【派大星寶寶的回答(50票)】:

原來的專欄寫了這個問題

http://zhuanlan.zhihu.com/p/20726556?refer=VisNeuro

直接貼在這個問題下面。

經(jīng)?？吹街跎嫌懻?a title="查看 人工智能 中的全部文章" href="http://www./ren-gong-zhi-neng/" target="_blank">人工智能和認知神經(jīng)科學，沒辦法，這是兩個社會層面和科研層面非?；馃岬脑掝}。首先要說，這篇東西并不是給某個雜志或者公眾號類似于科普性質(zhì)的介紹，而是很實際的回答一些入門者的困惑，所以不會扯一些描繪未來偉大藍圖的大道理。這篇東西主要針對本人看到和收到的日益增多的問題，如果我未來想從事人工智能相關(guān)的職業(yè)，需不需要本科/碩士/博士以neuroscience（甚至是心理學。。）為專業(yè)或者是申請neuroscience的本科/博士項目？？

首先直接拋主要觀點，如果你現(xiàn)在明確了未來職業(yè)發(fā)展是在人工智能方向（大學教授/大公司算法研究員，機器學習工程師），不需要在本科/碩士/博士以neuroscience（甚至是心理學。。）為專業(yè)，在可能的條件下，優(yōu)先選擇 CS/EE/Applied Math等方向。

我喜歡把neuroscience劃分為兩個大類 - 分子神經(jīng)科學和認知神經(jīng)科學 (注意這只是一個簡單劃分，其中當然有交叉，而且大概給了個名字, 請各位不要摳字眼)。

分子神經(jīng)科學傳統(tǒng)上就代表了神經(jīng)科學，到目前為止也是整個神經(jīng)科學最大的一部分。對于分子神經(jīng)科學來說，和人工智能幾乎沒有關(guān)系。這部分的研究更看重微觀層面，常常問的問題是，這個蛋白有什么功能？這個突觸有什么變化?這種情況下神經(jīng)電信號是怎么傳導的？對于這一大類問題，其研究思維和研究方法，和傳統(tǒng)的生命科學更為接近，也叫神經(jīng)生物學，身邊的朋友在此行當?shù)牟簧伲ㄒ彩墙?jīng)常在網(wǎng)上被黑成生物狗的那部分人。。）。這類研究非常重要，對一些神經(jīng)性疾?。ū热缜岸螘r間大火的漸凍人）有很突出的貢獻，但是真的和人工智能幾乎沒有關(guān)系。舉一個例子就很容易理解，著名學者饒毅，他的研究就是一些行為的分子機制，在各大頂級科學期刊上發(fā)表了無數(shù)優(yōu)秀的研究，可是這些研究哪一條真的和目前機器學習算法能聯(lián)系起來？？術(shù)業(yè)有專攻，這個領(lǐng)域目前來說就是和人工智能很遠。

好了，我想更多人的問題是，那么神經(jīng)科學的另外一半 - 認知神經(jīng)科學到底和人工智能有什么關(guān)系?

這無非是兩個點，認識神經(jīng)科學對人工智能的影響以及反過來人工智能領(lǐng)域?qū)φJ知神經(jīng)科學的影響。先說前者，后者是個更有意思的話題。

對前者的主要觀點，認知神經(jīng)科學確實對人工智能有幫助，但是這種幫助截止目前來看非常有限。

每天我的手機上都在推送各種媒體公眾號的評論文章，強調(diào)未來腦科學和機器學習算法的高度交融，未來我們會生活在一個智能的時代，blablabla。。。這些原則上都沒有錯，未來確實是這個趨勢。可是，對入門者選擇方向給建議和探討學科前沿的發(fā)展趨勢，出發(fā)點是完全不一樣的。這些高屋建瓴的科普并不能給入門者提供一些實際可操作的建議，入門者選擇方向是面向基礎，問題是哪個方向更能幫你進入這個領(lǐng)域的核心。

在機器學習算法當中，確實反映了一些認知神經(jīng)科學的知識，比如深度學習里面的卷積神經(jīng)網(wǎng)絡,其中卷積這一步就是完全模擬的是人類視皮層的加工方式。可是，除了這一條，各位還能舉出多少條類似的應用？哪怕是卷積，這也是三四十年前的神經(jīng)科學知識，而且這個想法Lecun 80年代就有了?？梢哉f，目前機器學習算法中應用到的神經(jīng)科學知識，可能還不到整個神經(jīng)科學知識的1%。所以你說神經(jīng)科學對這些算法發(fā)展到底有多大的作用？

