1700527068
1700527069
人脑中的神经元数量大约为1 000亿。每个神经元平均约有1 000个连接，共计100万亿个连接。有了这100万亿个连接和1亿个知识块（包括模式与技能），就可以估算出每个知识块大约有100万个连接。
1700527070
1700527071
计算机模拟神经网络使用了各种神经元模型，这些模型都相对比较简单。有人曾试图给现实中的哺乳动物神经元提供详细的电子模型，但这种努力似乎表明，虽然动物的神经元远比典型的计算机模型复杂，但它们在复杂性方面的差异却很小。即便是使用简单的神经元计算机版本，也可以模拟知识块——一张面孔、一个形状、一个因素或者一个词义，每个知识块都尽可能只使用1 000个连接。因此，对人类大脑中每个人类知识块大约有100万个神经连接的粗略估计是合理的。
1700527072
1700527073
大脑的确比较大。因此，我们把估算扩大1 000倍（对知识块的数量估计），这种计算仍然奏效。然而，可能大脑对知识的编码方法不如机器的方法高效。这种明显的低效与我们对人脑是保守设计的理解一致。大脑依赖于高度冗余以及密度相对较低的信息储存，这样才能获得可靠性并继续高效地运作，而不用担心随着年纪变大神经元损失的概率增高。
1700527074
1700527075
我的结论是，对于单个神经元的信息处理模型远比我们现在对它们的理解复杂，我们没必要过于在意，因为大脑足够大。
1700527076
1700527077
但是没必要模仿人脑的整个进化过程来解开它所蕴含的复杂秘密。就像技术公司将剖析并“逆向制造”（分析以便了解方法）对手的产品一样，对于人脑，我们也能采取同样的方法。毕竟，它是我们可以接触到的智能过程的最佳例子。我们可以分析人脑的架构、组织以及内部知识来加速理解如何才能在机器中加入智能。通过探索人脑的电路，我们可以复制并模仿这一已经证明的设计，这一设计花费了设计者几十亿年的时间才发展成现在的模样（它甚至没有版权）。
1700527078
1700527079
随着我们利用计算能力来模仿人脑——这一点尚未实现，不过有望在10年之内做到，我们会为之努力，我们甚至已经开始跃跃欲试。
1700527080
1700527081
比如，新思国际的视觉芯片就是将神经元组织复制到硅当中，当然，该芯片不仅模仿了人类视网膜，还模仿了哺乳动物早期阶段的视觉处理功能。它抓住了早期哺乳动物视觉处理算法的精髓，这种算法被称为“中央包围过滤”（center surround filtering）。它并不是一种复杂的芯片，而是真正抓住了人类视觉初级阶段的精髓。
1700527082
1700527083
有一种幻想颇受观察者们的欢迎，他们无论知识渊博还是肤浅，都认为逆向工程项目是不可行的。霍夫施塔特担忧地表示：“人脑也许太过脆弱，还无法了解它自己。”19但这种看法与我们的发现不符。在探索大脑神经电路时我们就发现，大规模并行处理算法并不是很难理解，它们也并非无限的数字。大脑中有成百上千个特殊区域，它们的构造相当精细复杂，这就是它经历了漫长岁月的进化的结果。大脑之谜并没有超出我们的理解范围。当然也不会超过21世纪计算机的理解范围。
1700527084
1700527085
知识就摆在我们面前，更确切地说，知识就在我们的身体里面。得到知识并非不可能。让我们从最直接的方案开始，从现在可以操作的方案开始（至少可以起步）。
1700527086
1700527087
我们就从冰冻最近死亡的大脑开始着手吧。
1700527088
1700527089
现在，在收到太多愤怒的声讨之前，让我拿达·芬奇当我的挡箭牌。达·芬奇也从他的同辈人那里得到了很多令人苦恼的谴责。这个小伙子从停尸房里偷了一些死尸，运回住处再肢解。这一切都是在解剖尸体为人们普遍接受以前发生的事。他以知识的名义做着这一切，在那时，这可算不上什么有价值的事。他只是想弄清楚人类的身体是如何运作的，但同辈人认为他的做法既诡异又失礼。现在的看法不同了，加深对身体这台奇妙机器的理解就是我们最崇高的敬意。我们总是依靠肢解死尸来了解活着的躯体是如何运作的，然后再将自己所学传授他人。
