記憶作為一種高級腦功能，一直是腦與認(rèn)知科學(xué)的重要研究范疇，為了帶大家深入了解記憶及其背后的機(jī)制，我們將以記憶研究領(lǐng)域的問題進(jìn)行追問，以多人聯(lián)動的方式，帶領(lǐng)大家了解記憶背后的原理以及目前的最新進(jìn)展。
上一期我們從學(xué)習(xí)記憶、本能記憶以及成癮的細(xì)胞分子機(jī)制角度出發(fā)，采訪了中科院生物物理所研究員李巖。在采訪過程中，李巖研究員對“腦功能的底層構(gòu)架策略是什么？”發(fā)起追問。本期我們特意邀請了香港浸會大學(xué)周昌松教授分享他的研究和觀點(diǎn)。按照慣例，周昌松教授也提出了自己最想知道答案的一個追問，我們將在文末公布該問題。
以下為具體文字內(nèi)容。
請您簡單介紹一下目前的研究領(lǐng)域，以及您選擇該領(lǐng)域的原因。
周昌松：我們團(tuán)隊(duì)目前研究主要集中在大腦復(fù)雜的連接結(jié)構(gòu)和它的動態(tài)模式的分析和建模，也就是從物理科學(xué)、系統(tǒng)科學(xué)和復(fù)雜性的視角對大腦進(jìn)行分析和建模，并探究這些復(fù)雜的結(jié)構(gòu)和動力學(xué)與一些認(rèn)知活動或者腦的一些疾病和障礙的關(guān)系。我們之所以選擇這個研究方向，一是基于我們的研究背景，像我自己的研究背景是物理和非線性復(fù)雜系統(tǒng)科學(xué)，從原理上來說，大腦是一個非常復(fù)雜的耦合非線性動態(tài)網(wǎng)絡(luò)系統(tǒng)，所以我們關(guān)注它的復(fù)雜的連接結(jié)構(gòu)，它的自發(fā)動力學(xué)的產(chǎn)生和涌現(xiàn)，以及這些復(fù)雜動力學(xué)模式可能在腦的功能中的作用。我個人覺得這是我們研究神經(jīng)系統(tǒng)和腦的組織和運(yùn)作原理的一個重要的視角和方向。
Q：您研究過程中使用的方法有哪些？可以解決什么問題？
周昌松：前面提到大腦本質(zhì)上是一個非常復(fù)雜的多時空尺度的多層次的非線性相互作用的系統(tǒng)。現(xiàn)在影像學(xué)的發(fā)展能在不同精度和尺度上對它的結(jié)構(gòu)和活動進(jìn)行更好的數(shù)據(jù)記錄。面對這些復(fù)雜數(shù)據(jù)，我們需要從統(tǒng)計(jì)物理學(xué)和復(fù)雜系統(tǒng)等視角進(jìn)行分析，因?yàn)樵诤芏鄨龊现?，這些復(fù)雜的腦活動被當(dāng)作一種隨機(jī)性或者噪聲來處理。
基于系統(tǒng)科學(xué)、物理科學(xué)的概念，這些復(fù)雜動力學(xué)可能是系統(tǒng)自組織涌現(xiàn)出來的一些活動，所以我們會用到一些方法，比如從復(fù)雜網(wǎng)絡(luò)的角度對它進(jìn)行分析和刻畫；從物理科學(xué)的耦合系統(tǒng)角度，使用特征模的概念和方法對它進(jìn)行分析；動力學(xué)上，對這個系統(tǒng)不同的層面進(jìn)行建模，基于非線性神經(jīng)網(wǎng)絡(luò)動力學(xué)對它進(jìn)行分析和建模；用統(tǒng)計(jì)物理（比如平均場）的方法來分析不同尺度的動力學(xué)之間這種涌現(xiàn)的一些組織特征，包括單個神經(jīng)元的無規(guī)則發(fā)放、集群上出現(xiàn)的振蕩和雪崩的臨界性等融合和統(tǒng)一的機(jī)理等等。這些都可以利用生物合理的神經(jīng)動力學(xué)模型和理論分析來揭示復(fù)雜數(shù)據(jù)下所蘊(yùn)含的運(yùn)作原理。