退一步來看，神經(jīng)網(wǎng)絡在最近幾年的長足發(fā)展，和認知神經(jīng)科學的發(fā)展幾乎一點關(guān)系都沒有。機器學習發(fā)展主要來自于數(shù)據(jù)量的增多和目前運算速度的加快。計算機本身是個偏應用的學科，一個算法吹的再好聽，和人腦再相似，你的performance不如別的算法，那就是扯談。這也是為什么神經(jīng)網(wǎng)絡進入上世紀90年代之后完全衰落的原因，因為說起來是模擬人腦，實際上不work。神經(jīng)網(wǎng)絡最近火起來，又正是因為performance開始大大超越別的算法了。所以整個邏輯鋝下來，和認知神經(jīng)科學有半毛錢關(guān)系么？所以你要問我，認知神經(jīng)科學對目前人工智能算法有幫助么？有幫助。有多大幫助呢？Who knows。未來會有大融合么？這是一個趨勢，趨勢，趨勢。。。

回到本文的初衷，主要是給入門者選專業(yè)的建議，求學的過程很重要，一門學科的思維方式和學術(shù)訓練決定了你未來的研究思維，尤其是本科/博士兩個階段。既然已經(jīng)明確未來從事人工智能方向，而人的精力又是有限的，為什么不直接去面對這個領(lǐng)域，直接解決這個領(lǐng)域的問題，而去旁敲側(cè)擊的學習neuroscience呢？另外一個現(xiàn)實層面的考慮，學校博士項目的設置其實遠遠落后于最新技術(shù)的發(fā)展。目前很多大學的neuroscience program都還是非常陳舊的神經(jīng)生物學那一套，如果你真的進入這樣的program或者跟了一個完全分子生物學背景的老板，可以說和人工智能研究基本絕緣了。學習交叉學科現(xiàn)實上就是很困難的。另外，深度學習等等本質(zhì)是個工程問題，神經(jīng)科學本質(zhì)是研究科學問題。博士期間好好發(fā)文章在一些計算機頂級會議，比如CVPR，ICCV等，對你在人工智能領(lǐng)域的發(fā)展遠比發(fā)表一些神經(jīng)科學期刊更有幫助。

另外有幾個點值得注意

第一，目前人工智能領(lǐng)域的幾個大牛，比如FeiFe Li, Yann Lecun, Geff Hinton等，確實都有一定認知心理學和neuroscience的背景。Deep mind的創(chuàng)始人，Demis Hassabis博士期間也是認知神經(jīng)科學家。但是Hinton和Hassabis都是計算神經(jīng)科學（computational neuroscience）出身（這個以后再講。。），只是廣大神經(jīng)科學領(lǐng)域當中很小的一部分。而且，成功人士的光環(huán)總會帶來一些誤導，認為做人工智能就必須要學neuroscience，顯然是不對的（馬云是學英語的，所以我們想當首富就要去學英語？？？）。再退一步說，我們有多少人能成為他們這樣的頂級大牛？大部分人未來就是在某個技術(shù)公司做個engineer或者創(chuàng)業(yè)實現(xiàn)一些具體算法而已。

第二，對neuroscience感興趣是好事，我說的這些也只是針對入門者方向選擇這個問題，因為學生總是要選擇一條主要方向的，要是double major或者輔修，那就當我沒說。從邏輯上看，我只是討論認知神經(jīng)科學和人工智能互相的作用，并沒有否定認知神經(jīng)科學和人工智能各自本身發(fā)展的重大的意義（所以不要說我是某某黑）。

還剩一點，反過來, 目前機器學習等領(lǐng)域的突破，能給認知神經(jīng)科學的發(fā)展帶來哪些幫助呢？如果特別想學交叉學科應該怎么辦呢？

有空以后再寫。。。。

【招俊鵬的回答(4票)】:

人工智能還是挺大的。心理學想要在基礎算法方面有所建樹不容易，在這里總結(jié)一下在人機交互（HCI）領(lǐng)域，人工智能和心理學相關(guān)的幾個方向吧。

