本科是計算機專業，碩士是認知神經科學方向，未來出國讀博容易申請人工智慧、深度學習或類腦計算的方向嗎？

本科是計算機專業，想從事人工智慧方面的研究，尤其是腦啟發和類腦計算方面，所以碩士雖然專業還是計算機，但是導師研究的主要是認知神經科學方向。但是碩士讀了一段時間發現都是用fMRI處理腦信號看腦區激活，或者研究視聽任務態下大腦功能連接之類的。似乎跟人工智慧或者類腦計算沒有太大關係。未來想出國讀博，我碩士的論文能幫助我能申到深度學習或者類腦計算方向的博士嗎？還有人說計算神經科學也是一個讀博很不錯的方向，但是我目前接觸的是認知神經科學，二者主要區別在哪呢？ 計算神經科學和人工智慧的關係如何呢？

我是計算神經科學方向的碩士。

先回答你第一個問題。認知神經科學主要做一些比較宏觀的東西，和心理學關係比較密切，這和深度學習關係不是很大。深度學習本質上是工程上的演算法，只是用到了一些心理學或者神經科學皮毛的概念，因此和後者關係不是很大。此外，類腦計算這個概念不知道是國內什麼地方先提出來的，國外很少看到有這種概念，因此我覺得這個概念太模糊，有種混淆視聽的感覺，讓人很費解到底是在搞人工智慧（偏工程），還是在搞計算神經科學（偏自然科學）。

計算神經科學做的東西比較微觀，比如對神經細胞，突觸的生物過程進行建模，或者對神經微電路進行建模，用數學方法去分析這個微電路的行為等等。從目前我做的研究經歷，可以看到這門學科至少有以下四點意義：1.為神經生物學的現象提供定量分析與解釋，這一點的思想和物理、化學等定量科學很類似； 2.通過計算機模擬預測實驗現象，甚至指導神經生物學實驗的設計和方向；3. 對神經生物學實驗技術的發展起支持和輔助作用；4. 從神經生物學中獲得靈感，指導強人工智慧系統的設計。

計算神經科學裡面有兩個分支，一個theoretical neuroscience，另一個是simulation neuroscience。對於前者，對連續性數學和電磁學相關物理知識的掌握決定了在這個領域能不能做得好的下限，對生物的理解決定了這個領域的研究品位，即在這個領域能不能做得好的上限。通常來說， theoretical neuroscience對三者要求都比較高，用計算機的行話說，就是得自己造輪子。比如你要對一個生物過程進行建模，進行定量分析，並且列出方程求解。有的時候方程太複雜了，可能還要涉及到簡化方程，對解進行理論分析等等。做這方面研究至少需要熟練應用微積分、線性代數還有概率論及數理統計的數學知識。此外，微分方程的應用在計算神經科學裡無處不在，比較典型的應用是對神經細胞本體做精細的建模，探討神經元網路的穩定性等等；如果要對突觸遞質釋放的過程進行建模，可能還需要隨機過程等數學知識。在探討為什麼生物過程是這樣或那樣進行的時候，一個常見的研究範式是：我們假設這樣的過程滿足一個最優的條件，我們通過最優化某個條件，使得這樣的過程得以發生。這就需要最優化理論的支撐。除此之外，要深入理解神經微電路的行為，還需要有比較好的電磁學和信號分析的素養。比如計算神經科學在入門時，常常會學到如何將神經細胞等效成電路，用電路分析的方法去分析電信號在神經細胞中傳遞的過程。生物現象的雜訊是非常大的，為了讓你的理論更符合生命現象，你需要加入一些雜訊，這就需要一些隨機信號分析的知識。當你要對神經元動作電位發放頻率進行分析時，還需要信號與系統的知識。如果你想要進一步了解這些發放頻率背後的意義時，如探討神經編碼的問題，甚至還需要懂一些資訊理論。最後，你列出的方程需要用計算機進行模擬，還需要做數值計算，才能求出這些方程的解。應該這麼說，做theoretical neuroscience研究，能給你在應用數學方面有一個非常全面的訓練。當你深入某一個問題的時候，可能不需要這麼多的數學知識，但需要更加深入的數學技能。然而，光有數學這樣的硬技能並不夠，因為theoretical neuroscience畢竟不同於純數學，你對生物過程的理解將影響你建模的思路，對動力學系統的感覺會指導你對這個系統的定性分析，因此我覺得後兩者在theoretical neuroscience的研究中會更重要，因為它會使研究者更有洞察力以及形成更加準確的直覺判斷，這不是僅僅依靠數學就能夠做到的。

simulation neuroscience對數學物理生物的要求沒這麼高，只要用別人提出的方程進行建模，然後編寫計算機程序進行模擬即可。我覺得計算機出身的學生做計算神經科學裡的simulation neuroscience方向合適，因為這個方向更偏重編程一點，而且有很多地方計算機知識也能有用武之地。比如現在對大規模神經網路的模擬速度還是很慢，能不能用更好的演算法進行加速？並行計算如何設計？能將分散式技術引入大規模模擬么？有更加工程化的方法加速神經網路模擬軟體的開發效率么？能設計專用晶元進行模擬么？能否從動物的學習模式抽象出計算機演算法？解決這些問題恰恰是計算機專業的強項。

對於計算機科班出身的學生來講，我的感覺是轉計算神經科學的theoretical neuroscience方向難度會比較大，因為國內的計算機教育在連續性數學和物理相關課程方面投入太少了。計算機系的學生大多擅長處理離散數據的數學，如離散數學和演算法，但他們這些長處對於theoretical neuroscience來說用到的不是很多。而且，計算機系的學生在物理上訓練的欠缺會導致他們對生物神經網路這個動力學系統的感性認識不夠，這將直接影響到他們的洞察力，而這種感性認識的積累是需要通過學習和物理相關的課程，並親身體驗幾個項目後才能慢慢建立起來的。此外，國內計算機教育大多還是偏向工程（比如計算機系的四大專業課），對自然科學的素養熏陶地太少，這使得學生的思維更多地在思考how，而不是why。當然，如果你有決心和耐心想要彌補這些專業帶來的不足，這就另當別論了，科學總是對嚮往它的人敞開大門的。

