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

或許因為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)展的每個周期之中，往往是當我們受算力或應用環(huán)境一類基礎所限，AI技術無法產(chǎn)生效率上的突破時，便會轉向對人腦的研究，試圖用計算機來模擬大腦的運轉方式。

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

例如同樣是辨識動物，深度神經(jīng)網(wǎng)絡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。

這一神秘的認知過程，值得被不斷探索推演。

對1立方毫米的腦組織進行逆向工程

近年來一項名為Machine Intelligence from Cortical Networks（皮層網(wǎng)絡機器智能，以下簡稱Microns）的項目為行業(yè)提供了全新的思路——對于大腦灰質(zhì)皮層進行“逆向工程”，破解出其中的運行策略，轉換成可為機器所用的算法。

這一項目來自2013年奧巴馬政府提出的“BRAIN倡議”，通過一億美金的支持，倡導科學家們從認知科學、神經(jīng)科學、融合科學等多個角度來對人類大腦的運行方式進行研究。

這一倡議被視作第二個人類基因組計劃——后者由多個國家的政府、學術機構共同參與，耗時十三年對人類基因組進行測序。曾經(jīng)有很多人質(zhì)疑過人類基因組計劃的意義，但如今這一項目正在遺傳學研究上發(fā)揮著重要意義。

Microns目前是該倡議中完成度最高的項目，由美國高級情報研究計劃署主導資助。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)元結構，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行反應。

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

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，重新推演這項產(chǎn)品的誕生過程。那么面對這樣龐大的問題，要怎樣進行“逆向工程”呢？

從顯微鏡到DNA，記錄神經(jīng)元運動都有哪些方式？

美國高級情報研究計劃署選擇和三個研究團隊合作，三種方式齊頭并進一起對1立方毫米的小鼠腦組織進行研究。

哈佛大學選擇的是電子顯微鏡。通過對大鼠注入熒光蛋白并進行訓練，為大鼠播放視頻刺激大腦活動，當神經(jīng)元活動時，熒光蛋白中的鈣離子就會融入細胞使其發(fā)亮。這時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)元連接狀況進行對比映射，從而去挖掘實驗鼠的“思維活動方式”。

來自哈佛醫(yī)學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)元進行標注，通過這種特殊的標注來識別神經(jīng)元運動。至于腦組織切片，則可以通過基因測序機進行信息分類，從而重現(xiàn)神經(jīng)元的運動情況。

來自美國科學促進會的團隊，則干脆選擇數(shù)據(jù)驅動的方式，通過對腦神經(jīng)元連接方式的全面記錄來構建研究基礎。

在計劃中，三個團隊將一起監(jiān)測出大腦中數(shù)萬個神經(jīng)元的運動情況，并且將腦組織切片的橫截面計算拼接，將神經(jīng)元的活動路徑連接起來，構成一幅大腦運動的三維地圖。建立在這一基礎上，在嘗試模擬神經(jīng)元運動的模式。

逆向工程中的悖論：通過大數(shù)據(jù)實現(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，就在于目標明確。

在13年“BRAIN倡議”被提出時，當時定下的目標是通過研究大腦來研究阿爾茨海默病、自閉癥等等疾病。但實際上真正開始啟動時，最受關注的項目Microns卻將目標圈定在了人工智能應用方面，三個團隊每個都配上了至少一位算法科學家，為了把神經(jīng)學的結果轉換成可應用的計算機科學。

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。平時腦科學研究總將目標放在心理學、神經(jīng)學、醫(yī)學學科上，可一旦人工智能有熱度可蹭，與腦科學有關的類腦計算、認知計算等等，又立刻成為了人工智能的明日之光。

就拿Microns這一個項目來說，就存在著嚴重的悖論。

首先Microns的目標，是通過對大腦的模擬推演，實現(xiàn)更高效的少樣本甚至無樣本學習，讓神經(jīng)網(wǎng)絡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)絡模型，耗費大量時間進行訓練，興許還要利用上超算。

整個過程，是與Microns項目的初衷背道而馳的。

Microns是誰的磚石瓦片？

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

目前來說，Microns已經(jīng)能夠為實驗鼠的一些神經(jīng)元進行簡單的分類。例如在分辨出在受到刺激時，哪些神經(jīng)元互相連接，哪些神經(jīng)元又是相對獨立的。只是這樣的結果不僅離應用還很遠，就連理論化和體系化都很難做到。

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

腦科學與人工智能之間的關系，有時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。

【來源：腦極體】