index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
集智学园联合北师大系统科学学院开设「系统科学前沿」系列课程,本周的第四课将聚焦脑科学与人工智能的交叉领域。北京师范大学教授斯白露将通过跨物种案例,深入介绍大脑信息处理的底层机制及主流脑观测技术。课程旨在解析动物智能的本质,探讨大脑如何产生智能行为,并对比分析人工智能与动物智能的差异。重点将解读记忆神经环路的计算机制如何为类脑智能算法提供生物学灵感,并从第一性原理角度理解大脑的自适应学习机制,为人工智能算法设计提供启发,探索“类脑智能”的发展方向。
🧠 **智能的本质与跨物种视角**:课程将从系统科学和进化角度出发,解析大脑作为复杂自组织系统如何产生智能行为。通过对比不同物种的认知策略,理解智能的核心内涵,并探讨人工智能与动物智能的差异,为理解和设计更高级的智能系统奠定基础。
💡 **具身认知与神经表征**:强调感知-行动-认知闭环关系,介绍神经系统如何表征外部世界与内部状态。课程将深入讲解信息编码的核心机制,如时空编码、预测编码等,并分析皮层-海马环路的计算模式,为构建认知智能系统的基础架构提供理论指导。
🧠 **记忆与学习的神经计算机制**:详细阐述记忆系统的分层结构、巩固与重放机制,以及从神经回路到计算模型的演变。课程将探讨吸引子网络、稀疏编码、基于回放的强化学习等概念,并从第一性原理(如预测误差、自由能最小化)理解大脑的学习机制,为开发更高效、更具泛化能力的类脑算法提供生物学启示。
🤖 **从脑到机的智能设计**:课程将介绍认知智能系统的基础架构,包括感知-认知-行动一体化框架、层次化与模块化设计原则。重点将从第一性原理出发,探讨能量、信息与适应性原则在类脑算法设计中的应用,勾勒出神经形态计算、类脑大模型、类脑芯片等前沿方向,并展望类脑智能的未来发展。
2025-11-06 14:30 上海

11月7日晚19:30 -22:00,授课1.5小时,答疑0.5小时。
集智学园联合北师大系统科学学院开设「系统科学前沿」系列课程,以方福康先生系统科学文集为思想基石,汇聚北师大系统科学领域十位教授,系统整合统计物理、生命系统中的智能行为、社会复杂系统建模、人工智能与复杂网络等多个交叉方向,构建一条从微观机制到宏观结构、从理论分析到实际应用的知识脉络。
本周五晚19:30,在此次系列课的第四课中,北京师范大学系统科学学院教授斯白露老师将通过跨物种的案例引入对大脑信息处理底层机制的介绍,进而讲解主流脑观测技术,带领大家一起探索大脑、并展示脑科学研究如何启发人工智能算法与智能研究。
课程简介
在当前人工智能浪潮中,端到端的深度学习模型在解决感知任务方面取得了显著成功。然而,这类方法严重依赖海量数据,常面临数据利用效率低、泛化能力差、易过拟合以及不可解释等核心挑战,同时在解决空间认知、环境理解等认知任务中缺乏有效的机制,限制了智能体在复杂动态大尺寸环境中的应用。本课程探讨动物智能的本质,从复杂系统理论解析大脑这一自然演化形成的复杂系统如何依靠独特的结构与功能产生智能行为。课程通过解析脑与智能的复杂性、对比人工智能与动物智能的差异,从跨物种视角理解智能的核心内涵;随后从具身认知的角度介绍神经系统表征和编码信息的核心机制,提出认知智能系统的基础架构,并重点解读记忆神经环路的计算机制如何为类脑智能的算法架构提供生物学灵感,以及从第一性原理的角度理解大脑的自适应学习机制,并进一步挖掘第一性原理对人工智能算法设计的启发,探索 “类脑智能” 的发展方向。主讲人简介
斯白露,北京师范大学系统科学学院教授,北京脑科学与类脑研究所北脑学者,博士生导师,博士毕业于德国不来梅大学理论神经物理专业。研究方向为类脑智能、具身智能机器人。任中国计算机学会智能汽车分会秘书长、北京脑网络组与类脑智能学会理事。主要研究成果包括记忆神经环路的计算理论、类脑导航系统等。承担科技创新2030“脑科学与类脑研究”重大项目课题、变革性技术专项子课题等研究任务,相关成果发表在Nature Neuroscience、Progress in Neurobiology、IEEE Transactions on Cybernetics等期刊上。获2022年中国地理信息产业协会地理信息科技进步一等奖。课程目标
