網(wǎng)易科技訊 10月18日消息，據(jù)國外媒體報道，目前來看，人工智能只是對大腦的松散模仿。那么如果你真正仿制出一個大腦呢？你需要做到目前為止還完全不可能的事情：映射大腦中所有的神經(jīng)元和神經(jīng)纖維。
大衛(wèi)·考克斯(David Cox)指出：“這是人工智能目前面臨的問題?！笔堑模瑥慕跬昝赖拿娌孔R別到自動駕駛汽車再到打敗世界圍棋冠軍，人工智能技術(shù)已經(jīng)發(fā)展得非常之好。而且，一些人工智能應(yīng)用程序甚至不需要再通過編程實(shí)現(xiàn)：它們的架構(gòu)允許通過經(jīng)驗(yàn)中不斷進(jìn)行自我學(xué)習(xí)。
但作為哈佛神經(jīng)科學(xué)家的考克斯說，然而人工智能仍然存在一些蹩腳的問題?！耙_發(fā)一個小狗檢測器，你需要向程序輸入成千上萬的狗，同時還要向程序輸入成千上萬個不是狗的動物，”他說，“我的女兒只需要看清楚一條狗”，然后就能很高興地認(rèn)出小狗。而且人工智能從所有輸入數(shù)據(jù)中提取的經(jīng)驗(yàn)知識異常脆弱。甚至一些人們不會注意到的圖像噪聲都會給計算機(jī)帶來很多困擾，比如讓計算機(jī)把垃圾筒當(dāng)成一只狗。而人們在智能手機(jī)上使用面部識別的效果（例如安全性）也不是很好。
圖示：研究人員在試驗(yàn)中觀察活體大鼠的腦活動
為了克服這種局限性，去年考克斯和數(shù)十名神經(jīng)科學(xué)家和機(jī)器學(xué)習(xí)專家開展合作開展了一項(xiàng)名為皮層神經(jīng)網(wǎng)絡(luò)機(jī)器智能（MICrONS）的項(xiàng)目：一個投資1億美元的項(xiàng)目，通過逆向工程重建大腦。美國研究機(jī)構(gòu)高級情報研究計劃署官員雅各布·沃格爾斯坦（Jacob Vogelstein）是MICRONS項(xiàng)目的構(gòu)想者和發(fā)起者，其認(rèn)為該項(xiàng)目堪稱神經(jīng)科學(xué)界的阿波羅計劃。（他現(xiàn)在是巴爾的摩的風(fēng)險投資公司的合伙人）。MICRONS項(xiàng)目的研究人員正在嘗試?yán)L制出嚙齒類動物一小塊大腦皮層的結(jié)構(gòu)，還原其中的每一個細(xì)節(jié)的功能和結(jié)構(gòu)。
圖示：大鼠的大腦被取出
事實(shí)上，每一立方毫米、僅僅有一個砂礫大小的大腦皮層圖譜繪制起來的工作量都堪稱登月工程。人們想描繪的圖譜細(xì)節(jié)是其體積的數(shù)億倍。其包含大約100,000個神經(jīng)元，此外還有約10億個神經(jīng)突觸的東西，神經(jīng)沖動正是靠這些連接從一個神經(jīng)元躍遷到下一個神經(jīng)元。
該項(xiàng)目的雄心壯志讓其他神經(jīng)科學(xué)家肅然起敬。 “我認(rèn)為他們所做什么的非常英勇，”Eve Marder說，她為此已經(jīng)貢獻(xiàn)了整個職業(yè)生涯。賓夕法尼亞大學(xué)從事大腦計算模型研究的康拉德·科德寧（KonradKording）也表示：“這是神經(jīng)科學(xué)最激動人心的事情之一?！?/p>
圖示：大鼠的大腦
研究最終的回報正如沃格爾斯坦所述，通過挖掘項(xiàng)目數(shù)據(jù)原理背后的神經(jīng)秘密，形成“下一代人工智能的計算基礎(chǔ)”。沃格爾斯坦指出，目前的神經(jīng)網(wǎng)絡(luò)工作原理是基于幾十年前提出的架構(gòu)，只是基于一個相當(dāng)簡單的概念性腦神經(jīng)。從本質(zhì)上說，人工智能系統(tǒng)是將信息傳播到數(shù)千個緊密相連的“節(jié)點(diǎn)”，每一個節(jié)點(diǎn)都類似于大腦的神經(jīng)元，整個系統(tǒng)通過不斷調(diào)整連接強(qiáng)度來提高系統(tǒng)性能。但是在現(xiàn)有的大多數(shù)計算機(jī)神經(jīng)網(wǎng)絡(luò)中，信號總是從一組節(jié)點(diǎn)傳遞到下一個級聯(lián)。相比之下，真正的大腦充滿了各種反饋：每一束神經(jīng)纖維都把信息從一個區(qū)域傳遞到下一個區(qū)域，同時有相同或更多數(shù)量的纖維再將信號返回。但為什么大腦這樣工作？這些反饋纖維是大腦能夠一次性學(xué)習(xí)等強(qiáng)大功能的奧秘嗎？除此之外是否還存在其他原理？
