚洲。大会将汇聚全球顶尖学者与前沿研究团队,打造一个开放创新的学术交流平台,推动跨学科合作和全球对话,致力于脑机接口技术的科学突破与产业化应用,加强亚洲与全球研究人员的深度互动,共同构建一个真正的全球脑机接口社区。

大会议程涵盖从基础研究到临床应用、从技术开发到产业转化的多个层次,展示脑机接口领域的前沿突破和未来发展趋势。会议期间将举办十余场主题演讲,邀请来自全球知名学术与研究机构的重要学术领袖与行业先锋,共同分享他们在神经技术、脑科学与人工智能的最新研究成果,深入探讨脑机接口在神经康复、临床医疗与人类能力增强等方面的应用前景与挑战。

大会特别重视跨学科合作与行业交流,设置了丰富的社交环节,为与会者提供轻松的交流平台,促进来自不同领域专家之间的深度对话、经验分享与合作机会的探索。

 2024国际脑机接口大会将以丰富的内容和多样的形式,带来关于脑机接口未来的深度探讨与前瞻性思考。我们诚邀全球神经科学、临床、人工智能、数据、新材料、集成电路等相关领域的科学家及产业界的同行参会,共同见证脑机接口技术如何重新定义未来,推动人类认知边界的进一步拓展。

 

演讲嘉宾

Jocelyne Bloch, MD

Neurosurgeon, Lausanne University Hospital

Full Professor at Faculty of Life Science at Ecole Polytechnique Fédérale de Lausanne (EPFL)

Founder and Director of Defitech Center at Defitech Center for Interventional Neurotherapies

Chief Scientific Officer at ONWARD Medical N. V.

Grégoire Courtine, Ph.D.

Full Professor at Faculty of Life Science at Ecole Polytechnique Fédérale de Lausanne (EPFL)

Adjunct Professor at Neurosurgical Department at University Hospital Lausanne

Founder and Director of Defitech Center at Defitech Center for Interventional Neurotherapies

Chief Scientific Officer at ONWARD Medical N. V.

Jocelyne Bloch is neurosurgeon at the University Hospital Lausanne (CHUV) where she leads the functional neurosurgery unit, while Grégoire Courtine is a neuroscientist with a background in physics. Jocelyne and Grégoire are Professor within the NeuroX institute of the Ecole Polytechnique Fédérale de Lausanne (EPFL), within the neurosurgical department of CHUV, and at the Faculty of Medicine of the University of Lausanne (UNIL). Together, they founded the Defitech Center for Interventional Neurotherapies, named .NeuroRestore, which develop bioengineering strategies involving neurosurgical interventions to restore neurological functions. In 2014, they also co-founded ONWARD Medical (Euronext: ONWD) with the aim to translate the neurotherapies developed at .NeuroRestore into clinical treatments. Jocelyne and Grégoire are known worldwide for the conception of neuroprosthetic implants that restored walking in people with chronic paralysis.

 

Robert Gaunt, Ph.D.

Associate Professor and Engineering Director, Rehab Neural Engineering Labs, 

Department of Physical Medicine and Rehabilitation at the University of Pittsburgh

Associate Professor, Physical Medicine and Rehabilitation, Department of Biomedical Engineering at Carnegie Mellon University

Robert Gaunt is an Associate Professor of Physical Medicine and Rehabilitation at the University of Pittsburgh. He holds a BEng in Mechanical Engineering from the University of Victoria and a PhD in Biomedical Engineering from the University of Alberta. Dr. Gaunt’s research focuses on neuroprosthetics for sensorimotor control of the hand and bladder, aiming to restore function after injury or disease. His work includes developing brain-computer interfaces to enable movement and sensation for those with upper-limb paralysis and creating neural interfaces to regulate bladder function. Recognized by the National Academy of Engineering, his research has been featured widely in media, and he holds multiple patents.

 

Bo Hong, Ph.D.

Professor, Department of Biomedical Engineering, Tsinghua University

Principle Investigator, McGovern Institute for Brain Research

Dr. Bo Hong received his Ph.D. degree of Biomedical Engineering from Tsinghua University in 2001. From 2004 to 2005, he was a visiting scientist in the Department of Biomedical Engineering and the Center for Neural Engineering at Johns Hopkins University, USA. He is now full professor with School of Biomedical Engineering, Tsinghua University, and an investigator of McGovern Institute for Brain Research at Tsinghua. His main research interests are brain computer interface and language network in human brain. His team designed and developed minimally invasive BCI – NEO system and conducted the first-in-human clinical trial successfully in 2023. He has co-authored more than 80 papers on Nature Neuroscience, PNAS, Nature Communications, NeuroImage, Journal of Neuroscience etc. He has served as the Associate Editor of IEEE Transactions on Biomedical Engineering and IEEE Transactions on Neural Systems and Rehabilitation Engineering.

 

Cory Inman, Ph.D.

Professor, Department of Biomedical Engineering, Tsinghua University

Principle Investigator, McGovern Institute for Brain Research

Director, Immersive Neuromodulation and Neuroimaging (INMAN) Laboratory in the Psychology

Department at the University of Utah

Dr. Cory Inman is the director of the Immersive Neuromodulation and Neuroimaging (INMAN) Laboratory in the Psychology Department at the University of Utah. He received his BA in Psychology from Georgia State University and his PhD from Emory University. He completed his first postdoctoral fellowship in the Neurosurgery department at Emory University and a second postdoctoral fellowship at UCLA. He has broad interests in helping to establish approaches that push our understanding of emotion and memory from the laboratory into the wild, real world. The INMAN Lab is currently undertaking studies examining the use of direct brain stimulation to the human amygdala for episodic memory enhancement and direct brain recordings of deep memory structures, like the hippocampus during, navigation and autobiographical memory encoding in real-world settings. Outside the lab, he spends his time playing with his 2 kids, playing guitar, playing basketball, and exploring as many outdoor adventures as possible including white water rafting, snowboarding, hiking, and climbing.

 

Camille Jeunet-Kelway, Ph.D.

CNRS Research Scientist

INCIA, University of Bordeaux & CNRS, France

Deputy head of the SMART platform, University of Bordeaux

Camille Jeunet-Kelway received her PhD in cognitive sciences in 2016 at the University of Bordeaux, France. After a post-doctoral fellowship in Inria (Rennes, France) and EPFL (Geneva, Switzerland), she was recruited as a tenured CNRS Research Scientist. In 2021, she has joined the institute for cognitive and integrative neurosciences (INCIA) in Bordeaux, where she leads interdisciplinary research on the use of EEG-BCIs to improve or restore cognitive and motor abilities, both for clinical (stroke patients and patients with Parkinson disease) and non-clinical (athletes) populations. She is particularly interested in studying the learning mechanisms underlying neurofeedback training as well as the acceptability of neurofeedback procedures and BCI technologies. Camille Jeunet-Kelway has received 3 PhD awards, the European Label as well as 5 national fundings from the French research agency for her research. In 2022 she was awarded the Early Career Award in neuroscience from the BCI Society. Since 2024, she is deputy head of the SMART reasearch and innovation plateform, an “intelligent, connected gym”, dedicated to sports and movement sciences.

 

Bao-Liang Lu, Ph.D.

Director for the Center for Brain-Like Computing and Machine Intelligence

The Key Laboratory of Shanghai Education Commission Intelligent Interaction

Cognitive Engineering, and Ruijin-Mihoyo Laboratory

Bao-Liang Lu received his PhD in electrical engineering from Kyoto University, Kyoto, Japan, in 1994. Since August 2002, he has been a full professor at the Department of Computer Science and Engineering, Shanghai Jiao Tong University, China. He currently serves as the Director for the Center for Brain-Like Computing and Machine Intelligence, the Key Laboratory of Shanghai Education Commission Intelligent Interaction and Cognitive Engineering, and Ruijin-Mihoyo Laboratory. He received the 2018 IEEE Transactions on Autonomous Mental Development Outstanding Paper Award and the 2021 Best of IEEE Transactions on Affective Computing Paper Collection. He is also the Associate Editor of the IEEE Transactions on Affective Computing and Journal of Neural Engineering and an IEEE Fellow. His research interests include deep learning, large EEG model, emotion artificial intelligence, and affective brain-computer interface.

 

Natalie Mrachacz-Kersting, Ph.D.

