AI 终极问题:我们的大脑是一台超级计算机吗?

2020 年 6 月 2 日 学术头条
【导读】脑科学作为人类科学的最后前沿已取得重大发展。但截至目前,我们仍对大脑的诸多奥秘一知半解。是否可以将我们的大脑比拟为一台超级计算机?脑机接口的未来将如何发展?



人类的大脑是自然界最复杂的物体,研究人员已投入大量时间与精力来探索大脑。


目前,科学家们已经揭示了大脑的基本工作方式,最新技术已经可以操纵小鼠的大脑,让小鼠记忆此前从未嗅过的气味,甚至改变小鼠大脑里糟糕的记忆,转化为美好记忆;还可以利用脑电波改变人们对面部的感知;甚至让一个瘫痪的人用意念控制机械臂。


这些新技术带来了无限想象,可以让我们读懂人的心理、侦察罪犯,甚至将大脑与计算机互联。


但受限于大量无法分析的数据,探索大脑的未来道路并非坦途。正如德国神经学家奥拉夫・斯庞斯 (Olaf Sporns) 所言:“神经科学仍缺乏将大脑数据转化为基础知识的理论框架。”


神经科学家阿内・丘奇兰德 (Anne Churchland) 与拉里・艾勃特 (Larry Abbott) 也强调分析大量数据时困难重重,“除了需要实验技巧与创新技术,还需要大量先进的数据分析方法和理论概念模型。”


此外,大脑功能也非单一理论。正如 DNA 双螺旋结构的共同发现者弗朗西斯・克里克 (Francis Crick) 所发现的,大脑是一个完整进化的结构,其各个部分在不同时刻进化,分别对应解决不同问题 。


目前,人们对大脑如何工作的理解也较为片面。许多神经科学的感官研究更关注视觉而非嗅觉,因为嗅觉在概念和技术方面都更具挑战性。但嗅觉与视觉的工作方式无论在计算还是结构方面都迥然不同。如果仅仅研究视觉,我们对大脑功能及其运作方式的理解将十分有限。


大脑功能与程序编码


将大脑比拟为计算机的说法一直主导着神经科学领域。据统计,仅在过去十年间,就有超过 1.1 万篇该主题相关论文发表。


事实上,1951 年数字时代揭开序幕之时,神经学先驱卡尔・拉什利 (Karl Lashley) 就已反对将大脑比喻为机器。拉什利写道,“我认为,人们更可能通过研究大脑本身与其行为现象来了解大脑如何工作,而非沉溺于牵强附会的物理类比之中。”


法国神经学家罗曼・布雷特(Romain Brette)进一步驳斥了将大脑功能类比为程序编码的说法。布雷特认为,在考虑 “编码” 时,研究人员已将一种技术意义(即刺激与神经元活动之间存在的联系)转向了一种表征意义(即神经元编码代表该刺激)*。


大多数神经编码的隐含意义为,神经网络活动主要呈现给大脑中的理想观察者,通常称为 “下游结构”,它能以最佳方式解码信号。但这些结构处理信号的方式未知,甚至在简单神经网络功能模型中也鲜有明确假设。


处理神经代码通常为一系列的线性步骤,就像多米诺骨牌一样一个接一个地倒下。但 大脑由高度复杂的神经网络组成,这些神经网络相互联系,并与外界互联产生作用。如果只关注神经元,不将神经网络与动物行为联系起来,就会错过处理的要点。


大脑的 MRI 扫描图像


匈牙利神经学家吉尔吉・布扎萨基(Gyorgy Buzsaki)在其新书《由内而外的大脑》(the brain from Inside Out) 中概述,大脑并非简单地被动吸收刺激并通过神经编码来表达,而是积极地以各种可能性寻找并测试潜在选择。他的结论是,大脑并不代表信息,而是构造信息。


大脑意识上传或转移


一些研究人员认为,思维是一种可以在神经硬件上实现的操作系统。换而言之,思维被视为一种特定计算状态,可以上传到某个设备或另一个大脑之中。


唯物主义假设,人类的大脑和思维与其他事物相同,神经元及其支持的过程(包括意识)共存。计算机中的软硬件相互分开,但大脑与思想是由湿件(软件、硬件以外的 “件”)组成的,且相互交织。



想象一下,我们可以改变神经系统并运行不同程序,还能把思想上传到服务器上。这听起来很科幻,但其背后隐含的却是一种非唯物主义观点,可追溯到笛卡尔时代甚至更早之前,即思想以某种方式浮现在人脑之中,可以转移到另一个大脑,或者被另一个大脑取代。


事实上,通过解读一系列神经元的状态,并将其写入新的有机或无机基质中,这种有点唯心主义的想法,就披上了一层科学的外衣。


在想象大脑如何工作时,我们不仅需要理解神经元功能,还需要强大的计算能力并精确模拟大脑结构。因此,首先要完全模拟一个能维持单一状态的神经系统,但目前整个人类文明离迈出这一步还很远。


在芯片上模拟神经科学


在科幻电影中,面对不是一个级别的 “外星科技”,人类科学家只能通过反向工程进行拆解研究,以期能获得零星收获。面对复杂的人类大脑,反向工程也成为破解出大脑运行策略,以及将其转换成可为机器所用算法的有效手段。