普林斯頓大學(xué)神經(jīng)科學(xué)家塞巴斯蒂·安承(Sebastian Seung)是圖譜繪制工程中的關(guān)鍵人物，他表示MICRONS應(yīng)至少能夠?yàn)榇竽X的工作原理提供一些答案。事實(shí)上他坦言：“如果沒有這樣的項(xiàng)目，我不認(rèn)為我們可以回答這些問題?！?/p>
聚焦細(xì)節(jié)
MICRONS項(xiàng)目共有三個團(tuán)隊，一支由考克斯領(lǐng)導(dǎo)，一支來自萊斯大學(xué)和貝勒醫(yī)學(xué)院，另一支來自卡內(nèi)基梅隆大學(xué)，其中每一支團(tuán)隊都在從事同樣的研究：對一立方毫米老鼠大腦的所有細(xì)胞進(jìn)行重建，同時還需要重建每個細(xì)胞之間的連接圖譜，并通過數(shù)據(jù)詳細(xì)描繪出如何激發(fā)神經(jīng)元活躍并影響其他神經(jīng)元。
圖示：在掃描前將腦組織粘在一塊亞克力板上
計劃的第一步是研究老鼠的大腦，弄清楚這立方毫米腦組織中實(shí)際工作的神經(jīng)元。當(dāng)動物被給予特定的視覺刺激，例如某種方向的直線，哪些神經(jīng)元突然開始活躍，而同時哪些相鄰的神經(jīng)元會有反應(yīng)？
最近十年間，想要捕獲這種數(shù)據(jù)難于登天。沃格爾斯坦坦承，“從沒有類似的工具?！北M管研究人員可以將超細(xì)導(dǎo)線植入大腦，并紀(jì)錄到個別神經(jīng)元的活動。但是由于神經(jīng)元緊密排列在一起，研究人員無法一次性記錄多達(dá)幾十個神經(jīng)元的活動。研究人員還可以通過核磁成像技術(shù)對人類和其他動物映射大腦整體神經(jīng)活動，但卻無法通過這種方式監(jiān)測個體神經(jīng)元：核磁共振成像技術(shù)的空間分辨率最高僅為一毫米。
但相關(guān)技術(shù)的發(fā)展打破了這一僵局，這就是讓神經(jīng)元在活躍時發(fā)光。為了做到這一點(diǎn)，科學(xué)家通常會將熒光蛋白質(zhì)注入神經(jīng)元，由于神經(jīng)元作用時會有鈣離子涌入，這樣每當(dāng)神經(jīng)元細(xì)胞活躍時時，相應(yīng)蛋白質(zhì)就會發(fā)光。首先，科學(xué)家通過良性病毒把蛋白質(zhì)注入嚙齒動物的大腦，或者是通過基因編碼把熒光蛋白質(zhì)的基因整合進(jìn)神經(jīng)元細(xì)胞的基因組中。然后，科學(xué)家有多種方式觸發(fā)熒光，其中最有效的一種是通過一組激光器將紅外光通過實(shí)驗(yàn)大鼠頭骨上的開口射入大腦。紅外線的頻率能夠允許光子穿透相對不透明的神經(jīng)組織，完全被熒光蛋白所吸收之。這些蛋白質(zhì)會吸收來自兩個紅外光子的能量，并將其中的一個可見光子釋放出來。當(dāng)實(shí)驗(yàn)大鼠看到什么或者執(zhí)行了動作時，這種光子就可以在普通的顯微鏡下觀察到。
圖示：左上角的小立方體就是將要繪制的腦組織
貝勒團(tuán)隊負(fù)責(zé)人安德烈亞斯·托利亞斯（Andreas Tolias）指出，這是一種“革命性的技術(shù)方法”，因?yàn)椤澳憧梢杂涗浢恳粋€神經(jīng)元，即使是彼此相鄰的神經(jīng)元也能夠被記錄”。