在我們建模和分析的過程中，我們也考慮到這個系統(tǒng)作為一個生物功能系統(tǒng)受到一些條件限制，比如能量的限制，結(jié)構(gòu)上布線距離最優(yōu)化的限制，甚至代謝廢物引起衰退的風(fēng)險(xiǎn)，以及它的動力學(xué)能支持一些復(fù)雜模式或者是支持計(jì)算所需要的優(yōu)化關(guān)系。這些方面跟具體功能系統(tǒng)的運(yùn)作似乎不是直接相關(guān)，在很多研究中不予考慮，但它卻是這樣一個非線性神經(jīng)網(wǎng)絡(luò)系統(tǒng)處理的基本機(jī)制，所以我們比較關(guān)注利用一些物理的、非線性科學(xué)的、復(fù)雜性科學(xué)的方法對這些問題進(jìn)行分析和建模。
我們感興趣解決的問題包括幾個方面。一個是剛才講到在約束下的多尺度動力學(xué)，在神經(jīng)科學(xué)研究里，不同研究領(lǐng)域一般會對發(fā)放率和振蕩等做獨(dú)立分析，而我們希望了解這些動力學(xué)底層共同的相互關(guān)系和運(yùn)作原理。這是建模方面的工作。
另外一方面，建模分析是想要了解這些復(fù)雜動力學(xué)（比如說個體之間差異表征）會不會跟認(rèn)知能力有關(guān)系，在我們處理活動的時候，腦的基本運(yùn)作狀態(tài)怎樣影響對外界信息的處理和響應(yīng)以及行為上的表征。再者，從理論上我們通過建模可以在高維系統(tǒng)里尋找一些重要的參數(shù)組合對動力學(xué)的影響，以及這些影響或者波動性在正常的人群中，或者是從正常到疾病的過渡過程中，哪些地方可能發(fā)生了一些比較敏感的重要變化。比如在腦網(wǎng)絡(luò)研究中常常被忽略的大量弱連接可能有很重要的動力學(xué)和功能作用。這些是我們采用這些研究方法，想要回答的一些問題。
Q：大腦是一個復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，對于我們每時每刻接收到的大量外界信息，它是如何高效處理的？
周昌松：這個問題我覺得是一個非常核心的問題，也是腦科學(xué)研究中真正的挑戰(zhàn)。以我目前對神經(jīng)科學(xué)的有限了解，神經(jīng)科學(xué)大部分處理方法是，當(dāng)外界信號傳入大腦時，通過測量不同腦區(qū)的腦響應(yīng)活動來理解這個過程。在這樣的研究里面，我們經(jīng)常把大腦自主產(chǎn)生的一些內(nèi)稟腦活動當(dāng)作某種背景的隨機(jī)過程來處理，我們在分析外界信號的時候，也是分析它在基準(zhǔn)上發(fā)生的一種變化。
從復(fù)雜性非線性科學(xué)的角度來說，大腦本身就以高能耗為代價(jià)組織出很多復(fù)雜的活動，這些腦活動與腦網(wǎng)絡(luò)結(jié)構(gòu)、生理和解剖之間的關(guān)系是怎樣的；更重要的是，它有怎樣的功能意義，它如何影響我們對外界信息的處理，我覺得這方面的認(rèn)識還剛處于初步階段，是目前系統(tǒng)神經(jīng)科學(xué)探索的前沿。我們現(xiàn)在越來越多地通過影像學(xué)觀察到靜息態(tài)的功能網(wǎng)絡(luò)結(jié)構(gòu)，以及在很多情況下，靜息態(tài)下的腦活動以一種時空傳播模式表現(xiàn)出某種大小不一臨界雪崩的關(guān)聯(lián)活動，都表明這些腦活動對于外界信號進(jìn)入大腦之后的處理是有很多影響的，但具體是如何影響的，這方面值得進(jìn)一步深入的研究。所以大腦如何進(jìn)行高效處理，還沒有一個非常清晰的回答。
