问题概述

以各种深度神经网络为核心的深度学习方法引领了人工智能研究与应用的新高潮。深度神经网络的基础是以对人类神经系统中神经细胞（神经元）之间相互连接的认识，是在细胞层面上对自然神经系统的简化模拟。细胞是生命活动的基本单元，而每个细胞的功能及细胞间的相互作用，都是通过细胞内部以基因表达为核心的一系列分子机理实现的，目前对人类和动物智能活动的机理的认识，还没有深入到用细胞内部与细胞之间的基因表达调控来解释智能功能的层面。

在最新发展起来的单细胞生物学技术和单细胞生物信息学分析方法基础上，正在开始启动的人类细胞图谱HCA计划揭开了人类精细刻画人体各种细胞内部的基因表达特性的序幕，将从分子层面上理解人体的各种组织和器官工作的状态与机理。因此，我们提出，在未来10-20年里，在对大脑神经细胞类型和状态的精细的高通量分子刻画基础上，建立从人体基因型到神经细胞内部的基因表达变化、到神经细胞表型与细胞间相互作用、再到神经系统整体功能之间多层次的定量数学模型，将从分子层面揭示人类神经网络实现智能功能的机理，将不但对认识和攻克很多神经与认知系统疾病有重要意义，而且将为探索更有效的人工智能方法和技术提供重要的新启示。

重要意义

对脑科学与认知科学的意义

对神经细胞类型和状态的精细化高通量分子刻画，将促进在生物、物理和化学层次鉴别神经元之间的差异，阐明神经元特殊的细胞和分子生物学特性，了解神经元如何接收、加工、产生、传导信号，这些信号如何通过各种不同形式的连接改变靶细胞的活动，以及在学习和记忆过程中神经细胞状态和细胞间连接改变的分子机理，从而为理解实现脑功能和智能的神经回路奠定基础。

建立从人体整体基因型到神经系统整体功能的多层次定量数学模型，解析智能学习能力在基因水平的信息编码规则，将为在不同水平上阐明人类神经系统的结构、功能、相互作用机制，进而理解人类行为与心理活动的物质、能量和信息的基本规律奠定基础，从而推动基础脑科学领域的发展。

对人工智能学科的意义

对神经细胞类型、状态、分子生物学特性的精细化高通量分子刻画，以及对神经细胞接收、加工、产生、传导信号基本机制的深入理解，将有助于解开自然神经系统能够以极其低的能耗完成复杂的智能获得的机理，将启发和促进新型人工神经元和神经网络的设计。对神经细胞相互作用机制内在调控规律的掌握，将促进新型人工神经元连接关系的设计。对神经细胞中遗传学和表观遗传学调控机理的全面认识，将有助于设计能把先验知识、存储与搜索、后验学习有机结合起来的智能系统。从人体整体基因型到神经系统整体功能之间的多层次定量数学建模，将促进新型人工神经网络的整体设计和学习方法的优化，从而为探索更有效的人工智能方法和技术提供新的启示。

对医学应用的意义

对神经细胞类型、状态、分子生物学特性的精细化高通量分子刻画，将促进对神经系统疾病致病遗传因素和生物标记物的发现，从而提高神经系统疾病的早期预防和诊断水平。对神经系统结构、功能、相互作用机制的理解，以及对人类行为与心理活动的物质、能量和信息规律的阐述，将促进神经系统疾病药物的研发，为探索新的治疗手段提供线索，从而提高这类疾病的治疗水平。

同时，该研究将促进人工智能与生物智能的交互与融合。通过与合成生物和生物材料等技术的交叉融合，实现人工系统与生物系统的多层次交互，从而大幅提高人工智能对生物智能的辅助与增强。

对产业发展的意义

对人类智能的基因调控机理的深入研究，一方面将促进神经网络高性能计算芯片的设计与实现，从而推动人工智能芯片产业的发展，另一方面将产生一批更有效的人工智能方法与技术，从而进一步推动人工智能在制造、交通、金融、医疗、娱乐等众多产业中的应用，产生重大的科技、经济和社会效益。