比你想像的來得更早——這場比賽最近竟然引發一場激烈辯論
作者：特裡·塞吉諾斯基
每當物理學家們揭開大自然的一些新規律，這些知識就可用於製造各種裝置，它們實現的功能讓人歎為觀止——例如，飛機可自由行走於天地間，廣播可讓千萬人足不出戶，遍知天下事。要是掌握了大腦的工作原理，我們理應能造出具有認知能力的奇異裝置——就如智能汽車一樣，駕車技巧比我們還嫻熟，因為它們之間可以互相通訊並且能共享路面信息。2008年，美國國家工程院將人腦逆向工程列為人類所面臨的最大科學挑戰之一。這一時刻什麼時候會來臨？有些人預計，得益於大腦科學和計算機科學的飛速發展，在這個十年之內，初步結果就將出爐。這聽起來有點不可思議，然而可能性卻越來越明顯，足以讓人腦逆向工程競賽的歷史性「第一」演變出一場激烈的辯論。
這場辯論的背後是一項引人注目的科學成就。神經學家們正將大腦分解成各個小零部件，自下而上從最簡單的分子開始試圖破解大腦的工作原理。科技工作者們正忙著描繪大腦的網絡圖，他們從老鼠到貓再到人類步步深入，從而誕生了一個全新的領域——神經連接組學。新的技術使得同時記錄多個神經元細胞工作成為可能，並且我們能做到對特定的神經元細胞進行刺激或者屏蔽。彷彿人們已經樂觀的看到，我們能夠從神經線路水平上瞭解大腦的工作原理。現在的大腦模型僅僅能夠模擬擁有數千個神經元細胞的神經網絡，但是這種狀況正迅速被改寫。
同時，數字計算機的處理能力、存儲空間和帶寬正呈幾何級數增長。直至最近，這種狀況都是靠提高時鐘頻率達到的，在我有生之年，我已看到處理器主頻從幾千赫茲上升至幾吉赫茲。但是時鐘頻率已經趨於飽和，現在計算機處理能力的提高主要靠增加處理器的數目以及提高在這些處理器之間分配任務的能力。運行最快的超級計算機擁有成百上千個處理器，而圖像處理器讓個人台式機的處理能力與十年前的超級計算機相當。要是描述計算機處理能力成幾何級數增長的摩爾定律沒有失效，計算機處理能力在某種程度上足夠強大，而且我們對大腦的認知程度足夠深入，要設計製造一個如人腦一樣基於神經計算原理的裝置，其所依據的原理是隨機概率原理而不是確定邏輯原理，其思考模式是基于歸納法而不是推導法。在去年十一月進行的廣為人知的辯論交鋒中，IBM的研究員德哈門扎.穆德哈在一次超級計算機論壇上宣佈，他的研究團隊已經編寫出一個可以模擬貓的大腦功能的軟件。這一消息讓很多人大吃一驚，因為他直接跳過了老鼠大腦，擊敗其他研究團隊，在這一領域裡取得了突破性進展。由於他的傑出貢獻，穆德哈贏得了廣受推崇的美國計算機學會戈登.貝爾獎，這一獎項用以表彰為高性能計算機應用做出過突出貢獻的人。
然而，他的大膽宣言卻遭到了洛桑理工學院神經學家，藍腦計劃的帶頭人亨利.馬克拉姆的挑戰。他在2009年宣稱：「做一個人腦並非不可能的事，我們用十年時間就能做出來。」在致IBM首席技術專家伯納德.邁耶森的公開信中，他指責穆德哈「一派胡言」，把他的研究報告說成是「開玩笑」和「彌天大謊」。這在博客世界（blogosphere）裡曾經一度引起轟動，對於如今尚在大腦和計算機科學十字路口附近徘徊的我們來說仍然是談論的熱點話題。