但有一些初步的跡象，比如臨界性可能對于信息處理提供了一個非常好的基準(zhǔn)態(tài)，即當(dāng)外界信號來的時候，它可以做出非常敏感的響應(yīng)；這種動態(tài)模式具有很高的神經(jīng)表征的容量，有需要的時候可以在不同的狀態(tài)之間進(jìn)行非常有效的快速切換等等。我們最近的工作表明，神經(jīng)回路具有“少即是多（less is more）”的組織特征，用更少的發(fā)放和連接代價(jià)在興奮－抑制平衡的模塊化回路上實(shí)現(xiàn)這種響應(yīng)敏感、表征豐富的臨界動力學(xué)狀態(tài)。這些特征應(yīng)該是神經(jīng)系統(tǒng)中復(fù)雜動力學(xué)賦予該系統(tǒng)的高效節(jié)能處理的基本能力，但這種波動性很強(qiáng)的自發(fā)活動在具體的功能過程中是怎樣進(jìn)行控制和利用的，是實(shí)驗(yàn)神經(jīng)科學(xué)、理論神經(jīng)科學(xué)、計(jì)算神經(jīng)科學(xué)的一個前沿的方向。
Q：不同的認(rèn)知能力，如情景記憶、執(zhí)行功能和信息處理等，能否用神經(jīng)動力學(xué)模型預(yù)測？
周昌松：這是一個很好的問題，可能可以分成兩個層面來思考。一個就是我們的這些功能，比如認(rèn)知能力，它的底層神經(jīng)生物學(xué)基礎(chǔ)是什么。這個是目前智能研究里的前沿課題。以前關(guān)于認(rèn)知能力的研究，大部分是從行為學(xué)上考察不同認(rèn)知能力之間的關(guān)系，比如看到流體智力、晶體智力、記憶等等這些不同智力之間既有相對獨(dú)立的結(jié)構(gòu)也有關(guān)聯(lián)，但是對于支撐這些能力的底層腦網(wǎng)絡(luò)系統(tǒng)，我們還不清楚。現(xiàn)在網(wǎng)絡(luò)神經(jīng)科學(xué)的前沿研究之一就是，企圖通過不同腦區(qū)之間形成的一些網(wǎng)絡(luò)跟功能行為之間的關(guān)系來揭示這個問題。
第二個層面的問題就是模型能不能預(yù)測這些能力。如果對第一個層面問題的研究比較清晰，同時我們的模型，特別是大尺度腦網(wǎng)絡(luò)模型也能抓住支撐不同能力的這種多層次網(wǎng)路結(jié)構(gòu)和動力學(xué)，那么原則上，這個模型是可以去預(yù)測這些能力的。
Q：記憶是人類認(rèn)識自我的基石，您的團(tuán)隊(duì)近期在團(tuán)隊(duì)在《細(xì)胞報(bào)告》（Cell Reports）發(fā)文，解碼記憶過程中腦電波動與可塑性背后的秘密，可否跟我們分享一下這篇文章的研究見解？
周昌松：這篇研究是基于浙江大學(xué)馬歡老師團(tuán)隊(duì)前不久在《神經(jīng)元》（Neuron）上發(fā)表的文章，他們發(fā)現(xiàn)一種神經(jīng)元從興奮到抑制的突觸可塑性對于動物的學(xué)習(xí)和記憶來說非常重要，他們將一個與突觸可塑性相關(guān)的蛋白酶敲除后，發(fā)現(xiàn)這種可塑性消失了，小鼠的短期記憶沒有受影響，但是通過睡眠將短期記憶轉(zhuǎn)化為較長期記憶的過程受損了，行為上也受損了。而且他們在實(shí)驗(yàn)上也看到一些跟記憶和學(xué)習(xí)相關(guān)的波，比如γ波和θ波，都受損了。我們就是在這樣的一些腦活動和行為的實(shí)驗(yàn)基礎(chǔ)上，以及微觀可塑性變化的啟發(fā)下，想從建模的角度來理解從微觀的可塑性變化到回路的動力學(xué)到行為上的跨尺度研究。
我們的模型是一個兩層網(wǎng)絡(luò)，第一層是短期記憶的存儲，第二層是通過興奮—抑制突觸可塑性將短期記憶轉(zhuǎn)化為更長期記憶。第一層和第二層之間或者第二層內(nèi)部興奮到抑制的可塑性可以在模型上操作——沒有可塑性或者有可塑性。通過這個模型研究，我們重復(fù)了實(shí)驗(yàn)上看到的現(xiàn)象，在一個恰當(dāng)?shù)哪Ｐ蛥?shù)范圍里，有可塑性的網(wǎng)絡(luò)可以很好地進(jìn)行記憶的存取和恢復(fù)，如果可塑性被消除，記憶就受損了。該模型揭示，記憶之所以受損是因?yàn)闆]有興奮到抑制的可塑性的第二層網(wǎng)絡(luò)會過度興奮，過度興奮致使在前一層不同記憶的驅(qū)動下，第二層網(wǎng)絡(luò)不能產(chǎn)生不一樣的激發(fā)模式來記錄第一層的記憶。