理解智能的本质与多层次结构:掌握动物智能的基本特征,从复杂系统和进化角度理解大脑的结构与功能如何产生智能行为。比较人工智能与生物智能的差异:从信息处理、学习机制、能效与鲁棒性等维度分析人工系统与自然系统的不同。掌握具身认知与神经表征原理:理解神经系统如何表征外部世界与内部状态,掌握信息编码的核心机制及其在认知系统中的作用。理解记忆与学习的神经环路机制:分析记忆形成、提取与更新的计算模型及神经回路基础,理解其对算法设计的启发。建立类脑智能系统的认知框架:构建从神经机制到算法架构的跨层次思维模型,探索认知智能系统的设计原则。具备从第一性原理出发思考智能的能力:能从能量最小化、自组织与预测编码等角度理解大脑学习机制,为未来AI算法创新提供理论依据。提纲
一、智能的科学基础智能的定义与范式演变人工智能的发展阶段从符号主义到深度学习智能的生物学与哲学根源
复杂系统与大脑的演化大脑作为复杂自组织系统神经系统的多层次动力学特征智能行为的涌现机制
动物智能的多样性不同物种的认知策略从昆虫到哺乳动物的智能演化跨物种比较视角下的认知规律
二、具身认知与神经表征机制具身认知的理论框架神经信息编码与表征机制时空编码与群体神经动力学预测编码与表征学习皮层-海马环路的计算模式
神经系统的自组织与可塑性Hebbian学习与突触可塑性结构可塑与功能重构从神经元到网络的自适应机制
三、记忆与学习的神经计算记忆系统的分层结构陈述性与非陈述性记忆海马体与前额叶皮层的交互记忆巩固与重放机制
从神经回路到计算模型吸引子网络与联想记忆稀疏编码基于回放的强化学习启发
记忆与学习的统一原理预测误差与自由能最小化表征压缩与泛化机制自监督学习与生物启发算法
四、从脑到机的智能设计认知智能系统的基础架构第一性原理与类脑算法设计类脑智能的前沿与未来方向神经形态计算与类脑大模型类脑芯片与具身智能机器人跨学科融合与伦理思考
五、问答环节(Q&A)课程安排
上课时间:11月7日晚19:30 -22:00,授课1.5小时,答疑0.5小时。课程形式: 腾讯会议直播,集智学园网站录播。课程周期: 2025年11月7日第四课,每周五晚19:30-21:30点,授课1.5小时,答疑0.5小时。课程适用
本次课程适合:大脑复杂性、脑神经科学、人工智能等方向的高校师生、研究者。人脑智智能本质问题感兴趣的复杂性科学爱好者。推荐内容
Kai Zhao, Yao Zhu, and Bailu Si. Learning diversified representations for visual abstract reasoning. Artificial Intelligence Review, 2025Fei Song, Yuxiu Shao, Dengyao Jiang, Ziyu Ren, Fengzhen Tang, Yandong Tang, and Bailu Si. An improved artificial potential field method with distributed representation and scale-invariant path planning. IEEE Transactions on Cognitive and Developmental Systems, pages 1–15, 2025.Dongye Zhao, Zheng Zhang, Hong Lu, Sen Cheng, Bailu Si, and Xisheng Feng. Learning cognitive map representations for navigation by sensory-motor integration. IEEE Transactions on Cybernetics, 52(1):508–521, 2022.Taiping Zeng, Fengzen Tang, Daxiong