而考克斯團(tuán)隊一旦繪制完成實(shí)驗(yàn)室大鼠的神經(jīng)活動后，那么實(shí)驗(yàn)動物就被殺死，腦中被注入重金屬鋨。然后一個以哈佛生物學(xué)家杰夫·利奇曼（Jeff Lichtman）為首的小組將會把大腦切成薄片，從而確定神經(jīng)元是如何組織和連接的。
這個過程將會從地下室實(shí)驗(yàn)室開始，其中使用的臺式機(jī)器工作原理類似于一個臘腸切片機(jī)。小金屬板不斷上升和下降，有條不紊地削下貌似琥珀色蠟筆的尖端，并將切片粘貼到由塑膠帶制成的傳送帶上。不同之處在于，這種琥珀色的蠟筆實(shí)際上是一種硬樹脂管，其包裹并支撐脆弱的腦組織，小金屬板上裝配了鋒利的金剛石刀片，由此切下的薄片僅為30納米厚。
接下來，在另一個實(shí)驗(yàn)室，研究人員會將包含幾個腦切片的膠帶分別安裝在硅晶片上，放在類似于大型工業(yè)冰箱里。該裝置實(shí)際上是一部電子顯微鏡：它使用61個電子束以4納米的分辨率同時掃描61個腦組織。
圖示：這塊腦組織被包裹在丙烯酸中，切片非常之薄
每個晶片掃描完成需要大約26個小時的時間。顯微鏡旁邊的顯示器顯示出所產(chǎn)生的圖像，還原出的腦組織細(xì)節(jié)令人驚嘆——你可以看到細(xì)胞膜，線粒體，以及那些聚集在突觸上的充滿神經(jīng)遞質(zhì)的囊泡。就像對分形圖像進(jìn)行聚焦放大：放大得越多，所能觀察到的復(fù)雜度就越高。
但切片并不是實(shí)驗(yàn)的目的，而顯微鏡的掃描圖像也不是最終結(jié)果。利奇曼表示，“我們就是在制作出每片切片不斷延伸的電影?！边@些切片信息被轉(zhuǎn)發(fā)給由哈佛計算機(jī)科學(xué)家Hanspeter Pfister領(lǐng)導(dǎo)的團(tuán)隊。 “我們的作用是盡可能地從圖像中提取出更多信息，”Pfister表示。
圖示：腦組織切片被粘在膠帶上
這意味著要利用二位切片圖像重建腦組織中所有的三維神經(jīng)元——包括其中所有的細(xì)胞器，突觸和其他特征。 Pfister表示，雖然人類完全可以用紙和筆做到這一點(diǎn)，但是這進(jìn)程非常緩慢的。所以他和他的團(tuán)隊訓(xùn)練了神經(jīng)網(wǎng)絡(luò)來跟蹤描繪真正的神經(jīng)元。 “這種方法的效果要好得多，”他說。
無論每個神經(jīng)元的大小，其都包含各種突觸，其中大量的卷須被稱為樹突，而每個神經(jīng)元所擁有的一個長而細(xì)的纖維，稱為軸突。軸突用于遠(yuǎn)距離傳播神經(jīng)沖動，其甚至可以將神經(jīng)沖動完全穿過大腦傳導(dǎo)至脊髓。但是通過MICRONS項(xiàng)目對一立方毫米腦組織的繪制，研究人員可以從頭到尾跟蹤大多數(shù)軸突，從而觀察到一個完整的神經(jīng)回路。 “我想我們會發(fā)現(xiàn)很多奧秘，”Pfister說，“可能是我們從未想象過的結(jié)構(gòu)，也可能是全新的神經(jīng)連接?！?/p>
期望的力量
MICRONS團(tuán)隊開始希望開始回答的問題是：大腦的算法是什么？所有這些神經(jīng)回路是如何工作的？特別是那些反饋起到了什么作用？
目前許多人工智能應(yīng)用程序都不存在反饋。大多數(shù)神經(jīng)網(wǎng)絡(luò)中的電子信號從一個節(jié)點(diǎn)傳遞到下一個節(jié)點(diǎn)，但一般不會逆向傳遞。 （不要與“反向傳播”混在一起，那是訓(xùn)練神經(jīng)網(wǎng)絡(luò)的一種方法。）當(dāng)然這并非定數(shù)：循環(huán)神經(jīng)網(wǎng)絡(luò)確實(shí)存在著逆向連接，這有助于節(jié)點(diǎn)處理隨時間變化的輸入。但是，循環(huán)神經(jīng)網(wǎng)絡(luò)的反饋尺度遠(yuǎn)沒有達(dá)到大腦的處理水平?？▋?nèi)基梅隆的Tai Sing Lee指出，通過對大腦中部分視皮層的深入研究，“只有5％到10％的突觸在接收眼睛的輸入，”其余的都在監(jiān)聽來自上一級的反饋。