Director, Laboratory for Brain-Computer Interfaces and Neurorehabilitation, Albert-Ludwigs-University Freiburg

Chair of Neuroscience in Sport and Movement, Institute for Sport and Sport Science 

VP of MAC, IEEE Engineering in Medicine and Biology Society

Deputy Editor-in-Chief, IEEE TNSRE

Prof. Dr. Natalie Mrachacz-Kersting, a member of IEEE, received her Ph.D. degree in biomedical engineering from Aalborg University in 2005. She currently holds the Chair for Neuroscience and Neuroscience in Sport at the Albert-Ludwigs University of Freiburg and is a member of the BrainLinks-BrainTools Cluster of Excellence at IMBIT, Albert-Ludwigs University of Freiburg. Dr. Mrachacz-Kersting serves on the Executive Committee of the IEEE Engineering in Medicine and Biology Society (EMBS) as the Vice President-elect for Member and Student Activities. She is also the Chair of the IEEE Women in Biomedical Engineering (WI(BM)E), member of the Steering Committee of IEEE Brain Technical Community, and the Deputy Editor-in Chief of the IEEE Transactions on Neural Systems and Rehabilitation Engineering Journal. She has previously held positions at Aalborg University in Denmark, FH Dortmund in Germany, and the University of Auckland in New Zealand. Dr. Mrachacz Kersting’s research focuses on medical technology, biomedical engineering, and neuroscience. She has authored over 80 peer-reviewed journal articles, more than 130 conference papers and abstracts, ten book chapters, and one book. Her current projects primarily involve Brain-Computer Interfaces (BCIs) for patient populations, including those suffering from stroke or ALS. Dr. Mrachacz-Kersting received several awards including the international BCI award in 2017.

 

Mu-ming Poo, Ph.D.

Scientific Director, Institute of Neuroscience, Chinese Academy of Sciences (CAS)

Director, Shanghai Center for Brain Science and Brain-Inspired Technology

Paul Licht Distinguished Professor in Biology Emeritus, University of California, Berkeley

Mu-ming Poo is the Scientific Director of Institute of Neuroscience, Chinese Academy of Sciences (CAS), Director of Shanghai Center for Brain Science and Brain-Inspired Technology, and Paul Licht Distinguished Professor in Biology Emeritus at University of California, Berkeley. He studied physics at Tsinghua University in Taiwan and received PhD in biophysics from Johns Hopkins University in 1974. During 1976-2012, He had served on the faculty of UC Irvine, Yale, Columbia, and UCSD, and UC Berkeley. He was the founding director of Institute of Neuroscience, CAS (1999-2019), and a member of Chinese Academy of Science, Academia Sinica, and Hong Kong Academy of Science, and an international member of US National Academy of Science. He was awarded Ameritec Prize, International Science & Technology Cooperation Award of P. R. China, and Gruber Neuroscience Prize. Poo’s research interest includes axon growth, synaptic plasticity, and the use non-human primates to study higher cognitive functions and human brain disorders. He is the Executive Editor-in-Chief of National Science Review and the editorial board member for many journals, including Neuron and Progress in Neurobiology.

 

Mao Ying, MD

President of Huashan Hospital at Fudan University

Dr. Ying Mao is a highly respected neurosurgeon at Huashan Hospital in Shanghai, China. He now serves as the director of the National Center for Neurological Disorders, the chairman-designate of the Neurosurgery Section of the Chinese Medical Association and the president of Huashan Hospital. With years of experience under his belt, Dr. Mao is known for his expertise in treating complex neurological conditions and performing advanced brain surgeries. Patients appreciate his compassionate approach and his dedication to staying at the forefront of medical technology and techniques. Beyond the operating room, Dr. Mao is an avid researcher, contributing significantly to the field of neurosurgery with numerous publications and studies. He’s also a beloved mentor, guiding the next generation of neurosurgeons with his wealth of knowledge and experience. When he’s not working, Dr. Mao enjoys spending time with his family, exploring new culinary delights, and indulging in a good book. His commitment to his patients, coupled with his warm personality, makes him a standout figure in the medical community.

 

Alexander von Lühmann, Ph.D.

Head of Independent Research Group

BIFOLD-ML | Machine Learning Department

Technische Universität Berlin

Alexander von Lühmann is currently head of the “Intelligent Biomedical Sensing” research group at TU Berlin’s Machine Learning department and BIFOLD. He is also a visiting researcher at the Neurophotonics Center of Boston University (BU NPC) and the Lead Technology Advisor at NIRx Medical Technologies. Before this, he was the Chief Science Officer and R&D Director at NIRx for 2,5 years, a post-doc at Boston University, a visiting researcher at Harvard Medical School, and the Chief Technology

Officer at Crely, a healthcare startup based in the US and Singapore. He is a member of the ISO/DIN, SfNIRS, OPTICA, OHBM and VDI. His contributions to the field have been recognized by the fNIRS Society (Early Investigator Award 2022), the TU Berlin BIMOS graduate school (PhD Award 2019), the German Society for Biomedical Engineering (DGBMT Klee Award 2018) and the IEEE Biomedical Engineering Society (Special Feature & Cover Article 2017). He received his PhD (Dr.-Ing.) with distinction in 2018 from TU Berlin, and his M.Sc. and B.Sc. degrees in Electrical Engineering from Karlsruhe Institute of Technology in 2014/11.

 

青年科学家

Enming Song, Ph.D.

Associate Professor at Institute of Optoelectronics of Fudan University

Enming Song is an Associate Professor at the Institute of Optoelectronics, Fudan University. Previously, he was a postdoctoral fellow at Northwestern University’s Simpson Querrey Institute and an Adjunct Research Assistant Professor at the University of Illinois at UrbanaChampaign. He earned his Ph.D. and B.S. from Fudan University’s Department of Materials Science. His research focuses on soft electronic materials for biomedical engineering, particularly flexible bioelectronic systems for neural interfaces. Over the past five years, he has published 21 scientific papers and holds a U.S. patent. His contributions earned him honors like MIT Technology Review’s Innovators Under 35 Asia Pacific, Shanghai Science & Technology 35 Under 35, and a Global Innovation Award from UNIDO.

 

Minpeng Xu, Ph.D.

Associate Dean of Academy of Medical Engineering and Translational Medicine and Chair Professor of

Department of Biomedical Engineering at Tianjin University

Minpeng Xu received the B. S. and Ph. D. degrees in biomedical engineering from Tianjin University in 2010 and 2015, respectively. He visited the Tzyy-Ping Jung’s lab at the Institute for Neural Computation (INC) of University of California, San Diego (UCSD) from 2014 to 2015. He is currently the Associate Dean of Academy of Medical Engineering and Translational Medicine and Chair Professor of Department of Biomedical Engineering at Tianjin University. His research interests include brain-computer interface, neural signal processing and neuromodulation. He has published more than 80 academic papers as the (co-)first or (co-)corresponding author, and some of them were selected as ESI highly cited papers, IEEE TBME cover story, and JNE highlight.

 

Yuxiao Yang, Ph.D.

Assistant Professor, MOE Frontier Science Center for Brain Science and Brain-Machine Integration and

the State Key Laboratory of Brain-Machine Intelligence, Zhejiang University

Yuxiao Yang is an Assistant Professor at the MOE Frontier Science Center for Brain Science and Brain-machine Integration and the State Key Laboratory of Brain-machine Intelligence, Zhejiang University. Prior to joining Zhejiang University, he was an Assistant Professor of Electrical and Computer Engineering (ECE) at the University of Central Florida (UCF).  He received a Ph.D. degree in ECE from University of Southern California in 2019 and received a B.S. degree in Electronics Engineering from Tsinghua University in 2013.His research centers on designing closed-loop brain-machine interface systems for neural decoding and control, aiming to provide new therapies for neurological and neuropsychiatric disorders. He has published in prestigious neural engineering journals, including cover articles in Nature Biotechnology and Nature Biomedical Engineering. He received the Annual Brain Computer Interface Award in 2019 and the IEEE EMBS Best Student Paper Award in 2015.

 

项目委员会及主持人

Cuntai Guan, Ph.D.

Program Committee and Moderator

President’s Chair in Computer Science and Engineering

Deputy Dean, College of Computing and Data Science

Nanyang Technological University, Singapore

Professor Cuntai Guan is a President’s Chair in Computer Science and Engineering and Deputy Dean of the College of Computing & Data Science at the Nanyang Technological University, Singapore. He is the Director of the Centre for BrainComputing Research, Director of the Artificial Intelligence Research Institute, CoDirector of S-Lab for Advanced Intelligence, and Co-Director of the Rehabilitation Research Institute of Singapore. His research interests include Brain-Computer Interfaces (BCI), Machine Learning, Neural Signal & Image Processing, and Artificial Intelligence. He is a recipient of several awards owing to his contributions to Brain Computer Interface research.

 

Christian Herff, Ph.D.