Ji, and Bailu Si. NeurobayesSLAM: Neurobiologically inspired bayesian integration of multisensory information for robot navigation. Neural Networks, 126:21–35, 2020Changbo Zhu, Ke Zhou, Fengzhen Tang, Yandong Tang, Xiaoli Li, and Bailu Si. A hierarchical bayesian model for inferring and decision making in multi-dimensional volatile binary environments. Mathematics, 10(24), 2022David Hunt, Daniele Linaro, Bailu Si, Sandro Romani, and Nelson Spruston. A novel pyramidal cell type promotes sharp-wave synchronization in the hippocampus. Nature Neuroscience.付费流程
扫码付费;课程页面填写学员登记表,微信扫码入群;课程可开发票。关于主办方
北京师范大学-系统科学学科团队北京师范大学是中国系统科学学科的重要发源地之一,自20世纪70年代末即开始布局相关研究和教育体系。学院已建立起从本科到博士后完整的人才培养体系,并在复杂系统研究领域形成深厚积淀。依照北京师范大学“一体两翼”办学格局,北京师范大学系统科学学科研究生培养分别在北京校区和珠海校区进行。北京校区培养单位为系统科学学院、珠海校区培养单位是文理学院系统科学系(含复杂系统国际科学中心)【北京校区】北京校区系统科学研究团队聚焦复杂系统的结构、演化和控制等方面。研究内容涵盖从自然到社会的多个层面,尤其在复杂系统的涌现行为与控制优化、社会经济系统建模、生命与脑认知系统的自组织行为、多主体系统与智能算法、以及复杂系统的信息建模等方面形成了特色鲜明、国际接轨的研究方向,并在复杂网络、脑科学、经济系统建模等研究领域取得了一系列有影响力的成果,多篇论文被国际权威期刊选为封面或亮点评述,并受到国内外学术界和主流媒体广泛关注。【珠海校区】珠海校区系统科学团队由国际系统与控制科学院院士狄增如教授领衔。除院士工作站外,校区还建有广东省高校系统涌现与自然智能重点实验室,具备先进的实验条件、完善的计算机系统支持与优越的科研实践平台。团队汇聚十余名优秀的中青年教师,拥有坚实的数学与物理学基础,长期在系统科学基础理论、生物与脑科学、社会经济系统等交叉领域开展创新性研究。依托雄厚的人才力量与科研条件,团队在研究生高质量培养方面积累了丰富经验,取得了一系列具有原创性的研究成果,并在高水平学术期刊上发表多篇论文,产生了广泛的国内外学术影响。珠海校区独立招收本科、硕士、博士学生,颁发学位证书同北京校区一样。同时,珠海校区也提供博后与青年PI职位。集智学园:集智学园作为集智科学研究中心孕育的商业公司,力图传播复杂科学、人工智能等前沿知识和新兴技术,促进、推动复杂科学领域的知识探索与生态构建。合作伙伴包括腾讯、华为、北京师范大学、湖畔大学、混沌大学等多家知名机构。2019年被评定为“中关村高新技术企业”和“国家高新技术企业”。🌞 口号:学复杂科学,到集智学园🌞 使命:梳理复杂知识体系,普及科学理论方法。-近期特惠-推荐阅读招生学科解码|北京师范大学文理学院系统科学系知识、社群与共创:我在《系统科学前沿》课程中的多维收获我的数学是音乐老师教的:在集智社群中的奇妙学习之旅系统科学前沿十讲:探究复杂世界演变背后的规则(二)系统科学:超越相对论与量子力学的科学革命智能+时代的系统科学—《系统科学前沿》第一期课程总结丨含第二期预告系统科学前沿十讲:理解自然、生命与社会的复杂性系统科学前沿 | 钱学森系统科学思想漫谈点击“阅读原文”,报名课程
阅读原文
跳转微信打开