爭論的核心在於：怎麼樣才算真正意義上模擬貓的大腦？兩組工作人員都對大批仿製神經元細胞進行模擬並讓這些細胞之間互相聯繫，兩個模型都遠沒達到實時工作。穆德哈的模型只有一個體細胞——該細胞擁有細胞核——和簡化了的Spike神經元。相比的，馬克拉姆的模型擁有具體的神經元重組結構，該模型系統複雜，擁有被稱為樹突的多分枝互聯結構，甚至擁有一整套如離子信道等開關通信機制。與馬克拉姆的具體生物物理神經突觸相比，穆德哈模型中的突觸和神經細胞間的聯繫顯得過於簡單。這兩個模型在實現機制上趨於簡單和複雜的極端。
在模型選用觀點上這一辯論面臨緊張局面：為了加快模擬過程，應該選用神經元細胞的簡單模型；而為了瞭解神經元細胞的工作情況需要引入生物上具體的神經元細胞。在面對同樣的神經元細胞上，物理學家和工程師趨於採取簡單辦法而生物學家趨於採取複雜辦法。採取簡單模型的問題在於它可能存在將洗澡水連同孩子一同倒掉的風險。而採取複雜生物物理模型的問題在於所需神經元的確切數目有可能無窮無盡而我們無法對他們進行全面跟蹤。採用簡單神經元和網絡模型會損失多少大腦功能？要是我們將穆德哈和馬克拉姆的兩個模型直接進行一番比較的話，我們可能立刻可以對該問題進行作答。
不幸的是，目前兩個小組進行的大規模模擬實驗在模仿貓的睡眠節奏和癲癇症狀上比模仿其日常行為要詳盡的多。因為兩個模型都不具備感覺輸入和動作輸出。它們也都缺省了皮下組織的關鍵部分——如進行動作協調的小腦，控制情緒的扁桃體以及控制肌肉組織的脊髓。儘管如此，通過穆德哈的模型，我們瞭解了怎麼樣去對用以模擬神經元細胞和突觸的量與實際大腦相當的大規模並行結構進行編程；通過馬克拉姆的模型，我們瞭解了如何對不同詳盡程度的模擬之間進行整合。在報告中，穆德哈預計到2019 年，最大型的超級計算機將能夠實時的模擬人腦的基本元素，在預言時間的共識上，這與馬克拉姆是何等接近。然而，最好的情況下，到那時我們也僅能夠模擬嬰兒的大腦或者精神病患者的大腦。人類大腦所擁有的東西比它所擁有的實際組成部分遠遠要大。
當然，真的製造一個貓腦或者人腦沒有必要也很不值得，因為我們已經有了具備全部功能的人和貓。然而這種技術可以有其他用途。在2005年，麥克馬斯特大學認知系統實驗中心主任西蒙.赫金寫了一篇頗具影響力的文章，名字叫《認知無線電：基於腦神經的無線電通信》，這篇文章為新一代無線網絡奠定了基礎，該代網絡利用大腦的計算原理預見性地分配電磁波頻譜，比當前採用的帶寬使用標準更加行之有效。這些都不再是天方夜譚。在最近一次科學技術顧問委員會會議上，委員們已經和奧巴馬總統商討過在下一次聯邦電磁波譜拍賣來臨時配置最早版本的智能通信系統的計劃。
緊接著的是用類似的辦法來提高其他設施的性能，如「智能電網」或者如智能汽車一樣的別的裝置。這些智能系統的感覺中樞和運動中樞將構成這個世界的基礎。傳感器採集信息——如用電量，路面情況，天氣狀況及傳染病擴散程度等——然後再利用這些信息優化目標。例如，通過監控資源的流動，減少用電量或者輸電時間。該系統的一部分已經在有效運作，但是還缺少一個神經中樞以整合信息流並對各種情況作出合理行動。完全實現這些功能在不久的將來顯然是沒問題的。在對大腦運作方式模仿的日趨成熟中，我們周圍的世界會越來越智能化和高效化。隨著智能結構體的不斷演變，有一天他們的能力和複雜程度甚至會挑戰人類大腦。到那時，人工智能將可替代人類，從事各種工作。
留言列表