如果是過度興奮，原則上可以通過使興奮和抑制恢復(fù)平衡，把記憶拯救回來。我們選用的方法是在第二層的抑制性神經(jīng)元上加一個刺激。在真實(shí)的網(wǎng)絡(luò)里面，我們看到γ波和θ波受到了損傷，是不是說刺激信號處于γ頻段或θ頻段對過興奮會有比較明顯的作用？我們發(fā)現(xiàn)，如果用θ波為間隔的方波去刺激抑制性神經(jīng)元，抑制性神經(jīng)元被激發(fā)，產(chǎn)生抑制，興奮性神經(jīng)元的活動就會減弱。但是，如果是θ波的話，頻率為8赫茲，間隔太長，這個抑制不夠強(qiáng)，網(wǎng)絡(luò)還是處于過度興奮狀態(tài)。如果在8赫茲的間隔中加上1~2個間隔為γ波的方波，也就是40赫茲的方波，這時候抑制會加強(qiáng)，可以達(dá)到一個比較好的興奮和抑制平衡和記憶拯救效果。一個有趣的反?，F(xiàn)象是，如果在中間再加一些方波最終就成了一系列方波，變成了完全的γ頻段，本來隨著更多的抑制性神經(jīng)元被激發(fā)，抑制應(yīng)該更強(qiáng)，但實(shí)際上反而出現(xiàn)了抑制后的反彈，興奮反倒加強(qiáng)了，記憶拯救效果又變差了。
我們發(fā)現(xiàn)θ和γ雙頻嵌套的刺激模式能最有效地把網(wǎng)絡(luò)恢復(fù)到比較平衡的狀態(tài)，可以對前一層的記憶進(jìn)行表征和學(xué)習(xí)。我們的這項(xiàng)工作，一方面可能揭示了為什么在真實(shí)的生物系統(tǒng)里，我們經(jīng)常在學(xué)習(xí)記憶的研究中看到θ和γ嵌套作用的現(xiàn)象，它可能對于維持學(xué)習(xí)記憶很重要；另一方面一旦記憶功能受損了，我們可能可以用這種θ加γ的雙頻耦合刺激更好地恢復(fù)回路的運(yùn)作能力。
Q：這一研究發(fā)現(xiàn)對于與學(xué)習(xí)記憶能力受損密切相關(guān)的腦疾病，雙頻耦合刺激可能是更為有效的選擇方案，目前臨床上是否已經(jīng)推廣應(yīng)用？
周昌松：我們前面講到的這個刺激在我們跟馬老師研究的系統(tǒng)里可能是一個合適的解決方法，至于這種刺激是否可以推廣到一般的與學(xué)習(xí)記憶相關(guān)的系統(tǒng)或腦疾病中，我們不敢妄下定論。在疾病研究當(dāng)中，對大腦進(jìn)行這一雙頻耦合的調(diào)制應(yīng)該是可以嘗試的。因?yàn)樵诖蟛糠值恼{(diào)制研究和應(yīng)用里，我們其實(shí)不太清楚應(yīng)該采取什么樣的刺激，比如深度腦刺激的研究中，你要采取怎樣的頻率或者頻率組合，在臨床上經(jīng)常是以試錯為主，而且個體上可能存在差異性，效果并不確定，可能有的人有作用，有的人沒有作用。
在這個模型的研究中，如果這個模型能抓住系統(tǒng)的關(guān)鍵的結(jié)構(gòu)和動力學(xué)特征，那么它可以通過分析對外界刺激的響應(yīng)，提出可能的刺激信號的設(shè)計(jì)，這對于臨床來說可能有參考意義。這個工作發(fā)表后，我們希望從事臨床方面工程開發(fā)的同事可能會有興趣去嘗試，在不同場景下這一頻率組合是不是可以提高治療的作用，我們非常期待在這方面真的有幫助。