1700527090
1700527091
此处我的建议也没有什么差别。除了一件事：我谈论的是大脑，不是身体。这么说更贴切。我们对大脑的认识要多于对身体的认识。人们认为脑部手术要比脚趾手术更具侵略性。然而探索大脑所获知识的价值太过珍贵了，让人们无法对它置之不理。因为，我们将克服任何神经质的质疑。
1700527092
1700527093
正如我所说，我们先从冷冻死亡的大脑开始。这并不是什么新概念——美国国家心理卫生研究所的前任管理员、现任一家私人研究基金会心理健康分支带头人的E·富勒·托雷博士曾在44个冷冻箱中冷冻了226个大脑。20托雷及其助手想要了解是什么引起了精神分裂症，因此他所收集的所有大脑都来自已故的精神分裂患者，但这对我们的研究目的并没有什么帮助。
1700527094
1700527095
我们一次只检测了大脑上的一层，非常薄的一片。借助具备适当敏感度的二维扫描设备，可以看见每个突触——薄层中的每个神经元和每个连接。如果已经检测了一层并储存了必要数据，就可以将其刮除再看下一片。这一信息可以储存起来，组装成大脑连接和神经拓扑结构的巨大三维模型。
1700527096
1700527097
如果冷冻的大脑是刚刚死亡的，那效果更好。死亡的大脑将揭示更多有关活着的大脑的秘密，但显然这不是理想的实验品，因为有一部分脑死亡一定会通过神经结构恶化表现出来。大概我们也不想在死亡大脑的基础上设计智能机器，但可能会利用将死之人的大脑，不知道他们是否会允许我们在其大脑停止运转之前而不是在脑死亡之后轻轻地对其进行破坏性扫描。一位被判处死刑的杀人犯同意接受大脑和身体扫描，从“人类模拟中心互联网”的“可视人体计划”网站，21可以看见所有关于他的100亿字节的信息。网站上还有分辨率更高的250亿字节的女性材料。虽然这两个人的扫描结果的分辨率还不是很高，无法实现预期方案，但这却是捐献大脑做逆向工程的一个案例。当然，我们大概也不想利用一个杀人犯的大脑来设计智能机器。
1700527098
1700527099
无创扫描大脑的方式目前还只是空谈。上文中，我从比较具有侵略性的方案开始讲起的原因是，从技术上来看，这种方法要容易得多。事实上，现在我们已经有办法实行破坏式扫描技术（虽然在合理的时间内频带宽度还无法扫描整个大脑）。无创型、高速、高分辨率的磁共振成像扫描仪已经可以在扫描时不干扰活组织的情况下查看个人的体细胞（神经细胞体）。正在开发当中的、功能更强大的磁共振成像将可以扫描直径仅为10微米（百万分之一米）的个体神经纤维。在21世纪的头10年，这一设计会变成现实。最后，我们将可以扫描人类大脑中负责学习的地方——神经突触前的囊泡。
1700527100
1700527101
如今，我们可以利用磁共振成像扫描仪窥探别人的大脑内部，随着这种技术不断更新换代，分辨率也会不断增加。要实现这个目标还面临着许多技术挑战，包括达到合适的分辨率和频带宽度（即传递速度），缺乏振动和安全性等。由于各种各样的原因，扫描一个刚刚死亡的大脑要比扫描仍然活着的大脑难度更低。（其中一个原因是，让一个死去的人静静坐着要更容易一些。）但随着磁共振成像和其他扫描技术不断提高分辨率和速度，用无创型技术扫描活人大脑将最终变得可行。
1700527102
1700527103