第一，如何通過機器學習和自然語言處理挖掘與人的心理，認知有關(guān)的信息，從而自動進行決策活動。

• 認知計算（cognitive computing）通過機器學習，自然語言處理來自動模擬人的認知過程。IBM的Watson就是這樣一個大的認知計算系統(tǒng)。比如通過對文本的分析尋找對問題的答案（jeopardy），從醫(yī)療文本里面挖掘診斷方法等等。這方面可以用到很多認知心理學方面的理論。
• 社會計算（social computing）和認知計算類似，但是更偏向和人心理，行為有關(guān)的方面。比如如何從社交媒體數(shù)據(jù)里挖掘人的性格（IBM之前有也很多這方面的研究）。這方面工作我認為跟心理學關(guān)聯(lián)還是很大的，但如果缺乏對心理學本身理論的了解很容易陷入機械的算法游戲，但很可惜現(xiàn)在看來真正了解心理學和算法的人還不是很多。

• 人與機器人交互（human robot interaction）機器人如何與人一起工作？如何設計機器人能夠讓人感到更自然？這方面需要社會心理學，認知心理學的共同作用。

• 人工智能有關(guān)的人機交互（human computer interaction）人如何和人工智能系統(tǒng)交互？例如，智能家電（Nest）如何設計能夠在讓人感到舒適的情況下同時鼓勵人們節(jié)省能源？這就同時涉及了說服理論（persuasion），行為改變（behavioral change）等方面的心理學理論。
• 眾包（crowdsourcing）眾包的研究我認為是將人和人工智能相結(jié)合的很好的例子。例如先通過眾包的方式，讓人去標記圖像的內(nèi)容。之后再通過標記的數(shù)據(jù)集，可以用機器學習的方法得到圖像識別的算法。讓人做人擅長的事情，機器做機器擅長的事情。在這方面的研究里，也有很多有關(guān)如何激勵（motivate），獎賞（reward）眾包參與者的研究，和心理學也是息息相關(guān)的。

【CeciliaNi的回答(10票)】:

無論你是想在業(yè)界找份好工作還是在學術(shù)界，都不要選neuroscience或者心理學。因為其實更重要的是數(shù)學和計算機。因為魚與熊掌不可兼得，不要拿了芝麻丟了西瓜。

【GloGlo的回答(20票)】:

謝邀，無益。

答主在 McGovern Institute for Brain Research at MIT 做Neuroscience相關(guān)研究已經(jīng)半年了，并且工作中大量用到Machine Learning，之后會轉(zhuǎn)去做AI。幾點要說明的是：

1. Neuroscience本質(zhì)上還是一個實驗科學，所以在做研究的過程中就算是做數(shù)據(jù)處理那一部分，也會涉及到很多的實驗設計，大量的生物學背景知識，甚至親手操作濕實驗，所以這種經(jīng)歷對包括AI在內(nèi)的其它工作貢獻微乎其微。

2. AI是一個非常廣的概念，涉及很多方向和知識，但要想在這個領(lǐng)域具有競爭力，最需要的依然是math和statistics。

3. Neuroscience對AI的幫助是在于Neuroscience的發(fā)展會對AI的發(fā)展有促進，而不是個人學習研究Neuroscience所得會對AI的實踐和研究有所幫助。舉個例子：Computational Perception & Cognition 這個組里倡導二者互相促進，所以有兩個Track：一批Neuroscientist和一批做Neural Deep Learning。雖然說是緊密結(jié)合，但其實大部分組會都是分開進行的，辦公室也都是獨立的。

所以若有志于AI，切莫誤把Neuroscientists拉Funding的說辭當作個人發(fā)展的指引了。

【HenryWang的回答(4票)】:

取決于您想從事什么職業(yè)了。

如果去業(yè)界，應該學cs，心理學和神經(jīng)科學可以當做興趣自學；

如果當小教授混碗飯吃，應該學cs或數(shù)學（本科）/運籌學（碩、博），心理學和神經(jīng)科學仍然可以當興趣自學；

如果立志留學美帝常春藤，能像hinton當年那樣沉潛下來幾十年任勞任怨深研dl那樣做基礎研究，忍得住漫長的孤獨、擔得住暫時的清貧，以搞出諾貝爾獎級成果為人生目標，那么應該學習神經(jīng)科學或認知心理學，因為這就是人類科學取得重大突破的下一個未來！

【IvyWang的回答(4票)】:

沒有?？紤]到phd的時間成本，可以說這樣就算是告別AI了。一定要學CS/EE/math相關(guān)專業(yè)。

原文地址:知乎