最後還要強調的是，就像上面提到的，要想計算神經科學做得好，需要對生物的理解達到一定程度，因此最好在一個生物實驗做得比較好的實驗室里做計算神經科學的建模。或者是在一個專門做計算神經科學的實驗室，但是這個實驗室和實驗神經科學家有密切合作的。如果單純閉門造車地做計算神經科學，由於很難拿到實驗神經科學家的第一手實驗數據，這樣做出的結果也很難讓人信服。

再回答你第二個問題。人工智慧和計算神經科學是兩回事。你已經看到了計算神經科學的研究內容了，它更像是計算物理或者計算化學這種學科，而不是人工智慧這種由各式各樣的演算法組成的學科。當然你會說，動物的學習能力比現在的人工智慧強得多，如果人工智慧可以借鑒生物神經系統裡面的很多東西，比如可塑性等等，會不會讓人工智慧有很大突破？作為計算神經科學的從業者，我的信念是一定可以，但是需要極大的耐心才能慢慢做出來。我不知道計算機專業的學生是否有這樣耐心，畢竟學了機器學習去大公司拿高薪在他們眼裡可能更性感一些。所以，如果你的目的是學人工智慧，而且你沒那耐心真要在很長時間裡坐冷板凳，到頭來可能啥也沒研究出來，那麼我建議你還是去讀一個機器學習的博士來得更靠譜一些，就不用再捨近求遠去學計算神經科學了。

再說說大環境。計算神經科學博士的就業環境在國內是非常不樂觀的，幾乎沒有公司會去做純計算神經科學，因為做這個目前看來根本賺不到什麼錢。而且這個領域在學術界也很難找到非常好的職位，尤其是國內，做計算神經科學的專業研究人員用十個手指頭都能數得過來，可以說是一個很冷門的方向。國內主流學術界對這個東西的認可程度還遠遠不夠，只有少數比較好的院校允許這種交叉學科的存在。因此你要在國內找教職，除了加入一些神經生物學做得比較好，PI比較開明的實驗組，要想自己建實驗室是非常難的，論文的考核可能都會通不過。因為計算神經科學是一個非常新的領域，所以純的計算神經科學期刊影響因子是非常低的，只有一點幾吧。雖然說做研究發表論文不能單純看影響因子，但是你的上級不一定這樣認為，因為國內科研大環境還是數論文，影響因子，除非你牛到不行了，不然很難容忍你很長時間不出很好的成果，到時候可能連生存都困難。當然，我也看過國外有專業的計算神經科學組，在自然科學領域，有發表論文在CNS，也有Neuron，Nature Neuroscience，PLos Computational Biology這樣業內非常好的期刊；在工程領域，也有人把工作發表在NIPS這樣頂級的人工智慧會議，以及IEEE幾個比較好的Transactions上面。但是要達到這樣的水平，是非常難的，需要做得非常專業。

為什麼說大環境，我的目的不是在勸退，而是覺得不談現實只談情懷是不道德的。如果為什麼問我想做這個，我的理由很簡單，因為研究這個東西足夠性感。而且我是EECS出身，如果這一行做到真的窮不開鍋的地步，我還可以靠著老本行去賺錢哈哈，這比學物理或者數學的轉行做計算神經科學來說，風險小得很多。如果你真的對計算神經科學感興趣，決定以後真搞這方面的研究，那當然歡迎了，但有一點要記住，一定不要丟掉你原來所學的專業，而是用你所學的專業去推進這個領域，這樣才能不被別人所替代，不然你很容易就會在交叉學科的泥潭裡面迷路找不到北。

我也不知道自己算是做什麼方向的博士（笑），和神經科學，人工智慧，深度學習都沾邊吧。

但是碩士讀了一段時間發現都是用fMRI處理腦信號看腦區激活，或者研究視聽任務態下大腦功能連接之類的。似乎跟人工智慧或者類腦計算沒有太大關係。

這類東西我也做過，基本就算是機器學習方法在神經科學數據上面的應用。這類東西的首要目標不是推動機器學習，而是通過機器學習方法加深我們對大腦的理解。這裡，機器學習只是工具，不是目的。

未來想出國讀博，我碩士的論文能幫助我能申到深度學習或者類腦計算方向的博士嗎？

如果這裡的深度學習是指目前工業界火熱的深度學習，那我覺得認知神經科學的背景只能算是錦上添花；用神經科學幫助人工智慧的願景，我目前還看不到短期內實現的可能性。

我把這裡的類腦計算理解為用神經科學的知識來推動人工智慧；美國有一些政府支持的項目在做這方面的工作，比如 MICrONS。我個人認同目前最高票的答案 狗子：本科是計算機專業，碩士是認知神經科學方向，未來出國讀博容易申請人工智慧、深度學習或類腦計算的方向嗎？：難度極大。這個難度是多方面的：1）問題本身的難度；2）從業者個人素質；3）大環境上，軟硬體的支持。

祝好！

如果將來想成為真正的大師級人物，還是堅持把認知神經科學讀完吧。應該不會影響將來申請人工智慧方向的博士或者工作。認知神經科學應該有大量現成的數據，但是缺乏理論，用一些時間來思考這些數據並且make sense of them，比自己做出第一手數據其實更有意義。而且可以避免瞎子摸象式的修改現有模型。