1704611187
1704611188
1704611189
1704611190
1704611192
人工智能:改变世界,重建未来 模拟神经元
1704611193
1704611194
马里乌斯·乌尔萨凯和威廉·西姆斯·本布里奇所描述的那种复杂的推荐系统“头脑文件”可能以软件形式复制我们。然而,确保将一个人按照不同于原始的方式重建的唯一真正可靠的方法是,通过提取神经元来复制大脑中的所有细胞通路。
1704611195
1704611196
要使上述方法成为可能,我们必须首先接受人工智能的核心原则:大脑执行的主要任务可以被视作信息处理,这与计算机执行的任务没什么不同。换句话说,计算机系统中所用的软件与所谓的人脑“湿件”没有本质区别。这种智能模式要求我们遵守“基质独立”原则,这意味着大脑作为一种动态过程,并不一定与一组原子相关联。如果大脑的信息处理是真正的基质独立,那么这就意味着某一天,它可以将智能从以蛋白质为基础的大脑转移到另一种更加持久的媒介中,如计算机网络。
1704611197
1704611198
因此,问题就演变为我们如何建造这样的一个大脑。最简单的答案是,就像任何一个曾经把闹钟拆开想要了解其工作原理的人,他知道这是对它的“反向设计”。这种行为就是把现有软件或硬件拆开,从而了解它的生产方式。一旦我们了解了它的生产方式,我们就可以用同样的方法建立一套完全相同的模型。如果我们碰巧知道它已经建造成功,还获取了一些输入和输出的数据,我们就可以训练神经网络,使它对本书所述的任何事做出相同的举动。
1704611199
1704611200
当今时代,把大脑当作软件最成功的尝试是深度学习神经网络。基于对生物大脑的简单模仿,这些网络已经变得越来越复杂,并且越来越成熟。当马文·明斯基于1994年创作他的论文《机器人是否将接管地球?》时,大量神经网络构成了约440个连接点。而在我写本章的时候,世界最大的深度学习网络属于一家名为“Digital Reasoning”的美国认知计算公司,拥有约1 600亿个神经连接点。尽管它与人脑的实际复杂性还相距甚远,因为人脑约有86万亿个类神经连接,但这是几十年来的一个巨大飞跃。每立方毫米的人脑组织竟然包含100 000个神经元,以及约900 000 000个类神经连接。
1704611201
1704611202
如果摩尔定律继续有效,未来几十年内建立一个这种规模的神经网络不是什么问题。不幸的是,单靠这些并不足以生成大脑般聪慧的智能。我们知道,这是因为尽管计算机科学家建立了拥有上百万个神经元的神经网络,但它仍然还不具备可与动物相提并论的通用人工智能。在动物界,100万个神经元应该能让大脑具备蜜蜂这个水平(96万神经元)或蟑螂这个水平(100万神经元)的智能。我们还没有做到这点。事实上,我们离重造真正的动物中枢神经系统的“神经连接体”或接线图最近的尝试是分析一种被称为秀丽隐杆线虫的雌雄同体线虫。早在20世纪70年代,诺贝尔奖得主、生物学家悉尼·布伦纳(Sydney Brenner)和他的同事为了能够使用功能强大的电子显微镜拍摄线虫细胞,开始对秀丽隐杆线虫进行切片。到了1986年,布伦纳收集到了足够多的信息,发布了这种线虫完整的神经系统连接体。至今,它依然还是我们能够解码的所有生物体中最完整的神经连接体。
1704611203
1704611204
因为秀丽隐杆线虫的神经系统结构非常基础,7 000个神经突触将仅有的302个神经元连接在一起。尽管这种结构非常简单,但是我们对其神经系统的实际工作原理仍然知之甚少。自2011年以来,用计算机为该线虫建模的任务一直由美国、欧洲和俄罗斯的数百位科学家和程序员组成的国际团队在进行。这个被称为“OpenWorm”的项目试图建立一个线虫的仿真物理躯体和具体的仿真神经系统模型。然而,尽管花费了大量人力物力,我们依然尚未了解线虫神经元处理信息的机制,而依靠这种机制我们可以复制最基本的爬虫行为。
1704611205
1704611206
假设我们已经有了功能足够强大的计算机,那么模拟数十亿互动的神经元就不再是棘手的事了。从已经展开的工作来看,我们知道在网络里组装数十亿个神经元并不能产生智能的人类级大脑,而把数十亿个传感器放在一起至多产生一个功能不错的中央处理器(CPU)。秀丽隐杆线虫这样的神经连接体是一个静止的环路,实际上缺乏所有的环路运行信息。这是因为,当我们查看神经网络的时候,有些参数隐藏在我们无法进入的神经元内。换句话说,你可能查看了现有计算机的蓝图之后就建造了一台计算机,但你可能依然会对编写微软Word程序一头雾水。
1704611207
1704611208
如果思维是大脑的软件,为什么我们希望它会有所不同?