Program Committee and Moderator

Assistant professor, Mental Health and Neuroscience Research Institute

Maastricht University, the Netherlands

Dr. Christian Herff is an assistant professor in the Mental Health and Neuroscience Research Institute at Maastricht University where he leads the Neural Interfacing Lab. His research interest lays in the application of machine learning technology to neurophysiological data for Brain-Computer Interfaces and neuroscience research. With a particular focus on the decoding of speech processes from intracranial data, he tries to improve the lives of severely paralyzed patients while simultaneously improving our understanding of complex higher order cognition. He emphasizes the ability to achieve interpretable results based on computational models. In particular, visualization of complex dynamic models, such as deep neural networks, is of interest to him.

 

Dean J. Krusienski, Ph.D.

Program Committee and Moderator

Professor and Graduate Program Director

Department of Biomedical Engineering

Virginia Commonwealth University, USA

Dean Krusienski is a Professor and Graduate Program Director of Biomedical Engineering at Virginia Commonwealth University in Richmond, Virginia, where

he also directs the Advanced Signal Processing in Engineering and Neuroscience (ASPEN) Laboratory. He has co-authored over 100 peer-reviewed publications related to advancing brain-computer interface and neural signal analysis techniques, which have collectively received over 11,900 citations. His lab’s work has been funded by NSF, NIH, NASA/NIA and DoD, including current projects on intracranial speech decoding and synthesis; closed-loop DBS; biomarkers of hippocampal and sleep pathologies; user-state estimation; visual, auditory, and memory processing; and virtual reality applications.

 

Yan Li, Ph.D.

Program Committee and Moderator

Executive Director of Scientific Programs

Dr. Yan Li serves as the Executive Director of Scientific Programs at the Tianqiao Chen & Chrissy Luo Institute (TCCI®). She oversees the daily management of the Institute’s initiatives and fosters strong communications with beneficiary organizations and individuals. In addition to collaborating with cornerstone partners, Yan is spearheading the development of programs that empower researchers at all stages of their careers, advancing the overarching mission of the foundation to drive innovation and discovery. Dr. Li received her Ph.D. in Neuroscience at the Institute of Neuroscience, Chinese Academy of Sciences at Shanghai. She spent six years as a postdoctoral fellow at Profession Fred H. Gage’s lab at the Salk Institute and then moved to Stanford where she worked with Professor Thomas Sudhof and Marius Wernig for two years. Prior to joining Chen Institute, Dr. Li worked at a startup company at Menlo Park, California.

 

Mariska Vansteensel, Ph.D.

Program Committee and Moderator

Assistant Professor, University Medical Center Utrecht, the Netherlands

President, International BCI Society

Mariska Vansteensel is an Assistant Professor at the UMC Utrecht Brain Center in Utrecht. Her main research goal is to use the wealth of neuroscientific knowledge directly for the benefit of people with disease or disability. The main focus of her research since 2007 has been the development and validation of implantable electrocorticography (ECoG)-based Brain-Computer Interfaces (BCI) for communication in individuals with severe motor and speech impairment. She has conducted research on the proof of concept, working with epilepsy patients who receive ECoG electrodes for diagnostic purposes and on the first worldwide investigation of the use of fully implantable BCIs in settings of daily living of people with severe motor impairment.

 

Theresa M. Vaughan, BA

Program Committee and Moderator

Research Scientist

National Center for Adaptive Neurotechnologies

Albany Stratton VA Medical Center, USA

Theresa Vaughan is a research scientist with thirty years of experience in clinical research studies, 25 years focused specifically on brain-computer interfaces (BCIs) as new communication channels for people with severe motor disabilities. Her laboratory supervised the first-ever large-scale trial of independent home use of a BCI by people with amyotrophic lateral sclerosis (ALS). This work has become the foundation of the National Center for Adaptive Neurotechnologies (NCAN) translational service project program. To accomplish this, they have developed and tested hardware; modified the BCI2000 software; developed a range of Windows-based applications; produced training tools for therapists, caregivers, and users; and designed software.

 

Tao Hu, Ph.D

Moderator

Deputy Director, Shanghai Institute of Microssystem 

Information Technology, Chinese Academy of Sciences

Tao Hu is a researcher and deputy director at the Shanghai Institute of Microsystemand Information Technology, Chinese Academy of Sciences, and director of the StateKey Laboratory of Transducer Technology. He chairs the Brain-Computer Interfaceand Interaction Branch of the Chinese Society for Neuroscience and oversees theBCI industrial roadmap for the China Association for Science and Technology. He hasreceived numerous awards, including the Shanghai Young Scientists OutstandingContribution Award (2020), CAS Young Scientist Award (2021), and Best Paper Awardat IEEE MEMS 2022. Recognized as a “Highly Cited Chinese Scholar” and among the“Top 2% Scientists in the World,” he is also a celebrated mentor and public sciencecommunicator.

 

Jianjun Meng, Ph.D.

Moderator

Associate Professor Institute of  Robotics,  

Shanghai Jiao Tong University

Jianjun Meng is an associate professor at Shanghai Jiao Tong University (SJTU,2019–present). He earned his Bachelor’s and Ph.D. in Mechanical Engineeringat SJTU and conducted postdoctoral research at the University of Minnesota andCarnegie Mellon University (2014–2019). His research focuses on noninvasive brain-computer interface (BCI), neural prosthetics, biomedical signal processing, andneural engineering. He has over 40 SCI-indexed publications in journals like ScienceRobotics and NeuroImage and co-authored a book chapter in Neural Engineering.A senior IEEE member, he is an associate editor for IEEE biomedical journals. Hereceived China’s Ministry of Education First Prize in Natural Science and is part ofthe Shanghai Pujiang Talent Program.

 

大会议程

 

会议时间:

2024年12月6日-7日

会议地点:

上海斯格威铂尔曼大酒店

(上海市黄浦区打浦路15号,近徐家汇路,金玉兰广场内)

参与方式:

  • 报名注册免费,食宿差旅请参会者自理;

  • 会议席位有限,以主办方发送的参会确认短信为准;

  • 报名注册以及了解更多信息,请扫描文末二维码。

扫码注册参会

 

关于BCI协会

BCI协会(The Brain-Computer Interface Society,BCI Society)是全球最具影响力的脑机接口学术机构,其旗舰活动International BCI Meeting自1999年在美国纽约首次举办以来,已成为该领域的标杆性学术会议。2023年第10届会议在比利时布鲁塞尔举办,吸引了来自全球39个国家和地区的237所实验室的近500位科学家。

 

关于天桥脑科学研究院

天桥脑科学研究院(Tianqiao and  Chrissy Chen Institute, TCCl)是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一,围绕全球化、跨学科和青年科学家三大重点,支持脑科学研究,造福人类。

TCCI与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室;与加州理工学院合作成立了TCCI加州理工神经科学研究院。

TCCI建成了支持脑科学研究的生态系统,项目遍布欧美、亚洲和大洋洲,包括学术会议和交流、夏校培训AI驱动科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。

智能化、个性化、精准化:国际专家共议AI驱动的精神健康新范式

由天桥脑科学研究院(Tianqiao and Chrissy Chen Institute)、《科学》(Science)杂志和上海市精神卫生中心(国家精神疾病医学中心)联合主办的“人工智能与精神健康”研讨会于11月7日至8日在上海宛平南路600号上海精中徐汇院区举办,吸引了近400位科学家、临床医生、产业界人士参会,共同探讨人工智能在精神健康领域的应用与未来发展。

 

天桥脑科学研究院创始人雒芊芊说:“人工智能和精神健康是我和天桥寄予厚望的领域,希望能够尽早有所突破,造福人类。这是我们连续第四年与《科学》杂志合办国际学术讲座,很高兴首次落地中国,期待吸引各方人才特别是AI人才加入我们,用人工智能技术,更好地让中国人不焦虑,不抑郁,更幸福。”

《科学》系列期刊出版人Bill Moran在会议现场致辞中表示:“《科学》一直处于新兴科学的前沿。我们将继续联手天桥脑科学研究院,与全球科学家和研究人员密切合作,释放人工智能在精神健康治疗和管理方面的巨大潜力。”

 

 

上海市精神卫生中心院长、国家精神疾病医学中心主任赵敏教授说:”全球心理健康问题日益严峻,人工智能与精神疾病诊疗的结合正是解决这一问题的良方。我们期待与全球科学家进行深度交流,共同推动这一领域的发展。”

 

 

在《科学》高级编辑Peter Stern、上海交通大学心理学院院长傅小兰教授、上海市精神卫生中心副院长王振教授的主持下,会议围绕众多前沿话题展开深入讨论,包括人工智能在精神疾病诊断、个性化治疗方案、心理健康预测模型以及计算精神病学等领域的应用。来自中国、美国、德国、英国、澳大利亚的专家们分享了在各自领域的最新研究成果和实践经验。

