人腦計劃未來究竟能否實現(xiàn)？

艾德·楊

多年以來，瑞士洛桑理工學院的神經科學家亨利·馬克萊姆一直聲稱自己能夠在10年之內在電腦中模擬出人類大腦。2013年1月23日，歐盟委員會讓他對此進行證實。經過近兩年的激烈競爭后，他雄心勃勃的人腦計劃（HBP）打敗其他幾個同樣宏偉的項目，獲得了來自歐盟的高達10億歐元的巨額資助。那么，等時候到了，他能兌現(xiàn)自己的許諾嗎？有可能對人類顱骨里重1.4千克、包含860億個神經元的大腦——

世界上最強大的電腦——進行電腦模擬嗎？

這個項目引起了神經科學家的一致反對，尤其在科研經費相對拮據(jù)的當時，人們對人腦計劃獲得的巨額資助頗有微詞。不過，這些爭論對馬克萊姆來說微不足道。人們最常提及的反對意見就是人腦太復雜，無法模擬，而且我們對大腦的了解還處于初級階段。

早在20世紀50年代，神經科學家就已經建立了許多神經元電腦模型，但大多數(shù)人只是把這些細胞當作單個的抽象點。然而，馬克萊姆有自己的想法。他想以神經元的本來面目構建模型，包括其復雜而精確的網絡細節(jié)，以及充斥其中的活躍基因和電流活動;他要在離子通道層面對細胞進行模擬（離子通道是一種分子“閥門”，使神經元能夠通過帶電粒子進出細胞膜而產生電壓）;他想再現(xiàn)細胞里開啟和閉合的基因，還想模擬使神經元得以與周圍進行交流的大約3000個突觸。

艾琳·麥基爾南從事單個神經元計算機模型的設計，是這個“自下而上”構建人腦模型的方法的粉絲?！罢嬲私庖粋€基本單位的運作并重新構建模型——我大致同意這種實驗方法，”她說，“但是我對時間框架持有異議。馬克萊姆說用10年時間我們就可以完全模擬大腦，我認為這不可能。”

光是構建單個神經元模型就已經夠復雜了，簡直可以稱得上魔鬼任務?！皩Χ鄶?shù)神經元，我們還不了解其離子通道的構成，也不知道它們如何協(xié)作來完成電流活動，以及它們在生長或受傷時將發(fā)生何種變化?！彼f，“從另一個層面來講，我們對神經元彼此間如何連接，或者如何生長、收縮及變化，更是知之甚少。”如果上升到更高一級的層面，我們知道的就更少得可憐了。

“當然，我們目前已經擁有的只是所需的極其微小的一部分?！瘪R克萊姆說道。更糟的是，從成本、技術需要方面來說，通過實驗構建出每個分子、細胞以及相關連接的模型是完全行不通的。但是，馬克萊姆堅信，構建這樣一個統(tǒng)一模型是整合知識的唯一途徑，也是集中填補空白的開始。通過對知識的整合，我們可以憑借已知的去推測未知的，并將所有懸而未決的事物進行提煉，作為將來研究的新思路、新發(fā)現(xiàn)。

馬克萊姆團隊投入時間和精力最多的地方，是詳細記錄何種基因活躍于哪些神經元。神經元并不都是相同的，它們有多種類型，在大腦中扮演不同角色，激活不同基因。一旦馬克萊姆掌握所有神經元的信息，即所謂的“單細胞轉錄組”，他就有信心推斷出大腦不同部分的神經元構成，復制每個細胞的電活動，甚至模擬神經元突觸的生長。他認為，“我們正在揭開支配大腦功能的生物學定律的神秘面紗”。

20多年來，馬克萊姆的團隊已經梳理出老鼠神經元的基本分布細節(jié)，并建立了一個被稱為腦皮層柱的虛擬腦結構切片。目前，他們已經完成了100個這樣的腦皮層柱模型，每個都含有大約1萬個神經元——不及老鼠大腦神經元總數(shù)的2%，是人類大腦的0.001%。