Q：大腦無時無刻不在接收著海量的信號，記憶也不斷發(fā)生著動態(tài)變化。大腦是如何完成動態(tài)可塑又保證一定的穩(wěn)定性？如何基于紛繁復(fù)雜的腦活動選擇行為輸出？那些本能相關(guān)的信息如何在意識下影響行為，又如何在特定時刻浮出水面到意識上？中科院生物物理所李巖研究員提到：“腦功能的底層構(gòu)架策略是什么？”對此，您怎么看？
周昌松：我們前面有講到，大腦是一個非常復(fù)雜的網(wǎng)絡(luò)體系，在我們發(fā)育和成長過程中，它已經(jīng)把我們生活中的很多知識和經(jīng)驗(yàn)整合到結(jié)構(gòu)和動力學(xué)里了，所以就算外界沒有輸入信息，靜息態(tài)的腦活動也體現(xiàn)了個體的某種特征，可以預(yù)測我們的認(rèn)知能力。
因?yàn)榇竽X是可塑的，所以在與外界信號相互作用過程中，外界信息會對它內(nèi)稟的活動產(chǎn)生影響，內(nèi)稟活動又會對外界信號的響應(yīng)有影響，在復(fù)雜系統(tǒng)的語言上說是一個結(jié)構(gòu)—動力學(xué)—外界刺激共演化（co-evolution）的系統(tǒng)。比如內(nèi)在的一些記憶跟我們學(xué)習(xí)到的新記憶，在一個相互連接的網(wǎng)絡(luò)系統(tǒng)里是通過動力學(xué)和可塑性相互作用的，新的記憶跟舊的記憶之間會進(jìn)行新的整合，在記憶的固化過程中進(jìn)行重組。從動力學(xué)的意義上來說，這些我們還沒有完全很好地理解，但是從動力學(xué)系統(tǒng)相互作用的角度來說，這樣的一個圖像是比較自然的，與很多關(guān)于記憶的研究是吻合的。
我們最近發(fā)表在《物理評論快報(bào)》（Physical Review Letters）的工作分析了大腦的結(jié)構(gòu)能產(chǎn)生怎樣的動力學(xué)模式。我們用磁共振和數(shù)據(jù)的模型都可以看到，大腦結(jié)構(gòu)連接網(wǎng)絡(luò)有多層次的模塊化，這些模塊使得我們可以在不同層次上進(jìn)行特異的處理，又可以在更大尺度上進(jìn)行整合。它對應(yīng)的動力學(xué)，也就是我們前面提到的全腦處于某種臨界狀態(tài)，它可以在不同的尺度上很快地進(jìn)行切換，跟這相關(guān)的概念我們叫做功能性分離和整合的處理。結(jié)構(gòu)的層次模塊化和動力學(xué)的臨界性使得大腦處于一種復(fù)雜且最優(yōu)的狀態(tài)，在功能性分離和整合的模式間頻繁地切換并維持整體的平衡。
Q：不同的認(rèn)知過程對大腦活動提出了不同的要求，靜息大腦如何配置功能性組織，以支持不同的認(rèn)知表型？
周昌松：人的認(rèn)知確實(shí)有不同的表型，比如流體智力、晶體智力、記憶、反應(yīng)速度或創(chuàng)造力等等，這些能力在行為上表現(xiàn)出來是相對獨(dú)立的，大腦怎樣構(gòu)建一個結(jié)構(gòu)和功能來支持這樣的能力，目前還是認(rèn)知神經(jīng)科學(xué)研究的一個前沿問題，對人工智能的發(fā)展也極為重要。但是我們可以從不同認(rèn)知能力對這個系統(tǒng)的兩個比較競爭性的要求來理解，它其實(shí)就是功能的特異處理和功能的整合。當(dāng)我們要處理某一方面的信息時，一些特異化的腦區(qū)或者腦系統(tǒng)要進(jìn)行分離處理，不要受到其他系統(tǒng)太多的干擾，但是處理完了不同的信息后它們又需要整合來形成更高級的認(rèn)知。