1704611209
1704611210
1704611211
1704611212
1704611214
人工智能:改变世界,重建未来 绘制大脑
1704611215
1704611216
直到现在,神经系统科学主要沿着两个方向发展。一个是研究者专注于个体神经元的微观研究。这取得了一些进步,但它只提供了一些有关大脑机能的有限知识,因为它忽视了发生在神经元周围的大脑网络活动。另一个是研究者关注大脑不同部分的宏观皮层架构,在大脑皮层里,最小的可分解单元可能是几十万个神经元。一直以来,这种研究主要通过实际移除部分人类大脑,并在显微镜下进行分析来进行。今天,我们能够以微创的方式进行这项研究。1990年,日本物理学家小川诚二(Seiji Ogawa)和他的同事创立了一种脑成像技术,称为功能性磁共振成像,简称fMRI,由于能够找出哪部分大脑对某些类型的行为负责,它创造了许多令人瞩目的成就。
1704611217
1704611218
比如2015年,加利福尼亚的医生将一对电极移植进一位名为埃里克·索尔托(Erik Sorto)的34岁的四肢截瘫的患者脑中,使他能够利用自己的思维控制一条机械手臂。通过记录索尔托大脑后顶叶皮层(这部分大脑负责处理运动计划)的信号,并将这些信号反馈至旨在分析这些信息的神经网络,索尔托的意图能够被解码,并随后转换成运动指令,发送给独立的机械手臂。索尔托从握手这样的简单任务开始,很快就能玩“石头剪刀布”,甚至可以10年来首次自己端起啤酒来喝。
1704611219
1704611220
在另一个相似的实验中,休斯敦大学的研究人员开发了一种大脑机器界面,它不再需要移植进大脑,而只要一个脑电帽,通过这顶帽子该界面可以检测大脑通过头皮的脑电活动。尽管生成的信号比在大脑里实际放置一个纳米微电极产生的电噪多,但研究人员却能够缩小或扩大大脑有用的信号运行的频率。结果,和埃里克·索尔托一样,测试中56岁的截肢患者能够使用机械手臂捡起各种物体,包括水瓶和信用卡。
1704611221
1704611222
和本章开始部分所说的“头脑文件”细节一样,从这些项目中获取的知识都能使研究人员建立关于大脑的更加详细的画面。2013年,一组研究人员得出了一个3D人脑扫描图,它占用了一兆兆(1012)字节的空间。尽管这些扫描图依然还不足以回答大脑微观结构方面的问题,但这些图告诉了我们一些大脑显微解剖学不曾告诉我们的细节。
1704611223
1704611224
因此,下一步就涉及继续钻研更加精细的细节,按神经元逐个找出事物的功能。就在现在,神经系统科学家已经大致了解了大脑神经元的作用是什么,以及它们是如何与其他神经元相互交流的,但他们仍然无法明确地说出实际交流的是什么。神经元有上百乃至上千个变体,每个变体都有自己的细胞类型和不同的分子特性。现在,我们仍然不知道一共有多少种神经元,或者每种神经元的电学或结构属性是什么。我们也不知道大脑采用什么格式进行编码。我们知道计算机使用JPEG和GIF等文件格式为图片进行编码,或者DOC和TXT格式为文本文件进行编码。理解大脑意味着不仅要理解单个神经元的工作方式,也要理解与它们并行的作为神经网络一部分的其他神经元之间的互动方式。
1704611225
1704611226
现在有许多关于如何更好完成这个项目的想法。未来学家雷·库兹韦尔(Ray Kurzweil)目前被谷歌聘为工程总监之一,他建议使用小型微观纳米机器人扫描人脑。这有点像第三章里描述的可注射式智能设备。实现库兹韦尔的愿景需要数十亿个这种扫描机器人,其尺寸如同人类的血液细胞,它甚至可以更小,从而进入大脑,通过内部扫描来捕捉“所有显著的神经元细节”。
1704611227
1704611228
从理论上来讲,这是个好想法,但库兹韦尔的乐观想法一直为一些神经系统科学家所批判。因为他这种关于人脑科学的说法就像是建议我们要增强对濒危物种的意识,而做法则是在雨林的中央建造很多公路,以便人们可以近距离观看动物。比如,《神经生理学期刊》主编大卫·J·林登(David J. Linden)指出,大脑不仅由神经元构成,也由所谓的“胶质细胞”构成。胶质细胞的数量是神经元的10倍,而且紧紧地挤在一起,使纳米机器人无法通过。更糟的是,即便是脑细胞之间的极小空间也充满了支撑结构,从而反复地将信号运往相邻细胞。林登说:“你可以设想库兹韦尔的纳米机器人……坠毁在活跃的、脑电活动的微妙网络中。即使我们勇敢的纳米机器人有喷气发动机,并且装备了强大的切割激光,但它在大脑中通行时怎么能够在身后不留下破坏的痕迹呢?”
1704611229
1704611230
即使库兹韦尔的说法有些是错的,但他所设想的宏图并没有错。随着人工智能的进步和纳米技术的平行发展,机器人学与神经系统科学是数以亿计的资金涌向人脑逆向工程的原因。就像1956年开启人工智能的英国达特茅斯大会一样,这导致了不同学科间的一些有趣的合作。
1704611231
1704611232
1704611233
1704611234
1704611236
人工智能:改变世界,重建未来 下一个大事件
[
上一页 ]
[ :1.704611187e+09 ]
[
下一页 ]