本课题的实质，即是通过对哺乳动物神经网络拓扑结构的研究，为下一代人工神经网络提供新的理论框架。科学家们已经意识到当下的人工智能即使异常强大，也绝非真正的“智能”。相比于自然和进化所创造出的智慧物种所具备的智能而言，人类所创造的人工智能其实质仍只是一台能够进行高速运算和存储的计算机。如何阐明神经系统结构和功能的关系，如何破解大脑工作的基本原理，如何将已知的神经生物学知识用于开发下一代人工智能算法，是这门课讨论的核心。
从近乎完美的人脸识别到自动驾驶，从打遍天下无敌手的Alpha Go到可以完成一连串奔跑跳跃动作的机器狗（波士顿动力制造），人工智能的表现堪称惊艳。然而这种基于大量已有数据集训练的人工智能，依旧是笨拙而野蛮的。它与真正的人类智慧所相差的，是作为其缔造者的我们，对于人类智能的理解和认知。大脑如何解析信息如何完成计算如何整合递送并学习归纳这些信息，是神经生物学的终极命题，而我们目前却对此知之甚少。人工智能的飞跃与革新，将取决于人类对生物神经网络特性及其功能的更深入探索。除此之外，别无他解。
任何前沿科学领域结出的科研成果，必将被有效地转化继而广泛地应用到社会生活的方方面面。这个课题本身是一个交叉性概念性初创性极强的项目，项目产出本身极有可能对某一个甚至某几个热门研究领域有变革性的推动作用。
（神经生物学领域）基于纳米水平的哺乳动物神经网络联接图谱的绘制，将为神经网络之结构与功能关联性的研究提供重要的神经解剖学依据。这些超高分辨率的图像数据及其精准的三维重建结果将清晰地揭示神经网络的构建方式和运作机理，并为后续的生物建模工作提供具有现实意义的边界条件。
（计算视觉领域）当下数字图像分割算法的一个流行的解析思路就是人为地训练计算机识别出图像中不同的物体以达到分割的目的，此即所谓计算视觉。发展针对于生物大数据的高速分割和重建算法，将对计算视觉领域产生深远的影响。目前已有诸多工业界的AI团队（Google、IBM、Intel等）参与到了学术界对哺乳动物神经网络成像数据进行大规模精准分割的科研竞赛中。我们有理由相信，基于机器学习的更完善更高效的图像分割算法即将应运而生。
（人工智能领域）对哺乳动物神经网络之联接性和拓扑结构的分析及相应数学模型的建立会极大程度地推进我们对大脑工作原理的认知。这些崭新的知识将会为下一代人工智能的发展开辟出崭新的方向和构架，其重要性和影响力不言而喻。
适用于对神经生物、神经解剖、计算生物（及建模）、计算视觉、图像处理和机器学习方向感兴趣的同学
6-10节：学习了解常见的生物成像技术，培养对生物影像数据的基本识图能力；
11-14节：学习图像处理的基本原理和算法，了解基于深度学习的分割算法应用；
16-20节：协助学生探索属于自己的科研方向，并根据之前所学展开探索分析。并依据实验结果完成符合专业论文要求的科研论文以科研过程中发现的创新想法进行文章总结，学习专业英文科研写作。并以科研海报/论文/视频等形式对学生的科研成果进行总结展示。
· 通过对大脑神经网络的构成及其工作原理的初步学习，建立对“联接图谱”领域的基本框架概念。通过学习图像处理和计算视觉的基本原理和算法，实践相关图像分割软件的使用方法，初步掌握生物大数据的处理过程和分析思路。
· 了解神经生物学的基本研究对象、目标及手段，了解常用的生物成像技术并能够读懂图像，掌握基本的图像处理方法且熟练操作专业图像处理软件，能够对电子显微镜图像进行准确的手动分割和三维重建，可尝试对图像数据进行数学建模。
·完成符合学术专业论文标准的中文或英文科研文章一篇。保证学生以第一作者发表文章（依据学生所报名项目，考虑论文完成程度及创新程度，期刊包括但不限于中文国家级期刊、英文EI/CPCI会议、SCI/SSCI检索期刊）。
