首页 > 科研队伍 > 年轻骨干

曾 毅

曾毅,1982年6月生,博士,研究员。现任中国科学院自动化研究所类脑智能研究中心副主任,中英人工智能伦理与治理研究中心主任。2012年到中国科学院自动化研究所工作,任助理研究员、副研究员、研究员。现任科技部国家新一代人工智能治理专业委员会委员、联合国教科文组织(UNESCO)人工智能伦理特别专家组专家、世界卫生组织(WHO)健康领域人工智能伦理与治理专家组专家。

    主要研究方向及内容

    1.多尺度、多脑区协同的类脑认知计算模型 

    人工智能的研究在不同尺度都能够从脑与神经科学得到启发。我们试图根据脑神经系统的工作机制,构建多尺度认知脑计算模型(包括不同类型的神经元、突触、神经微环路、皮质柱、脑区的计算模型)和多脑区协同类脑认知计算模型(包括类脑的多尺度前馈、反馈、模块化、协同计算模型等)。在此基础上研究如何借鉴不同尺度的神经系统计算模型,提出全新的或改进现有的神经网络计算模型和智能系统。

    2.基于多尺度神经系统可塑性的类脑自主学习与演化机制 

    人类的学习能力是经过数亿年的演化及与环境不断交互获得的。在学习机制方面,人工智能系统与人脑还存在较大差异。我们试图借鉴人脑自主学习的多尺度类脑神经系统可塑性理论与计算机制(如在空间尺度的神经元、微环路、脑区之间的可塑性,以及时间尺度的学习、发育、演化可塑性)并应用于下一代类脑神经网络模型与人工智能系统,从而提升智能系统的自主学习与演化能力。我们基于类脑自主学习系统与环境的交互,以机器人、无人机等为载体,实现类脑智能体的自主学习与智能演化。

    3.面向通用智能的类脑神经网络计算模型 

    目前的人工智能系统仅在某项认知能力上达到或超过人类水平,但几乎不能应用于其它认知问题的求解,而人脑确具有采用同一个系统解决不同类型问题的能力。我们希望通过借鉴人脑的多尺度神经网络结构、人脑信息处理与问题求解的机制,研制基于类脑神经网络的,具有不同认知功能,能够完成不同类型认知任务(如感知、学习与记忆、知识表示与推理、决策与判断,具有意识、情感与认知共情等)的通用智能系统。

    4. 脑与神经科学知识库 

    脑与神经科学研究已有超过200年的历史。而对于脑的认识与理解分布在数以百万计的科学文献与数据源中。我们的这项研究致力于通过自动数据与知识集成、语义分析等技术构建脑与神经科学知识库。该知识库包含了不同尺度下有关脑研究的事实与知识,并将为脑与神经科学研究、脑健康、人工智能研究提供领域知识服务支撑。目前研究的主要成果以链接脑数据中心的在线服务提供给相关科研人员(http://www.linked-brain-data.org/)。

    代表性论文

    Liang, Q., Zeng, Y., Xu, B. Temporal-Sequential Learning with a Brain-Inspired Spiking Neural Network and Its Application to Musical Memory. Frontiers in Computational Neuroscience, 2020. 

    Zhang, Q., Zeng, Y., Yang, T.Y. Computational Investigation of Contributions from Different Subtypes of Interneurons in Prefrontal Cortex for Information Maintenance. Scientific Reports, 10: 4671, 2020. 

    Feifei Zhao, Qingqun Kong, Yi Zeng, Bo Xu. A Brain-inspired Visual Fear Responses Model for UAV Emergent Obstacle Dodging. IEEE Transactions on Cognitive and Developmental Systems, 12(1): 124-132, 2020 

    Zhao, F.F., Zeng, Y., Xu, B. A Brain-inspired Decision-Making Spiking Neural Network and Its Application in Unmanned Aerial Vehicle. Frontiers in Neurorobotics, 2018.  

    Zeng, Y., Zhao, Y.X., Bai, J., Xu, B. (2018) Towards Robot Self-consciousness (II): Brain-inspired Robot Bodily Self Model for Self-Recognition. Cognitive Computation, 10(2): 307-320, Springer, 2018. 

    Zeng, Y., Wang, G.X., Xu, B. (2018) A Basal Ganglia Network Centric Reinforcement Learning Model and Its Application in Unmanned Aerial Vehicle. IEEE Transactions on Cognitive and Developmental Systems, 10(2): 290-303, 2018. 

    Zhao, F.F., Zeng, Y., Wang, G.X., Bai, J., Xu, B. (2018) A Brain-inspired Decision Making Model based on Top-down Biasing of Prefrontal Cortex to Basal Ganglia and Its Application in Autonomous UAV Explorations. Cognitive Computation, 10(2): 296-306, Springer, 2018. 

    Kong, Q.Q., Han, J.Q., Zeng, Y., Xu, B. (2018) Efficient Coding Matters in the Organization of the Early Visual System. Neural Networks, 105: 218-226, Elsevier, 2018. 

    Zeng, Y., Zhang, T.L., Xu, B. (2017) Improving Multi-layer Spiking Neural Networks by Incorporating Brain-inspired Rules. SCIENCE CHINA Information Sciences, 60(5): 052201, 2017. 

     Liu, X., Zeng, Y., Xu, B. (2016) Parallel Brain Simulator: A Multi-scale and Parallel Brain-inspired Neural Network Modeling and Simulation Platform. Cognitive Computation, Volume 8, Issue 5, 967-981, Springer, 2016.

    实验室网址:http://bii.ia.ac.cn/~yizeng 

    E-mail: yi.zeng@ia.ac.cn

    电话:010-82544634