DeepMind：神经科学与人工智能报告

Jane Wang是DeepMind神经科学团队的一名研究科学家，研究元强化学习和受神经科学启发的人工智能代理。她的背景是物理、复杂系统、计算和认知神经科学。

Kevin Miller是DeepMind神经科学团队的研究科学家，也是伦敦大学学院的博士后。他目前正在研究如何理解mice和机器的结构化强化学习。

Adam Marblestone是施密特期货创新公司(Schmidt Futures innovation)的研究员，曾是DeepMind的研究科学家，此前他获得了生物物理学博士学位，并在一家脑机接口公司工作。

Where Neuroscience Meets AI

地址：

https://sites.google.com/view/neurips-2020-tutorial-neurosci/home

大脑仍然是已知的真正通用智能系统的例子。对人类和动物认知的研究已经揭晓了一些关键的见解，如并行分布式处理、生物视觉和从奖赏信号中学习的想法，这些都极大影响了人工学习系统的设计。许多人工智能研究人员继续将神经科学视为灵感和洞察力的来源。一个关键的困难是，神经科学是一个广泛的、异质的研究领域，包括一系列令人困惑的子领域。在本教程中，我们将从整体上对神经科学进行广泛的概述，同时重点关注两个领域——计算认知神经科学和电路学习的神经科学——我们认为这两个领域对今天的人工智能研究人员尤其相关。最后，我们将强调几项正在进行的工作，这些工作试图将神经科学领域的见解引入人工智能，反之亦然。

概要：

概述 Introduction / background (15 min)

认知神经科学 Cognitive neuroscience (30 min)

学习电路与机制神经科学， Learning circuits and mechanistic neuroscience (30 min)

交叉进展 Recent advancements at the intersection (25 min)

https://sites.google.com/view/neurips-2020-tutorial-neurosci/home

来源：http://brain.dataguru.cn/article-16109-1.html