德国耶拿大学医院转化精神病学特聘教授Nils Opel的研究团队开发了创新远程监测应用程序,通过收集患者的行为和语音数据来评估其心理健康状况。他领导建立的大规模数字队列研究DigiHero,正在监测德国人口的心理健康,尤其是受新冠疫情的影响。这些技术在临床实践中显示出巨大潜力,可用于患者的细分和进一步个性化治疗。

 

 

 

上海精中赵敏教授展示了AI在精神健康诊疗中的多种临床应用,这些应用正推动精神健康服务向智能化、个性化方向发展。AI辅助诊断系统能够通过分析MRI扫描结果,准确识别重度精神疾病患者。利用虚拟现实和AI技术创建沉浸式治疗环境,显著改善了恐高症等精神疾病患者的症状。他们正在开发基于AI的心理治疗机器人,通过分析面部表情来辅助焦虑症的筛查和诊断。

美国耶鲁大学精神病学系副教授Philip Corlett分享了如何将计算精神病学引入临床诊疗的实践。他的团队开发了一种”条件性幻觉”模型,利用AI和机器学习技术来研究幻觉的形成机制。此外,他们还应用分层高斯滤波器模型,发现偏执症患者倾向于将世界视为更加不稳定的形态。这些计算模型能帮助我们更好地理解精神疾病的机制。

 

 

澳大利亚纽卡斯尔大学神经科学与精神病学教授Michael Breakspear围绕人工智能解码面部表情、大语言模型模拟生成自然和疾病下的言语、生成式人工智能量化大脑异常以及以人为中心的数字未来四个方面,全面地讨论了如何使用大脑的生成式模型来优化AI在精神健康领域的应用。他尝试用模型模拟人类精神世界,在他看来,人类是一种活跃的主体,动态地嵌入自身构建的人际、社会、文化和历史体系中;而深度神经网络是其核心,是执行随机插值的静态矩阵。

 

 

 

 

英国剑桥大学计算认知神经科学教授Zoe Kourtzi主持开发了一种用于早期预测和诊断痴呆症的AI工具。它能够在症状出现前10-15年就识别出潜在的痴呆症患者,准确率高达91%。在实际应用中,这一AI工具比传统临床诊断方法更精确地预测了轻度认知障碍患者转变为阿尔茨海默病的可能性,其准确度提高了3倍。她提出,未来有可能用AI更广泛地追踪大脑的健康轨迹。

 

 

上海精中陈剑华教授介绍,天桥脑科学研究院人工智能与精神健康前沿实验室,正在与上海精中合作开展一项名为”灵溪”的项目。基于精神疾病是“唯一可以靠对话诊疗的疾病“这个特点,建设真实、高质量的抑郁焦虑患者与医生的问诊对话集,提供给AI大语言模型进行训练。项目已通过伦理审批,采集了5000多例对话,时长1000个小时,且数量正在持续增加。项目计划在严格合规的前提下向研究者和AI团队开放合作。

天桥脑科学研究院科学计划执行主任李艳博士介绍了研究院积极推进AI赋能脑科学的举措,包括与《科学》杂志合作发起全球AI驱动科学大奖,与世界名校共同举办AI跨学科夏校培训,今年已在全球主办、资助了近50场AI+脑科学高端国际会议。

 

 

波士顿大学计算和计算科学与工程哈里里研究所所长Ioannis Paschalidis、清华大学副教授眭亚楠、中科院深圳先进技术研究院先进计算与数字工程研究所所长李烨、伦敦大学学院计算精神病学和衰老研究中心副主任Quentin Huys围绕将AI运用于大脑疾病的早期检测和预防、用AI构建心理健康基础模型、AI在抑郁症治疗中的应用等话题,分享了在各自领域的前沿探索和实践。

会议还举办了青年科学家闭门讨论,10多位青年科学家与海内外嘉宾进行了深入交流。

在这两天里,与会专家们展示了AI在精神健康领域的巨大应用潜力。展望未来,人工智能与精神健康的结合将继续深化,并有望在以下几个方面取得突破:

  • AI辅助精神疾病诊疗的精确度和普及度将进一步提高;

  • 个性化治疗方案的制定将更加智能化;

  • AI的发展将帮助我们更深入地理解精神疾病的机制,为新的治疗方法提供理论基础;

  • 通过AI技术,我们将可能实现对大脑健康轨迹的长期追踪,从而更好地预防和管理精神健康问题;

  • AI技术在精神疾病诊疗领域的研究需要特别加强伦理治理问题。

 

 

天桥脑科学研究院推出人工智能人才计划,面向全球寻找AI for Science未来领袖

 

你是否渴望用人工智能推动科学,重塑未来的科研模式?

是否也曾好奇,如果智能体拥有长期记忆,世界将变成怎样?

天桥脑科学研究院“人工智能人才计划”正是为有志向的你而设!不论是加入我们与普林斯顿大学王梦迪教授联合发起的AI for Science实习项目、角逐AI驱动科学大奖,还是拿下超级Offer成为我们的一员,这里为你提供了一个广阔的舞台。你将有机会开拓科研边界,与全球顶尖科学家和优秀同学并肩作战,共同推动AI在科学领域的深度应用,成为引领未来的AI科学先锋!

 

01

破解AI的记忆密码

普林斯顿大学王梦迪教授携手天桥脑科学研究院推出联合实习计划

在人工智能领域,长期记忆(Long Term Memory)研究正成为AI能力涌现的新焦点。长期记忆是AI实现自我进化的关键。它不仅关系到AI的个性化发展,更是构建真正智能系统的基础。由天桥脑科学研究院、普林斯顿大学、清华大学、上海交通大学和盛大集团联合发表的论文《Long Term Memory: The Foundation of AI Self-Evolution》深入探讨了这一议题,并提出了创新解决方案:通过模仿人类的“长期记忆”,帮助AI超越LLM的局限。

 

 

相关研究发表在arxiv上.图片来源:arxiv

 

普林斯顿大学王梦迪团队与天桥脑科学研究院正面向全球发起联合实习计划,招募优秀的学生参与这一前沿科技领域的研究。普林斯顿大学电子与计算工程系、计算机系终身教授,Donald Eckman奖得主王梦迪,是这一研究的领军人物。她表示:“利用长期记忆进行 AI 自我进化以及解决现实世界问题拥有巨大潜力。我们正在寻找有志于在这一领域做出贡献的青年人才,共同拓展人工智能的边界。”

据了解,这项联合实习计划主要面向大模型和AIGC的算法实习生,在读本科和硕博研究生均可申请。申请者需具备深度学习基础、良好的编码能力、对高质量数据的理解,以及LLM常用技术,如SFT、RL算法等,能够快速提升业务场景中的应用效果。逻辑思维严谨、积极主动的团队合作能力也是申请的加分项。

申请者还将享有以下机会:

  1. 构建人工智能前沿认知调研,深入了解智能体功能和市场需求,掌握产业数智化进展。

  2. 提升智能体驾驭能力,参与智能体的设计、开发、测试和运营,积累产品全生命周期的经验。

  3. 深度参与普林斯顿王梦迪教授与天桥脑科学研究院的领先创新项目,积累宝贵的交叉领域工作经验。

投递简历:

aitalents@cheninstitute.org

 

02

AI驱动科学大奖申报倒计时

面向全球寻找AI for Science未来领袖

天桥脑科学研究院(Tianqiao and Chrissy Chen Institute)与《科学》杂志 “AI驱动科学大奖”,旨在表彰全球范围内用人工智能技术(如机器学习、深度学习、强化学习等)在自然科学(包括生命科学和物质科学)研究领域解决关键问题、推动科学研究加速发展的青年科学家。

申请者需提交一篇1000字的研究论文,描述他们最重要的研究发现,主题必须是利用人工智能相关技术,在其它科研领域做出了根本性的突破,而这些突破在未使用人工智能技术前是难以实现的。

该奖项目前已进入申报倒计时,报名截止时间为2024年12月13日,《科学》杂志将组成专家评审委员会评比,于2025年7月公布获奖名单。大奖(The Grand Prize)得主将获得3万美元奖金以及《科学》杂志5年数字版订阅权,获奖论文将发表在《科学》杂志的印刷版和在线版上。此外还设有最多两名优胜奖得主,各获得1万美元奖金和《科学》杂志5年的数字版订阅权,他们的论文将在《科学》杂志在线版上发表。

天桥脑科学研究院官方网站:

https://www.cheninstitute.org/prize

 