不同能力對這兩個方面都是有需求的，但是對這兩方面的要求可能不太一樣。大腦在一個基準(zhǔn)靜息態(tài)就要形成這樣一種組織方式，即它應(yīng)該在有需要的時候可以快速過渡到認(rèn)知任務(wù)所要求的組織形態(tài)，比如說某一個子系統(tǒng)，在一個處理過程中它可以盡量分化出來進(jìn)行處理，而在有需要的時候很快又整合起來。從這種角度我們就可以更好地理解大腦，無論是腦的結(jié)構(gòu)，還是它的動力學(xué)，就應(yīng)該有一些模塊化的處理方式，它內(nèi)部有很緊密的相互作用和快速的交流和通訊來進(jìn)行特異化處理，它的層次可以很局部，也可以很廣闊。就是帶著這樣的想法，我們對腦網(wǎng)絡(luò)的研究一直關(guān)注的是這種多層次的模塊化結(jié)構(gòu)。前面提到的腦結(jié)構(gòu)連接網(wǎng)絡(luò)多層次的模塊化的組織架構(gòu)原則上可以提供這一功能的基本要求。
我們最近在PNAS上發(fā)表的文章揭示，腦的功能網(wǎng)絡(luò)也的確有多層次的模塊化結(jié)構(gòu)，使得系統(tǒng)在不同的層次上進(jìn)行功能的分離和整合。我們還可以看到，正常的年輕大腦是處于模塊化的功能分離和整合的動態(tài)平衡狀態(tài)。在較短的時間尺度上，大腦處在這樣的一個整合和分離的狀態(tài)的動態(tài)轉(zhuǎn)變上，對全腦進(jìn)行非?？焖俚膾呙瑁缓螽?dāng)有任務(wù)的時候，大腦可以過渡到任務(wù)處理狀態(tài)。個體在這樣的平衡狀態(tài)上存在一些差異，比較傾向于分離狀態(tài)的人，他/她可能可以比較容易和比較快地切換到分離狀態(tài)，他/她在對分離要求比較高的任務(wù)中表現(xiàn)得比較強(qiáng)。相對整合的大腦，他/她可能更容易切換到整合狀態(tài)，在對整合要求比較高的行為上表現(xiàn)得更強(qiáng)。平衡的狀態(tài)則有利于整體的能力。
這是我們目前理解到的大腦的一種組織方式，需要這個系統(tǒng)來構(gòu)建這種平衡狀態(tài)以適應(yīng)環(huán)境的多種需求。在動力學(xué)上，這種平衡狀態(tài)與我們前面講到的自組織的動力學(xué)處于某種臨界可變的連接狀態(tài)是關(guān)聯(lián)的，這種狀態(tài)對外界刺激很敏感，可以發(fā)生狀態(tài)的靈活轉(zhuǎn)變。這可能可以為前面“腦功能的底層構(gòu)架策略是什么？”這一問題提供一個思考的方向。
Q：您實(shí)驗(yàn)室未來研究的重點(diǎn)是什么？
周昌松：從我個人的視角來說，前面談到大腦系統(tǒng)的很多優(yōu)越的能力可能是建立在其復(fù)雜的結(jié)構(gòu)和動力學(xué)基礎(chǔ)上的。我們對這種復(fù)雜性如何產(chǎn)生，更重要的是對這種復(fù)雜性跟功能和信息處理的關(guān)系的認(rèn)識才剛剛開始。我們團(tuán)隊(duì)未來還是以神經(jīng)動力學(xué)的復(fù)雜性為研究核心。
一方面研究它跟底層網(wǎng)絡(luò)的關(guān)系，如結(jié)構(gòu)、生理上的差異（比如個體之間的正常差異，或者衰老、發(fā)育、腦疾病引起的差異）是如何影響這些復(fù)雜動力學(xué)的涌現(xiàn)的，然后進(jìn)一步研究復(fù)雜動力學(xué)如何影響功能和信息的處理。在研究方法方面，我們也在想辦法構(gòu)建更好的模型，比如比較微觀的平均場模型可能可以涵蓋從神經(jīng)元發(fā)放到回路集群波動和臨界動力學(xué)的多尺度特征，之后把它推廣到大尺度網(wǎng)絡(luò)，在協(xié)同運(yùn)作尺度上分析結(jié)構(gòu)和生理上的變化如何影響正常的腦功能，以及跟一些障礙的關(guān)系。
另一方面我們非常感興趣的是，這樣的復(fù)雜性如何帶來智能方面的研究，能不能啟發(fā)我們?nèi)ラ_發(fā)以復(fù)雜性為基礎(chǔ)的類腦智能。下一步，我們可能跟其他團(tuán)隊(duì)交流和合作，一起開發(fā)這一方向。
聯(lián)系客服
