牛牛影视免费观看成人,91久久久久久久国产

大腦，可以說是人類身上最奇妙的器官。但有趣的是，關(guān)于大腦研究的熱度，似乎并不是跟著醫(yī)學(xué)發(fā)展曲線前進(jìn)，而是跟著智能科技的發(fā)展前行的。

或許因?yàn)?a class="article-link" target="_blank" href="/e/1592241.html">人工智能本身就是為了模擬人類智慧出現(xiàn)，于是幾乎在人工智能發(fā)展的每個(gè)周期之中，往往是當(dāng)我們受算力或應(yīng)用環(huán)境一類基礎(chǔ)所限，AI 技術(shù)無法產(chǎn)生效率上的突破時(shí)，便會轉(zhuǎn)向?qū)θ四X的研究，試圖用計(jì)算機(jī)來模擬大腦的運(yùn)轉(zhuǎn)方式。

現(xiàn)如今，雖然深度神經(jīng)網(wǎng)絡(luò)應(yīng)用越來越廣泛，我們卻也能越來越多地發(fā)現(xiàn)人腦運(yùn)作的特殊性。

例如同樣是辨識動物，深度神經(jīng)網(wǎng)絡(luò)需要在黑箱中投入大量長頸鹿的圖片，才能讓 AI 辨識出“長頸鹿本鹿”。但對于人類兒童來說，通常見過一次長頸鹿圖片，就能識別出長頸鹿的骨架。

這一神秘的認(rèn)知過程，值得被不斷探索推演。

對 1 立方毫米的腦組織進(jìn)行逆向工程

近年來一項(xiàng)名為 Machine Intelligence from Cortical Networks（皮層網(wǎng)絡(luò)機(jī)器智能，以下簡稱 Microns）的項(xiàng)目為行業(yè)提供了全新的思路——對于大腦灰質(zhì)皮層進(jìn)行“逆向工程”，破解出其中的運(yùn)行策略，轉(zhuǎn)換成可為機(jī)器所用的算法。

這一項(xiàng)目來自 2013 年奧巴馬政府提出的“BRAIN 倡議”，通過一億美金的支持，倡導(dǎo)科學(xué)家們從認(rèn)知科學(xué)、神經(jīng)科學(xué)、融合科學(xué)等多個(gè)角度來對人類大腦的運(yùn)行方式進(jìn)行研究。

這一倡議被視作第二個(gè)人類基因組計(jì)劃——后者由多個(gè)國家的政府、學(xué)術(shù)機(jī)構(gòu)共同參與，耗時(shí)十三年對人類基因組進(jìn)行測序。曾經(jīng)有很多人質(zhì)疑過人類基因組計(jì)劃的意義，但如今這一項(xiàng)目正在遺傳學(xué)研究上發(fā)揮著重要意義。

Microns 目前是該倡議中完成度最高的項(xiàng)目，由美國高級情報(bào)研究計(jì)劃署主導(dǎo)資助。具體研究方式是，繪制出一塊 1 立方毫米的小鼠腦組織神經(jīng)元結(jié)構(gòu)，研究其神經(jīng)元間電路連通的模式，從而逆向推演動物的大腦如何對外界刺激進(jìn)行反應(yīng)。

1 立方毫米的小鼠腦組織，與人類相比，只達(dá)到了人類大腦體積的百萬分之一。可即便如此，仍然意味著 5 萬個(gè)互相連接的神經(jīng)元，以及 5 億個(gè)突觸。

我們知道，逆向工程意味著在已知某一產(chǎn)品的最終形態(tài)后，重新推演這項(xiàng)產(chǎn)品的誕生過程。那么面對這樣龐大的問題，要怎樣進(jìn)行“逆向工程”呢？

從顯微鏡到 DNA，

記錄神經(jīng)元運(yùn)動都有哪些方式？

美國高級情報(bào)研究計(jì)劃署選擇和三個(gè)研究團(tuán)隊(duì)合作，三種方式齊頭并進(jìn)一起對 1 立方毫米的小鼠腦組織進(jìn)行研究。

哈佛大學(xué)選擇的是電子顯微鏡。通過對大鼠注入熒光蛋白并進(jìn)行訓(xùn)練，為大鼠播放視頻刺激大腦活動，當(dāng)神經(jīng)元活動時(shí)，熒光蛋白中的鈣離子就會融入細(xì)胞使其發(fā)亮。這時(shí)再用激光顯微鏡記錄下神經(jīng)元活動狀況。另一方面，一立方厘米的腦組織被切割成薄片，在高分辨率下顯微鏡下成像。將活動時(shí)的神經(jīng)元狀況和完整的非活動狀態(tài)下神經(jīng)元連接狀況進(jìn)行對比映射，從而去挖掘?qū)嶒?yàn)鼠的“思維活動方式”。

來自哈佛醫(yī)學(xué)院的專家則選擇了另一種方法，他們通過一種特殊的 DNA 條碼對神經(jīng)元進(jìn)行標(biāo)注，通過這種特殊的標(biāo)注來識別神經(jīng)元運(yùn)動。至于腦組織切片，則可以通過基因測序機(jī)進(jìn)行信息分類，從而重現(xiàn)神經(jīng)元的運(yùn)動情況。