《科学》杂志官方网站(申报通道):

https://www.science.org/content/page/how-enter-chen-institute-science-prize-ai-accelerated-research

 

03

加入我们

敲开AI技术创新的大门

同时,我们持续在上海/新加坡/美国三地寻找具备技术热情、创新精神和团队合作精神的AI技术实习生/全职员工,共同致力于利用人工智能解决现实世界中的各种挑战和难题。欢迎所有人工智能方向的优秀人才投递简历:

岗位方向

后端开发与集成

  1. 设计、开发和维护支持AI模型的后端系统和服务。

  2. 集成各种机器学习模型和算法到后端系统,解决业务问题,如推荐系统、预测分析等。

  3. 优化后端系统,提高AI模型的性能和效率。

  4. 设计和实施API和微服务,以使AI功能可通过RESTful接口访问。

算法研究与开发:

  1. 探索研究最先进的大语言模型相关技术,持续跟踪论文和开源社区产品化落地的最新进展。

  2. 根据业务场景需求,提出算法方案,构建算法原型,验证算法效果。

  3. 构建高质量的算法服务,跟踪解决线上出现的相关问题。

岗位要求

  1. 对人工智能技术充满热情,有志于在该领域深入学习和发展。

  2. 具备扎实的编程基础,熟练掌握至少一种编程语言,如Python、Golang等。

  3. 对后端开发、数据库系统、Web开发、API设计等有一定了解。

  4. 对机器学习、深度学习等人工智能领域有浓厚兴趣,有相关项目经验者优先考虑。

  5. 良好的沟通能力和团队合作精神。

我们提供国际化的工作环境和广阔的个人发展空间,极具竞争力的薪酬福利。加入我们,你将站在科学与技术的交汇点,挑战最前沿的AI课题,与全球一流的科研团队共同推动AI创新。一起探索人类智能的未来!

最后,我们诚挚邀请有志于人工智能领域的青年学者前来参加本次“人工智能人才计划”高校宣讲会,深入了解项目详情及申请要求。宣讲会将为大家提供直接与项目导师和研究人员互动的机会,解答大家对于项目的疑问,并分享前沿AI和长期记忆研究的最新动态。具体时间安排如下:

城市

地点

日期

杭州

浙江大学

11月12日

南京

南京大学

11月14日

合肥

中国科学技术大学

11月19日

北京

清华大学

11月26日

北京

北京大学

11月27日

欢迎感兴趣的青年学者前来参加,期待与各位青年才俊在宣讲会上见面!

 

投递简历

aitalents@cheninstitute.org

扫描二维码添加研究院助理

 

关于天桥脑科学研究院

天桥脑科学研究院(Tianqiao and Chrissy Chen Institute, TCCl)是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一,围绕全球化、跨学科和青年科学家三大重点,支持脑科学研究,造福人类。

TCCI与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室;与加州理工学院合作成立了TCCI加州理工神经科学研究院。

TCCI建成了支持脑科学和人工智能领域研究的生态系统,项目遍布欧美、亚洲和大洋洲,包括学术会议和交流夏校培训AI驱动科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。

引领AI for Brain生态新纪元,首届Chen Scholars Retreat成功举办

金秋十月,枫叶如火。在这个收获的季节,天桥脑科学研究院(Tianqiao and Chrissy Chen Insititue, TCCI)首届Chen Scholars Retreat,于10月17日在波士顿公共图书馆成功举办。

波士顿公共图书馆是世界上第一个向所有公民免费开放借阅的图书馆,素有“人民的宫殿”之称。同样,天桥脑科学研究院也一直提倡开放共享、造福人类。多年来天桥脑科学研究院致力于推动脑科学与人工智能的融合发展,通过搭建平台、汇聚资源、培养人才等一系列举措,为这一领域的进步贡献着自己的力量。

回顾发展历程,天桥脑科学研究院创始人雒芊芊女士感慨道:

自2016年天桥脑科学研究院创立之初,我们就怀揣着一个梦想——构建一个生态系统,赋能卓越科学家,以创造足以改写人类历史的突破性成果。我们深知,探索大脑挑战重重,但正是这份挑战,激发了我们不断前行的动力。

 

天桥脑科学研究院创始人雒芊芊女士致辞

 

01深度对话,启迪新知

此次Chen Scholars Retreat上,来自世界各地的脑科学、人工智能以及医学领域的陈氏学者齐聚一堂,共同探索脑科学与人工智能的未来。

 

天桥脑科学研究院前沿实验室成果汇报,线上接入,幻灯片演示中

 

此次会议专门设立的Chen Frontier Lab(前沿实验室)报告环节上,华山医院陈亮教授上海精神卫生中心陈剑华教授以及天桥脑科学研究院耿海洋博士,代表天桥脑科学研究院在中国建立的两间前沿实验室——应用神经技术前沿实验室人工智能和精神健康前沿实验室,向全球陈氏学者介绍了在BCI技术研发和新一代AI模型方面取得的重要成果。

陈亮教授介绍了应用神经技术前沿实验室在脑深部电刺激(DBS)的研究范式方面的创新工作,通过植入NAc和aIC双脑区,以改善情绪调节和认知功能。此外,他们与上海精神卫生中心联合开展的临床研究,两年内共为28位严重精神疾病患者植入DBS,随访观察到患者接受DBS后疾病症状改善效果明显。陈氏学者们表示期待DBS用于严重精神疾病治疗的更多成果。

陈剑华教授分享了人工智能和精神健康前沿实验室在大语言模型 (LLMs) 在精神疾病研究中的应用方面的重要进展。基于上海精神卫生中心的真实临床咨询数据,他们正在构建一个辅助提高抑郁症和焦虑症诊断准确性的大模型,项目现已收集了4500组高质量原始数据。讨论环节中,陈剑华教授与陈氏学者们友好探讨了“利用LLM评估抗抑郁药治疗效果并指导个性化用药”的研究潜力。

 

Pietro Perona,加州理工学院电子工程学Allen E. Puckett教授

左,Bernardo Sabatini,哈佛大学Kempner研究所联合主任,神经生物学Alice and Rodman W. Moorhead III教授,哈佛医学院Howard Hughes医学研究所研究员;

右,Sham Kakade,哈佛大学Kempner研究所联合主任、计算机科学与统计学Gordon McKay教授

David Anderson,生物学Howard Hughes教授,TCCI加州理工神经科学研究院首席科学家兼主任,哈佛医学院Howard Hughes医学研究所研究员

 

天桥脑科学研究院陈氏学者学术交流现场

 

在陈氏学者学术报告环节,来自哈佛大学医学院麻省总院、梅奥诊所、加州大学旧金山分校、斯坦福大学等知名研究机构的陈氏学者们,聚焦医学领域人工智能应用,分享了对脑科学与人工智能领域未来发展趋势、面临的挑战与机遇的看法。从基础理论研究到临床应用实践,从算法优化到数据分析,不乏一些具有开创性意义的研究成果,这些成果不仅推动了神经科学研究的深入发展,也为AI技术的应用拓展了新的边界。

来自哈佛大学的两位演讲嘉宾——计算机科学与统计学教授Sham Kakade与神经生物学系教授Bernardo Sabatini一同进行了汇报,他们交替分享了他们的学术研究,并发表在人工智能和神经科学领域的深刻见解和前沿思考:

Bernardo Sabatini提到,“大脑中的神经元通信是以非常嘈杂的方式进行的,这与我们训练人工系统时可以指定极高精度的节点间连接形成鲜明对比。这表明大脑的运行方式可能与我们的传统理解存在根本上的差异。”

而Sham Kakade则指出,“在训练大型基础模型时,往往需要数月的时间。随着数据量的增加,我们不希望训练算法的时间也成倍增长。因此,如何提高优化算法的运行效率是一个关键问题。”

 

天桥脑科学研究院创新项目海报展览

 

02携手前行,共创辉煌

展望未来,天桥脑科学研究院将秉持初心,致力于推动神经科学与AI的融合发展“生态系统”。加强与国际顶尖学术机构的合作与交流,搭建更加广阔的学术平台;加大人才培养力度,为神经科学与AI融合领域培养更多优秀的青年才俊;继续深化科研创新,鼓励创新成果转化;在数据共享、伦理规范、隐私保护等方面,积极探索解决方案,为神经科学与AI融合领域的健康发展保驾护航。

雒芊芊女士表示:

一直以来,我们希望通过对大脑如何感知、理解和与外界沟通的了解,促进人们的生活体验。这些年来,天桥脑科学研究院一直为此而做出很多持续不断的努力,希望能够推动脑科学与人工智能的技术发展,造福人类。