來自布雷因公司的尤金·艾芝科維奇曾參與構建過一個包括1000億個神經元的模型。他確信，我們有能力建造一個從解剖結構到連接方式都與真實大腦無異的網絡模型，即便專家把它切開也不會發(fā)現(xiàn)任何不同。他說道：“這將類似于圖靈測試（Turingtest，是人工智能領域內一種用于判斷計算機是否具有人類思維能力的測試方法——譯者注），用來檢測大腦模型跟真實大腦的相似程度?！?/p>

無疑，那是一個極好的大腦模型，只不過是個空壇子里的死大腦。一個真正活著的大腦充滿電脈動——從沿神經元線路傳播的小規(guī)模電流，到橫掃整片腦葉的大型電波。真正的大腦居于人體之中，且與周圍環(huán)境存在互動。如果能模擬所有這些動態(tài)機制，又會冒出些什么來呢？學習能力、智力，還是意識？

“人們覺得，我想建立的這個神奇模型終有一天是要開口說話的，或者做些什么有趣的事情?！瘪R克萊姆說，“對此我負有部分責任，因為在TED演講的時間有限，我只能大而化之地講一下。它到底能做什么倒在其次，因為我們不是在制造一個模仿人類行為的機器，只是將數(shù)據(jù)組織起來?！?/p>

加拿大安大略省滑鐵盧大學的神經科學家克里斯·艾力史密斯對此表示擔憂：“這項工程確實令人印象深刻，但或許會讓公眾陷入疑惑，搞不懂人們?yōu)槭裁匆ㄙM大量時間和精力去建造這樣一個什么都做不了的東西?！瘪R克萊姆的項目并非該研究領域的唯一嘗試。2012年11月，IBM也推出了一款被稱為“SyNAPSE”的大腦模擬程序，其中包括5300億個神經元，由100萬億個突觸連接在一起，能夠做……其實做不了什么事情，它就是一個大型計算機，仍然得通過編程進行操作。艾力史密斯說：“馬克萊姆可能會挑剔，說這些神經元還不夠逼真。但是將無數(shù)神經元湊在一起，再依據(jù)生物學將它們湊合著連接起

來，同樣不能越過這條鴻溝?！?/p>

艾力史密斯獨辟蹊徑，采取了完全不同的方法，將功能放在首位。2012年11月，他推出了一款名為“Spaun”的模型，只模擬了250萬個神經元，卻能夠做出反應。它只模擬了單個神經元的生物學原理和連接方式，卻通過我們對大腦構造的了解進行組織。這既是一個自上而下的模型，也是一個自下而上的模型，為可以做出反應的大腦模型設立了標桿。它可以識別和復制數(shù)列，進行簡單的算術運算，還可以解決基本的推理問題。它甚至能夠像我們一樣犯錯，比如，只能記住項目清單開始和結尾的幾個名稱。

然而，構建Spaun模型的目的也不是建立一個人造的大腦，它只是神經科學家的實驗臺，一個我們可以用來搞清楚大腦工作原理的平臺。想知道X區(qū)域是否控制Y功能？做出來看看就知道了。如果將X區(qū)域破壞掉，Spaun的心智是否會受影響？試試就能知道。

這類實驗在人腦計劃那種自下而上的構造方式中是非常難實現(xiàn)的。即使那個模型能夠顯示出智慧之類的東西，想摸清它的來龍去脈也不是那么容易的，不是說你在模型的某個地方擰擰螺絲、轉轉旋鈕，看看會發(fā)生什么那么簡單。如果你試圖了解大腦，而且也確實建造了一個相當不錯的模型，那么，問題在于，你最終做出來的是……也不過是個大腦而已，而且是個相當復雜的大腦。

此外，艾芝科維奇指出，科技之力將很快超過大腦擅長的許多領域。他說：“我用計算器做運算比用大腦好得多，計算機的棋藝也比人好?！奔幢阌谐蝗沾竽X模型可以進步到完全模擬大腦的各種功能，但那時的其他科技將會做得更快更好，而且“這個課題也不再那么吸引人了”。

因此，模擬大腦本身并不是目標，而是達到某些目標的手段。它是將工具、專家與數(shù)據(jù)組合起來的一種手段，正如艾芝科維奇所說，“探索的過程才是最重要的”。