圖示：帶有腦組織切片的膠片被修剪，并被放入巨大的掃描儀
考克斯說，目前關(guān)于反饋大致有兩種理論，“其中之一認(rèn)為是大腦不斷嘗試預(yù)測輸入信息?！笨梢哉f當(dāng)感覺皮層正在處理當(dāng)前的場景時，其他腦組織正在試圖預(yù)測下一場景，并通過反饋網(wǎng)絡(luò)傳遞最好的猜測。
這是大腦應(yīng)對快速環(huán)境變化的唯一方法。 “神經(jīng)元的處理速度真的很慢，”考克斯說。 “視網(wǎng)膜感知到的光線可能需要170到200毫秒才能傳導(dǎo)至感知神經(jīng)元。這一時間足夠讓塞雷娜·威廉姆斯的網(wǎng)球飛上九米。“所以任何想要接到球的人都必須在預(yù)測的基礎(chǔ)上揮動球拍。
如果你在不斷嘗試預(yù)測未來，考克斯說，那么當(dāng)真實(shí)的未來到來時，你可以根據(jù)實(shí)際情況進(jìn)行調(diào)整，使下一個預(yù)測更好。這與關(guān)于反饋的第二個主要理論相吻合：大腦的反饋連接可以用來指導(dǎo)學(xué)習(xí)。事實(shí)上，計算機(jī)模擬表明，對改進(jìn)的不斷修正會建立關(guān)于真實(shí)世界的更優(yōu)模型。例如，考克斯說，“當(dāng)一個人轉(zhuǎn)身，你必然知道會出現(xiàn)怎么樣的一張臉。”他強(qiáng)調(diào)，這可能會是解決”一次學(xué)習(xí)”難題的關(guān)鍵。
考克斯說， “當(dāng)我的女兒第一次看到狗的時候，”Cox說，“她不必了解陰影如何，或者光線是如何反射的?！彼呀?jīng)有了類似事物的豐富經(jīng)驗(yàn)?！八援?dāng)她看到類似于“那是一只狗”的東西時，她就會把這些信息添加到自己的知識庫中。”
如果這些關(guān)于大腦反饋的想法是正確的，那么完全能夠通過MICRONS項(xiàng)目所繪制的大腦結(jié)構(gòu)和功能的詳細(xì)圖譜所展示出來顯示出來。MICRONS可以證明神經(jīng)回路如何實(shí)現(xiàn)預(yù)測和學(xué)習(xí)。最終，人工智能應(yīng)用程序可以模仿這個過程。
然而即便如此，我們依然無法回答關(guān)于大腦的所有問題。了解神經(jīng)回路并不能解決一切。細(xì)胞間的有些通信不需要依賴突觸，其中一些信息是通過激素和游離在神經(jīng)元之間的神經(jīng)遞質(zhì)來傳遞的。還有研究的規(guī)模問題。像MICRONS這種項(xiàng)目雖然對于神經(jīng)科學(xué)來說是一個飛躍，但它僅僅是為解決計算相關(guān)問題研究了大腦的一小塊皮質(zhì)。相比于整個大腦來說，而皮層只是大腦的超薄外層，關(guān)鍵的指揮和控制功能隱藏在諸如丘腦和基底神經(jīng)節(jié)等深層腦結(jié)構(gòu)中。
好消息是，MICRONS已經(jīng)為未來繪制規(guī)模更大的腦圖譜項(xiàng)目鋪平了道路。
沃格爾斯坦說，1億美元中的大部分資金將用于數(shù)據(jù)收集技術(shù)。與此同時，MICRONS團(tuán)隊正在開發(fā)速度更快的掃描技術(shù)，包括不需要切片的方法。而卡內(nèi)基梅隆大學(xué)、哈佛大學(xué)，麻省理工學(xué)院和伍茲霍爾海洋研究所相互合作，設(shè)計了一種通過“條形碼”為每個神經(jīng)元進(jìn)行獨(dú)特標(biāo)記的方法，然后通過使用“特殊凝膠“將這些細(xì)胞膨脹幾十甚至數(shù)百倍。
“所以，盡管第一個立方毫米的數(shù)據(jù)收集起來非常困難，” 沃格爾斯坦說，“但接下來會更加容易?！保媳?/p>