在波士顿公共图书馆这座知识的殿堂里,首届Chen Scholars Retreat圆满落幕。这场与脑科学与AI的科学盛宴,将永远留在每一位与会者的心中,激励着他们不断前行,共同创造更加辉煌的未来。

 

天桥脑科学研究院陈氏学者、与会讲者及组织成员集体留影纪念

天桥脑科学研究院自研OMNE框架登顶GAIA榜首

近日,来自天桥脑科学研究院(Tianqiao and Chrissy Chen Institute)的AI团队在人工智能技术领域取得了重要进展,其自研的OMNE Multiagent大模型多智能体框架登上Hugging Face发布的GAIA基准测试排行榜榜首,超越了包括微软研究院在内的众多顶尖机构提交的多智能体框架。这项成果借鉴了天桥脑科学研究院多年的大脑研究积累,通过给予Agent长期记忆的能力,让模型能够进行深度慢思考,加强了LLM对复杂问题的决策能力。

这是自去年天桥脑科学研究院创始人、前中国互联网大佬陈天桥宣布All In AI战略以来,旗下AI团队取得的一项重大成果。

 

 

OMNE目前的整体成功率为40.53%,这项结果领先于Meta、微软、Hugging Face、普林斯顿大学、香港大学、英国AI安全研究所、百川等知名机构的提交。而配备插件的GPT-4仅为15%。

GAIA是由Meta AI、Hugging Face和 AutoGPT联合推出的基准测试系统,旨在提供一个涵盖真实世界问题集的测试环境,用于全面评估AI助手的能力,包括推理、大模型多智能体处理、网页浏览和工具使用等核心功能,是当前最具挑战性的多代理智能评估数据集。OMNE框架能够在如此严苛的榜单中拔得头筹,充分体现了AI团队的技术深度与创新能力。

OMNE是一个基于长期记忆(Long Term Memory, LTM)的多智能体协作框架,每个智能体拥有相同且独立的系统结构,能够自主学习和理解完整的世界模型,从而独立理解环境。基于LTM的多智能体协同体系,使AI系统能够实时适应个体行为变化,优化任务规划与执行,推动个性化与高效的自我进化。

本次榜单的的重大突破在于融合了长期记忆的机制,通过长期记忆大幅降低了MCTS的搜索空间,提高了在复杂问题上的决策能力。通过引入更高效的逻辑推理,OMNE不仅提升了单个智能体的智能水平,还通过优化协作机制,显著增强了多智能体系统的整体能力。

这一提升机制正是受到了人类大脑皮层柱状结构研究的启发,皮质柱作为大脑认知和行为功能的基础单元,通过复杂的协作机制实现信息处理。AI模型通过强化单体智能与智能体间的协作,可能逐渐产生认知能力的涌现,构建出内部的表征模型,进而推动系统整体智能的飞跃。

“我们非常自豪地看到OMNE框架登上GAIA 榜首。”天桥脑科学研究院AI团队负责人表示,”这表明了利用LTM进行AI自我进化以及解决现实世界问题的巨大潜力。我们相信,推进长期记忆和AI自进化的研究,对于AI技术的持续发展和实际应用至关重要。”

天桥脑科学研究院由陈天桥、雒芊芊夫妇出资10亿美元创建,是世界上最大的私人脑科学研究机构之一。研究院始终围绕全球化、跨学科和青年科学家三大重点,支持AI和脑科学研究,致力于造福人类。今年以来,天桥脑科学研究院与《Science》杂志合作推出了全球AI驱动科学大奖,并举办和支持了包括”AI+精神健康”在内的各种高水平国际会议和夏校项目,致力于培养跨学科的青年AI人才。

GAIA benchmark链接:

https://huggingface.co/datasets/gaia-benchmark/results_public/viewer/2023/test?sort[column]=score&sort[direction]=desc

天桥脑科学研究院关于AI长期记忆的论文《Long Term Memory: The Foundation of AI Self-Evolution》已发表于arXiv网站:

https://arxiv.org/abs/2410.15665

天桥脑科学研究院启动高校合作研究基金计划,聚焦AI长期记忆与生成式智能研究

近日,天桥脑科学研究院正式启动了一项面向高校的合作研究基金计划,围绕人工智能长期记忆、生成式模型等前沿领域开展深入研究。该计划将为入选的高校研究团队提供可观的研究经费支持,其中一般项目年度预算最高60万元,重点项目年度预算可达200万元。

本次研究计划共设立13个重点研究方向,涵盖了AI领域多个具有重要理论价值和实践意义的课题。其中,”长期记忆体系构建与个性化交互研究”旨在通过整合语义记忆、情景记忆和程序性记忆等多种记忆机制,提升AI助理的智能水平;”基于大语言模型的知识挖掘与符号化表达研究”则致力于深入挖掘用户数据中的有价值信息,构建统一的符号化表达体系。

值得关注的是,该计划还特别强调了AI安全与隐私保护议题。在”长期记忆的内生安全与隐私保护”研究方向中,将重点探索如何在模型训练、微调、预测和决策过程中保护敏感数据,确保AI系统在处理个人隐私、企业机密等信息时的安全性。

据悉,该研究计划采用开放申请制,高校团队可随时提交项目申请。申请书可参照国家自然科学基金的模板格式。项目执行期间表现优异的团队,有机会获得持续性支持。这一举措体现了天桥脑科学研究院在推动产学研深度融合、促进AI技术创新方面的长期承诺。

“我们希望通过这个研究基金计划,联合高校的创新力量,共同推进AI技术的突破。”天桥脑科学研究院相关负责人表示,“特别是在长期记忆、知识工程等关键领域,我们期待能够产出具有重要学术价值和实际应用前景的研究成果。”

此次研究计划的启动,不仅为高校科研团队提供了难得的产学研合作机会,也将为推动我国AI技术的创新发展注入新的动力。感兴趣的高校研究团队可通过ailtm@cheninstitute.org了解更多详细信息。

 

 

附录:详细课题列表如下

(1)长期记忆体系构建与个性化交互研究

为使AI助理能够准确理解和运用不同类型的知识,提供个性化且连贯的用户交互体验,本研究致力于构建全面的长期记忆体系。通过整合语义记忆、情景记忆和程序性记忆等多种记忆机制,提升AI助理对用户历史交互和知识背景的理解能力。

研究内容包括:

  1. 多类型数据和知识的统一表示与存储方法;

  2. 基于记忆体系的上下文理解、复杂任务理解与规划和个性化连贯对话等技术;

  3. 个性化用户模型的构建与动态更新机制;

  4. 文件深度解析技术;

  5. 用户属性、行为、情感状态、偏好与需求的感知技术;

  6. 用户思维习惯与推理能力感知;

  7. 用户画像的精细化与持续更新;

  8. 岗位职责与能力感知。通过本研究,期望显著提升AI助理的智能水平,为用户带来更加自然、高效的交互体验。

(2)基于大语言模型的知识挖掘与符号化表达研究

针对用户数据中蕴含的丰富知识,利用大语言模型的强大理解和生成能力,深入挖掘数据中的有价值信息。研究如何构建高效的知识挖掘方法,提取隐含在用户数据中的深层次知识。同时,探索统一的符号化表达方式,将多源、多样化的用户信息转化为一致的符号表示,以便于进一步的分析和应用。

研究内容包括:

  1. 基于大语言模型的用户数据知识表示与提取;

  2. 用户数据中深层次知识的挖掘方法;

  3. 统一符号化表达的构建与优化;

  4. 语义感知与内容理解;

  5. 知识的识别与抽取;

  6. 基于嵌入表达、知识图谱、符号逻辑的知识表示;

  7. 基于语义网络、概念层次结构等新型知识表示方法的探索;

  8. 基于多方法融合的知识表示;

  9. 兼容多种知识表达方法的记忆元构造;

  10. 记忆元的大规模高性能存储与管理。

(3)基于生成式人工智能的意图识别、思维习惯与决策逻辑深度挖掘研究

生成式人工智能具备强大的自然语言理解与生成能力,能够深入挖掘用户的意图、思维习惯和决策逻辑等深层次信息。通过分析用户数据与记忆,利用大语言模型捕捉用户的认知模式、行为特征和意图表达,为个性化推荐、人机交互优化、用户行为预测以及多代理任务指派等领域提供支持。

研究内容包括:

  1. 基于生成式人工智能的用户意图识别方法;

  2. 多代理任务指派与协作机制;

  3. 用户思维习惯和决策逻辑建模方法;

  4. 大语言模型在深层信息提取中的应用;

  5. 用户思维、意图与决策过程的符号化表达与理解;

  6. 个体意图识别;

  7. 群体意图识别;

  8. 任务复杂度评估;

