在《突触》播客的一期节目中，斯坦福大学电气工程学兼职教授、Meta Reality Labs高级研究经理David Sussillo分享了他早年在阿尔伯克基集体之家的成长经历，讨论了他与Larry Abbott合著的关于神经网络FORCE学习的经典论文，并解释了为何在工业界工作同样具有吸引力。

Sussillo博士是计算神经科学领域的领军人物，以其在循环神经网络（RNN）模型及其在理解大脑皮层活动方面的应用而闻名。他尤其以其开发的FORCE学习算法著称，该算法解决了如何训练RNN执行复杂任务并产生类似于真实神经系统的动态活动的长期难题。

FORCE学习：连接机器学习与神经科学

Sussillo详细阐述了他在2012年与Larry Abbott合著的里程碑式论文中提出的FORCE学习（First-Order Reduced and Controlled Error）算法。FORCE学习使得研究人员能够快速、稳定地训练循环神经网络，使其在保持混沌动态的同时，能够学习产生复杂的输出模式。这一突破至关重要，因为它表明人工神经网络可以模拟真实大脑皮层中观察到的、高度可变且看似嘈杂的神经活动。通过训练RNN来执行行为任务，并比较模型内部的“神经活动”与真实动物的神经记录，科学家可以开始提出关于大脑如何利用动态系统进行计算的假说。这项工作在计算神经科学和机器学习之间建立了强大的双向桥梁。

早年逆境与寻找出路

Sussillo坦诚地谈论了他在新墨西哥州阿尔伯克基的一个集体之家度过的成长岁月。这些早年的逆境和挑战，让他学会了韧性、内省和寻找“出路”的重要性——无论是在生活中还是在解决复杂的科学问题时。他认为，学术和职业生涯并非一条直线，允许自己探索看似无关的路径，有时反而能找到最具创造性的解决方案。

学术界与工业界的交融

作为同时拥有斯坦福大学教职和Meta Reality Labs高级研究经理职位的人，Sussillo讨论了在学术界和工业界之间流动的益处。他认为，工业界（尤其是在像Meta这样的前沿科技公司）提供了独特的资源、大规模计算能力以及与工程目标紧密结合的紧迫感，这可以加速神经科学基础原理向实际应用（如脑机接口和虚拟现实）的转化。反之，学术界的自由探索精神也能为工业界的研究注入活力。

参考文献

Sussillo, D. (2023). FORCE learning and finding an out. Synaptic (podcast). 本文基于播客节目中对David Sussillo的访谈内容。他关于FORCE学习算法和循环神经网络的开创性工作，已发表于包括《科学》和《神经元》在内的多家顶级学术期刊。