以色列魏兹曼研究所的阿米拉姆·格林瓦尔德开发了一种叫作光子成像的新型扫描技术，这种技术的分辨率要远远高于磁共振成像的分辨率。如同磁共振成像一样，它的基础是神经元的电子活动与给神经元补给能量的毛细血管中血液循环之间的互动。这一装置的分辨率达到了50微米以下，并且可以实时运作。当大脑参与处理视觉信息时，格林瓦尔德及德国马克斯·普朗克研究所的研究员们被神经活动模式的高度规律性难住了。22其中一个研究员是马克·许贝纳博士，他这样评价道：“工作中的大脑图像非常有序，像曼哈顿的地图，而不是像中世纪的欧洲小镇地图。”格林瓦尔德、许贝纳及其助手们都能够利用大脑扫描仪来区分不同的神经元，比如负责观察深度、形状、颜色的神经元。由于这些神经元会彼此互动，所以神经活动的结果模式就像仔细拼接在一起的马赛克图案。研究员可以通过扫描看见神经元之间是如何进行信息补给的。举例来说，他们注意到负责感知深度的神经元呈平行排列，为感知形状的神经元提供信息并形成更详尽的类似纸风车形状的模式。现在，格林瓦尔德的扫描技术只能使接近大脑表面的薄层成像，不过魏兹曼研究所正努力改进技术，试图扩展它的三维能力。格林瓦尔德的扫描技术也促进了磁共振成像扫描分辨率的提高。一项最近的研究发现，红外光可以穿过颅骨，这个发展更令人兴奋，因为光子成像可能成为具有高分辨率的大脑扫描技术的方法。
1700527104
1700527105
诸如磁共振成像这样的无创型扫描技术正在飞速发展，其背后的推动力还是加速回报定律，因为它需要运用大规模计算能力，从磁共振成像扫描仪生成的原始磁共振模式当中构建高分辨率的三维图像。由加速回报定律提供的呈指数级增长的计算能力（以及生效了15~20年的摩尔定律），将使人类能够继续迅速提高这些无创型扫描技术的分辨率和速度。
1700527106
1700527107
以突触为单位绘制人脑图像似乎是一个不可能完成的任务，但人类基因组计划却做到了，1991年该计划开始时，他们便绘制了人类基因图。虽然人类遗传密码的容量还未被破解，但美国的9个基因组测序的中心有信心完成这项任务，目标日期是2005年，即使届时没有实现，也不会拖延太久。最近，一个拥有珀金——埃尔默基金的私人企业公布了要在2001年为整个人类基因组排序的计划。我在上文提及过，在早些年间，人类基因组的扫描进程非常缓慢，随着技术不断进步，扫描速度也在加快，尤其那些可以识别有用基因信息的电脑程序更是贡献了力量，研究人员还希望研究基因的电脑程序可以达到预期。人脑图像绘制项目也是如此，由于加速回报定律，扫描方法和记录100万亿神经元连接的技术也加快了发展速度。
1700527108
1700527109
信息用来做什么？
1700527110
1700527111
使用细节化的大脑扫描技术会得到两种方案。最直接的——通过扫描来了解大脑就是扫描大脑的各个部分，来探知不同领域的神经元连接的结构和潜在算法。每个神经纤维的具体位置并不像整体模式那么重要。获取这些信息后我们就可以设计模仿型的神经网络，使之以类似的方式运作。这一过程就像一层一层剥开洋葱的皮一样，人类智能将最终显现出来。
1700527112
1700527113
新思国际就采用了这种做法，该公司研制的芯片模仿了哺乳动物视神经成像的处理过程。这也是格林瓦尔德、许贝纳及其助手计划对他们的视觉皮层扫描时所采取的做法。还有很多其他项目要利用扫描大脑某些部分，并把结果运用到智能系统的设计当中。
1700527114
1700527115
在同一领域中，大脑电路的重复率极高，因此同一区域中只有一小部分需要全面扫描。从计算来看，一个神经元或一组神经元的相关计算性活动非常简单明了，我们可以通过扫描来了解并模仿这些方法，一旦观察、记录并分析了神经元的结构和拓扑、神经元间接线的组织以及某一区域神经活动的序列，就可以对这一区域的并行算法进行提炼。对该区域的所有算法都了然于心之后，就可以将它们改良，然后将其运用于模拟神经系统。如果电子已经比神经电路快100万倍，那么这些方法无疑就可以迅速加速。
1700527116
1700527117
我们可以将已得到的算法同已经了解的制造智能机器的方法结合起来，我们也可以放弃对机器来说没什么用处的人类计算。当然，我们必须要小心行事，这样才不会把婴儿和洗澡水一起泼出去。
[
上一页 ]
[ :1.700527068e+09 ]
[
下一页 ]