  9. 复杂任务分解。

(4)生成式人工智能的长期记忆更新与遗忘机制研究

针对生成式人工智能模型在长期记忆管理中的挑战,研究如何实现模型对知识的动态更新与适当遗忘。通过探索模型的记忆更新策略和遗忘机制,解决模型在持续学习过程中面临的旧知识干扰、新知识整合困难等问题。旨在构建具备高效长期记忆能力的生成式模型,提升其在复杂环境中的适应性和稳定性。

研究内容包括:

  1. 生成式模型的长期记忆表示与存储方法;

  2. 模型知识的增量更新策略;

  3. 适应性遗忘机制的设计与实现;

  4. 长期记忆管理对模型性能的影响分析;

  5. 基于个体记忆元整合的记忆体构建;

  6. 基于群体记忆元整合的记忆体构建;

  7. 基于世界记忆元整合的记忆体构建;

  8. 新知识的发现与衍生;

  9. 高阶知识的凝练升华。

(5)长期记忆机制对生成式模型的能力提升研究

长期记忆机制对生成式人工智能的发展具有重要意义。通过构建有效的长期记忆模型,生成式人工智能可以更好地保留和利用历史信息,增强对复杂上下文和任务的理解,从而提升生成内容的质量和一致性。本研究旨在探索生成式模型中的长期记忆机制,研究长期记忆对模型性能的帮助与提升。

研究内容包括:

  1. 生成式模型长期记忆的表示、存储和查找方法;

  2. 基于长期记忆的上下文理解与生成优化;

  3. 长期记忆机制在多轮对话和长文本生成中的应用;

  4. 融合长期记忆的模型训练和更新策略;

  5. 长期记忆对生成式人工智能性能提升的评估与分析;

  6. 面向特定任务求解的记忆体调用。

(6)大语言模型在长期记忆识别与抽取中的应用研究

利用大语言模型对个人和组织数据进行加工处理,识别和抽取独特的长期记忆,有助于实现知识的有效管理和传承,提升组织学习能力和个人智能助理的效率。研究将聚焦于信息的真实性与可靠性评估、记忆片段的连贯性构建以及如何有效存储这些长期记忆等方面。

研究内容包括:

  1. 基于大语言模型的个人和组织数据预处理方法;

  2. 个人和组织长期记忆的识别机制研究;

  3. 大语言模型在长期记忆抽取中的算法设计与优化;

  4. 认知图谱构建与动态更新。

(7)长期记忆的符号表示与重构研究

针对当前人工智能系统缺乏人类般长期记忆能力的问题,研究如何在人工智能语境下实现长期记忆的符号化或知识化表示,并有效地还原和重构这些记忆。本研究旨在探索长期记忆的符号表示方法,设计兼具高效性和可靠性的存储与检索机制,促进人工智能系统在认知深度和学习能力上的提升。

研究内容包括:

  1. 长期记忆的符号化表示模型构建;

  2. 人工智能系统中长期记忆的存储策略;

  3. 基于知识表示的长期记忆还原与重构技术;

  4. 提升人工智能系统长期记忆能力的评估方法与优化策略。

(8)长期记忆在推理和规划中的作用机制研究

探讨长期记忆对于增强人工智能系统在逻辑推理、情境理解和复杂任务规划方面的能力的影响。通过积累和利用历史信息,模型能够更深刻地理解复杂任务的上下文,进行多步推理,制定更有效的规划策略。研究将涵盖长期记忆的整合方式、对即时决策的影响,以及如何通过优化记忆架构来促进AI系统的持续学习和适应能力。

研究内容包括:

  1. 长期记忆在推理过程中的建模与实现方法;

  2. 融合长期记忆的复杂规划算法设计;

  3. 长期记忆对多步推理与策略优化的影响分析;

  4. 动态环境下长期记忆的更新与管理机制;

  5. 长期记忆增强的推理与规划方法在实际应用中的验证与优化;

  6. 基于交互学习的系统进化,包括个体和群体用户行为反馈;

  7. 基于持续学习的系统进化;

  8. 基于演化计算的系统进化;

  9. 基于强化学习的系统进化;

  10. 面向特定任务求解的能力边界感知与理性决策。

(9)生成式人工智能的长期记忆应用探索

探讨生成式人工智能的长期记忆机制及其在各行业和场景中的实际应用。通过构建和优化具备长期记忆能力的生成模型,使其能够更有效地存储和检索信息,从而提升在复杂任务中的应用表现。

研究内容包括:

  1. 实现高效的垂直行业或场景的长期记忆结构,支持大规模信息的持久存储和动态更新;

  2. 探索长期记忆在个性化服务中的应用,如智能客服、个性化推荐等,提高用户交互体验;

  3. 研究长期记忆在专业领域的应用,如医疗诊断、金融分析等,增强模型的决策支持能力;

  4. 评估长期记忆机制对生成内容质量和一致性的影响,优化生成效果,推动生成式人工智能在实际应用中的广泛落地与创新;

  5. 检索问答、Smart Reply和内容生成的基础能力研究;

  6. 推荐系统的研究;

  7. 纯粹理性自动商业决策的探索。

(10)生成式模型的领域知识工程研究

近年来,生成式人工智能模型在诸多领域展现出强大的能力。然而,通用模型在特定领域或任务上的表现仍有提升空间。本研究方向聚焦于领域知识工程与生成式模型的深度融合,探索如何将领域知识有效融入模型的建模、学习、进化和人机协同过程中,提升模型在特定领域任务上的表现。

研究内容包括:

  1. 面向领域和任务的知识表示和获取方法;

  2. 基于领域知识的生成式模型优化建模方法;

  3. 领域知识引导的生成式模型学习和进化方法;

  4. 基于领域知识的人机协同生成式模型构建与应用。

(11)面向决策支持的长期记忆管理和调用

在人工智能决策辅助系统中,引入长期记忆机制有助于模型积累和利用历史信息,提升决策的准确性和可靠性。通过融合长期记忆,人工智能系统能够更深入地理解上下文、识别潜在模式、预测未来趋势,从而提供更智能的决策支持。

研究内容包括:

  1. 决策辅助系统中长期记忆的建模与实现方法;

  2. 长期记忆对复杂决策过程的影响分析;

  3. 基于长期记忆的决策算法优化与提升;

  4. 长期记忆在动态环境下的决策支持应用;

  5. 不同领域中长期记忆机制的适用性与优化策略研究;

  6. 面向特定任务求解的记忆体调用;

  7. 求解方案的动态评估与优选;

  8. 求解方案的持续反馈优化。

(12)认知数字孪生的构建与应用研究

为了提升 AI 助理对用户和环境的深度认知能力,本研究将致力于构建认知的数字孪生模型。通过对个体、群体和世界的认知感知,构建多层次的认知图谱,提升 AI 助理的推理能力和对复杂情境的理解。

研究内容包括:

  1. 个体认知感知与认知图谱构建;

  2. 群体认知感知与认知图谱构建;

  3. 世界认知感知与认知图谱构建;

  4. 认知孪生在 AI 系统中的应用。

(13)长期记忆的内生安全与隐私保护

在模型训练、微调、预测和决策过程中,需要大量的数据存储和交互(例如,可能包含公司财务投资决策等机密信息、体检报告等敏感的个人信息、CT影像等多模态医疗信息)。保护数据在存储时、使用中和传输过程的安全和隐私保护,不能仅从割裂的各个维度制定缓解措施(如:训练集的数据脱敏),可能要从大模型和长期记忆的总体框架,以数据的生命周期视角,识别关键风险,探索系统性的安全和保护机制。

研究内容包括:

  1. 以长期记忆的模型、算法、存储为研究对象,系统化的定性(定量)描述安全风险,研究安全机制;

  2. 在多模态数据前提下,研究不同数据安全和隐私保护机制对于长期记忆准确性和召回成功率的影响与提升方案;

  3.  对于潜在高风险应用场景(例如基于财务报表制定投资策略,基于体检报告提供健康建议),研究长期记忆内容的防篡改、模型的透明性和可解释性。

关于天桥脑科学研究院

天桥脑科学研究院(Tianqiao and Chrissy Chen Institute)是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一,围绕全球化、跨学科和青年科学家三大重点,支持脑科学研究,造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室;与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统,项目遍布欧美、亚洲和大洋洲,包括学术会议和交流夏校培训AI驱动科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。

J Clin Invest:物理调控促进恐惧消退的神经环路机制,上海精卫、天桥脑科学研究院袁逖飞教授合作新成果

 

Lin, Ze-Jie et al. “Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model.” The Journal of clinical investigation, e181095. 24 Sep. 2024, doi:10.1172/JCI181095

 