來自美國科學(xué)促進(jìn)會的團(tuán)隊(duì)，則干脆選擇數(shù)據(jù)驅(qū)動的方式，通過對腦神經(jīng)元連接方式的全面記錄來構(gòu)建研究基礎(chǔ)。

在計(jì)劃中，三個(gè)團(tuán)隊(duì)將一起監(jiān)測出大腦中數(shù)萬個(gè)神經(jīng)元的運(yùn)動情況，并且將腦組織切片的橫截面計(jì)算拼接，將神經(jīng)元的活動路徑連接起來，構(gòu)成一幅大腦運(yùn)動的三維地圖。建立在這一基礎(chǔ)上，在嘗試模擬神經(jīng)元運(yùn)動的模式。

逆向工程中的悖論：

通過大數(shù)據(jù)實(shí)現(xiàn)少樣本？

如此看來，針對大腦的逆向工程除了在研究方式上更為特出，分工上更聚焦細(xì)節(jié)之外，跟以往的大腦模擬工程等等也并無差別。

但值得注意的是，Microns 和其他大腦模擬最大的差別，就在于目標(biāo)明確。

在 13 年“BRAIN 倡議”被提出時(shí)，當(dāng)時(shí)定下的目標(biāo)是通過研究大腦來研究阿爾茨海默病、自閉癥等等疾病。但實(shí)際上真正開始啟動時(shí)，最受關(guān)注的項(xiàng)目 Microns 卻將目標(biāo)圈定在了人工智能應(yīng)用方面，三個(gè)團(tuán)隊(duì)每個(gè)都配上了至少一位算法科學(xué)家，為了把神經(jīng)學(xué)的結(jié)果轉(zhuǎn)換成可應(yīng)用的計(jì)算機(jī)科學(xué)。

如此來看，大腦研究與人工智能之間有種“有事鐘無艷，無事夏迎春”的感覺。平時(shí)腦科學(xué)研究總將目標(biāo)放在心理學(xué)、神經(jīng)學(xué)、醫(yī)學(xué)學(xué)科上，可一旦人工智能有熱度可蹭，與腦科學(xué)有關(guān)的類腦計(jì)算、認(rèn)知計(jì)算等等，又立刻成為了人工智能的明日之光。

就拿 Microns 這一個(gè)項(xiàng)目來說，就存在著嚴(yán)重的悖論。

首先 Microns 的目標(biāo)，是通過對大腦的模擬推演，實(shí)現(xiàn)更高效的少樣本甚至無樣本學(xué)習(xí)，讓神經(jīng)網(wǎng)絡(luò)不再需要依靠大量的數(shù)據(jù)就行建立模型。

而以目前這種對大腦逆向工程的手段來看，Microns 率先輸出的并不是算法，而是海量的神經(jīng)元運(yùn)動數(shù)據(jù)——每立方毫米的腦組織就會產(chǎn)生 1 到 2 PB 的數(shù)據(jù)。

所以為了處理這些數(shù)據(jù)，Microns 率先要研發(fā)出能夠承載海量數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型，耗費(fèi)大量時(shí)間進(jìn)行訓(xùn)練，興許還要利用上超算。

整個(gè)過程，是與 Microns 項(xiàng)目的初衷背道而馳的。

Microns 是誰的磚石瓦片？

其實(shí)對于 Microns 的未來，研究人員自己也很悲觀。雖然如今 Microns 的贊助費(fèi)用已經(jīng)高達(dá)上億美元，參與研究的哈佛大學(xué)神經(jīng)學(xué)家 David Cox 卻表示，人腦研究實(shí)在是太過龐雜的命題，他們一定會得出結(jié)果，但這些結(jié)果很難符合人們的預(yù)期。

目前來說，Microns 已經(jīng)能夠?yàn)閷?shí)驗(yàn)鼠的一些神經(jīng)元進(jìn)行簡單的分類。例如在分辨出在受到刺激時(shí)，哪些神經(jīng)元互相連接，哪些神經(jīng)元又是相對獨(dú)立的。只是這樣的結(jié)果不僅離應(yīng)用還很遠(yuǎn)，就連理論化和體系化都很難做到。

最后 Microns 項(xiàng)目的結(jié)果，很有可能只是累積下來大量關(guān)于神經(jīng)元運(yùn)動的數(shù)據(jù)，在開放給社會之后，等待更多力量共同挖掘。這個(gè)過程就像蓋房子，或許今天我們見證的，僅僅是準(zhǔn)備磚石瓦片的過程。利用這些磚石瓦片的，或許是人工智能，也或許是腦科學(xué)。

腦科學(xué)與人工智能之間的關(guān)系，有時(shí)候就像狗血言情小說里面的男女主角，看似天生一對，卻歷經(jīng)波折總是不能在一起。但是在彼此追逐的過程中，都獲得了更好的成長。