2017 年,神经科学家埃里克・乔纳斯(Eric Jonas)与康拉德・柯丁(Konrad Kording)决定在真正的计算机芯片上进行实验,运用数据分析方法进一步了解人脑。他们将分析大脑的技术应用于上个世纪 70 年代末 80 年代初的 MOS 6507 处理器,该处理器可以运行 “太空入侵者” 等游戏。


首先,通过扫描芯片上的 3510 个增强型晶体管获得芯片连接体,再在一台现代计算机上模拟该设备,包括运行 10 秒游戏程序。然后使用各种神经科学技术,模拟 “病变”(从仿真设备中删除晶体管),分析虚拟晶体管的活动并研究其互联性。同时通过运行不同游戏,观察各种操作对系统行为的影响。


尽管部署了强大的分析工具,且能明确解释芯片的工作原理,但这项研究仍未能检测出芯片内部的信息处理层次结构。正如乔纳斯和柯丁所言,这些技术并不能对研究人脑产生 “有意义的理解”,所得出的结果较为悲观。


这一实验结果也表明,我们仍需重大理论突破才能在人脑研究领域取得进展。现有概念与分析工具仍无法解释人脑奥秘。但该模拟实验并非毫无意义,至少通过实验我们已经可以测试假设,并将模型与可精确操作的成熟系统相联系。



事实上,大脑与计算机的结构完全不同。2006 年,拉里・艾勃特 (Larry Abbott) 在 《此设备的开关在哪里?》一文中称,他探索了电子设备中最基本组成部分(开关)的潜在生物物理基础。虽然抑制性突触可以通过让下游神经元失去反应而改变神经活动流向,但这种相互作用在大脑中较为少见。


神经元并非一个可以打开或关闭,并形成接线图的二进制开关。与此相反,神经元以类似方式做出反应,再随着刺激的变化而改变活动。神经系统主要通过改变大量单元组成的细胞网络激活模式来改变工作方式,其网络节点不是晶体管或电子管那样的稳定节点,而是成千上万组能随着时间推移对网络作出持续响应的神经元。


这是一个亟待解决的重要问题。大脑由神经元与其他细胞组成,在神经网络中相互作用,其活动不仅受突触活动影响,还与神经调节因子等多种因素有关。此外,人脑的功能也涉及神经元的复杂动态模式。


或许就在不久的将来,各种脑机实验将会取得突破性进展,理论家也将破解所有大脑功能并揭示其功能原理。


资料来源:

https://www.theguardian.com/science/2020/feb/27/why-your-brain-is-not-a-computer-neuroscience-neural-networks-consciousness?

https://www.theguardian.com/science/2015/mar/09/rodent-recall-false-but-happy-memories-implanted-in-sleeping-mice

https://www.eurekalert.org/pub_releases/2020-03/uom-ly022720.php

https://www.nature.com/articles/s41598-020-63755-5

https://www.quantamagazine.org/common-sense-comes-to-computers-20200430/




点击阅读原文,查看更多精彩!

登录查看更多
0

相关内容

High Performance Computing. For example, IBM's Blue Gene
【ICML2020-哈佛】深度语言表示中可分流形
专知会员服务
12+阅读 · 2020年6月2日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
2018: AI in All的元年
1号机器人网
4+阅读 · 2018年12月25日
人工智能能够预测地震吗?
人工智能学家
7+阅读 · 2018年12月10日
【深度学习】深度学习与神经科学相遇
产业智能官
9+阅读 · 2017年12月17日
人工智能,机器学习和深度学习之间的差异是什么?
大数据技术
6+阅读 · 2017年11月22日
心理学与脑科学:进展、思考和展望
科技导报
9+阅读 · 2017年10月27日
一张通往计算机世界的地图
中科院物理所
8+阅读 · 2017年10月12日
人工神经网络是否模拟了人类大脑?
数说工作室
9+阅读 · 2017年7月19日
Arxiv
4+阅读 · 2018年10月31日
Arxiv
3+阅读 · 2017年12月23日
Arxiv
27+阅读 · 2017年12月6日
Arxiv
9+阅读 · 2016年10月27日
VIP会员
相关资讯
2018: AI in All的元年
1号机器人网
4+阅读 · 2018年12月25日
人工智能能够预测地震吗?
人工智能学家
7+阅读 · 2018年12月10日
【深度学习】深度学习与神经科学相遇
产业智能官
9+阅读 · 2017年12月17日
人工智能,机器学习和深度学习之间的差异是什么?
大数据技术
6+阅读 · 2017年11月22日
心理学与脑科学:进展、思考和展望
科技导报
9+阅读 · 2017年10月27日
一张通往计算机世界的地图
中科院物理所
8+阅读 · 2017年10月12日
人工神经网络是否模拟了人类大脑?
数说工作室
9+阅读 · 2017年7月19日
相关论文
Arxiv
4+阅读 · 2018年10月31日
Arxiv
3+阅读 · 2017年12月23日
Arxiv
27+阅读 · 2017年12月6日
Arxiv
9+阅读 · 2016年10月27日
Top
微信扫码咨询专知VIP会员