创伤后应激障碍(Post-traumatic stress disorder, PTSD)由突发的、威胁性或灾难性事件导致个体延迟出现令人痛苦且持久的精神障碍。据统计,全球约70%的人一生都曾经历过创伤事件,其中约4%的人将终生受困于PTSD的困扰。PTSD核心特征包括过度的恐惧反应,以及无法克服的、持续侵入的创伤记忆。

临床上基于恐惧消退的认知行为治疗(如暴露疗法)旨在减轻PTSD患者恐惧状态、增加对环境的适应能力。然而,相比于恐惧消退在正常人群中促进个体实现自适应状态的健康保障作用,恐惧消退在PTSD人群中表现出严重的障碍,即难以通过消退训练实现从高恐惧到低恐惧反应的转换,或习得的低恐惧反应无法有效维持、高恐惧反应不可控地复发等。

恐惧消退障碍通过增加对正常行为的回避或排斥进而加剧PTSD的核心症状,如情感障碍、社交回避和认知失控,最终发展为难治性PTSD。因此,破解PTSD恐惧消退障碍的神经机制和发展促进恐惧消退的干预新策略有望为治疗这类精神疾病提供全新的机会

针对上述临床治疗难题,上海交通大学医学院徐天乐教授团队,联合复旦大学脑科学转化研究院李伟广研究员以及上海市精神卫生中心、天桥脑科学研究院(Tianqiao and  Chrissy Chen Institute, TCCl)研究员袁逖飞教授等,于近日在国际医学研究期刊Journal of Clinical Investigation在线发表了题为Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model 的研究论文,揭示了物理调控促进PTSD恐惧消退治疗的神经环路新机制

该研究首先鉴定了一条前所未知的神经环路:外侧内嗅皮层(LEC)→ 腹侧海马CA1(vCA1),并发现了该环路在恐惧消退中的关键作用。研究还发现,恐惧消退启动LEC → vCA1跨脑区协调低频伽马(low-γ)振荡同步化这一内源性电生理标志物,进一步利用临床可及的深脑电刺激(deep brain stimulation, DBS)和非侵入性经颅交流电刺激(transcranial alternating current stimulation, tACS)等手段靶向LEC → vCA1神经环路,在小鼠模型上实现了显著的恐惧消退增效,为PTSD等恐惧消退障碍的精准治疗提供了全新的理论基础和临床前研究证据。

在最新的研究中,利用多脑区在体电生理记录发现,恐惧消退训练特异地招募了LEC → vCA1间的low-γ振荡同步性。他们进一步运用c-Fos染色结合光纤记录探究恐惧消退过程中vCA1不同中间神经元的活性变化,发现vCA1 PV+神经元在消退后期活性显著上升,并介导了消退依赖的LEC → vCA1间的 low-γ振荡同步电生理活动。作者接着借助逆向跨单突触示踪、交叉遗传学(intersectional genetics)、电生理等技术,发现vCA1 PV+神经元接收大量来自LEC 2a层的直接突触输入,在LEC以Sim1+扇形细胞为主,后者与vCA1 PV+神经元形成兴奋性单突触。光和化学遗传学操作揭示,这条神经投射的激活和抑制可双向调控恐惧消退记忆,并同时伴随LEC-vCA1 low-γ振荡同步性的增强和减弱。因此,LEC扇形细胞与vCA1 PV+神经元之间的神经连接通过协调low-γ同步化,调控恐惧消退

为了指导临床转化,研究人员建立了DBS小鼠模型,发现给予vCA1脑区以low-γ DBS可显著激活vCA1 PV+神经元,促进恐惧消退,且在DBS关闭一天后的消退提取阶段仍然显著。机制上发现,low-γ vCA1-DBS通过持续增强PV+神经元活性,增加LEC-vCA1间的前馈抑制,进而有效抑制vCA1的恐惧记忆印迹细胞,实现恐惧消退增效。研究人员还在小鼠上开发了靶向LEC的tACS技术,同样可提升恐惧消退。此外,研究人员应用LEC-tACS对表现出明显消退受损的PTSD小鼠模型进行干预,显示出长效促进消退和削弱恐惧的效果。因此,靶向LEC → vCA1环路的无创神经调控也可实现恐惧消退增效,为PTSD的临床治疗带来新希望

Lin, Ze-Jie et al. “Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model.” The Journal of clinical investigation, e181095. 24 Sep. 2024, doi:10.1172/JCI181095

创伤后应激障碍(Post-traumatic stress disorder, PTSD)由突发的、威胁性或灾难性事件导致个体延迟出现令人痛苦且持久的精神障碍。据统计,全球约70%的人一生都曾经历过创伤事件,其中约4%的人将终生受困于PTSD的困扰。PTSD核心特征包括过度的恐惧反应,以及无法克服的、持续侵入的创伤记忆。

临床上基于恐惧消退的认知行为治疗(如暴露疗法)旨在减轻PTSD患者恐惧状态、增加对环境的适应能力。然而,相比于恐惧消退在正常人群中促进个体实现自适应状态的健康保障作用,恐惧消退在PTSD人群中表现出严重的障碍,即难以通过消退训练实现从高恐惧到低恐惧反应的转换,或习得的低恐惧反应无法有效维持、高恐惧反应不可控地复发等。

恐惧消退障碍通过增加对正常行为的回避或排斥进而加剧PTSD的核心症状,如情感障碍、社交回避和认知失控,最终发展为难治性PTSD。因此,破解PTSD恐惧消退障碍的神经机制和发展促进恐惧消退的干预新策略有望为治疗这类精神疾病提供全新的机会

针对上述临床治疗难题,上海交通大学医学院徐天乐教授团队,联合复旦大学脑科学转化研究院李伟广研究员以及上海市精神卫生中心、天桥脑科学研究院(Tianqiao and  Chrissy Chen Institute, TCCl)研究员袁逖飞教授等,于近日在国际医学研究期刊Journal of Clinical Investigation在线发表了题为Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model 的研究论文,揭示了物理调控促进PTSD恐惧消退治疗的神经环路新机制

该研究首先鉴定了一条前所未知的神经环路:外侧内嗅皮层(LEC)→ 腹侧海马CA1(vCA1),并发现了该环路在恐惧消退中的关键作用。研究还发现,恐惧消退启动LEC → vCA1跨脑区协调低频伽马(low-γ)振荡同步化这一内源性电生理标志物,进一步利用临床可及的深脑电刺激(deep brain stimulation, DBS)和非侵入性经颅交流电刺激(transcranial alternating current stimulation, tACS)等手段靶向LEC → vCA1神经环路,在小鼠模型上实现了显著的恐惧消退增效,为PTSD等恐惧消退障碍的精准治疗提供了全新的理论基础和临床前研究证据。

在最新的研究中,利用多脑区在体电生理记录发现,恐惧消退训练特异地招募了LEC → vCA1间的low-γ振荡同步性。他们进一步运用c-Fos染色结合光纤记录探究恐惧消退过程中vCA1不同中间神经元的活性变化,发现vCA1 PV+神经元在消退后期活性显著上升,并介导了消退依赖的LEC → vCA1间的 low-γ振荡同步电生理活动。作者接着借助逆向跨单突触示踪、交叉遗传学(intersectional genetics)、电生理等技术,发现vCA1 PV+神经元接收大量来自LEC 2a层的直接突触输入,在LEC以Sim1+扇形细胞为主,后者与vCA1 PV+神经元形成兴奋性单突触。光和化学遗传学操作揭示,这条神经投射的激活和抑制可双向调控恐惧消退记忆,并同时伴随LEC-vCA1 low-γ振荡同步性的增强和减弱。因此,LEC扇形细胞与vCA1 PV+神经元之间的神经连接通过协调low-γ同步化,调控恐惧消退

为了指导临床转化,研究人员建立了DBS小鼠模型,发现给予vCA1脑区以low-γ DBS可显著激活vCA1 PV+神经元,促进恐惧消退,且在DBS关闭一天后的消退提取阶段仍然显著。机制上发现,low-γ vCA1-DBS通过持续增强PV+神经元活性,增加LEC-vCA1间的前馈抑制,进而有效抑制vCA1的恐惧记忆印迹细胞,实现恐惧消退增效。研究人员还在小鼠上开发了靶向LEC的tACS技术,同样可提升恐惧消退。此外,研究人员应用LEC-tACS对表现出明显消退受损的PTSD小鼠模型进行干预,显示出长效促进消退和削弱恐惧的效果。因此,靶向LEC → vCA1环路的无创神经调控也可实现恐惧消退增效,为PTSD的临床治疗带来新希望

 

图1. 消退记忆的神经环路振荡特征及其靶向神经调控策略