美国政府公布耗资1亿美元的“阿波罗大脑计划”

本篇文章4619字，读完约12分钟

智能工程旨在逆向设计大脑，开发能让计算机更像人类一样思考的算法。本文选自jordana cepelewicz撰写的《科学美国人》，由Machine Heart编辑制作，孙润松和齐琦参加。

30年前，美国政府启动了人类基因组计划，经过13年的努力，最终完成了人类物种所有基因组的测序并绘制了人类基因图谱。尽管最初有人怀疑，甚至有人反对，但从那时起，该项目改变了遗传学领域，至今仍被视为历史上最成功的科学事业之一。

目前，高级情报研究项目活动是以美国国防部著名的国防高级研究计划局(DARPA)为名，为无线城市设立的研究机构，已投资1亿美元用于类似的宏伟项目。大脑皮层网络的微米项目旨在逆向设计一个立方毫米的大脑，研究大脑的计算方法，并利用这些发现更好地影响机器学习和人工智能算法。

国际癌症研究协会已经招募了三个团队，由哈佛大学的生物学家和计算科学家大卫·考克斯、卡内基·梅隆大学的计算科学家李泰成和贝勒医学院的神经科学家安德里亚斯·图利亚斯领导。每个小组都为这个难题提出了自己的五年研究计划。

“这是一项巨大的投资，因为我们认为这是一项重要的挑战，它将对无线城市和整个世界产生非常广泛的革命性影响。iarpa的Jacob vogelstein是微米项目的经理，所以他说。

微米是奥巴马总统的大脑计划的一部分，试图推动像计算机这样的大脑的现状。许多技术现在依赖于一套被称为人工神经网络的算法。人工神经网络，顾名思义，是受大脑组织结构(至少是我们已经知道的组织结构)的启发。由于计算能力的显著增长和互联网上大量可用的数据，facebook可以识别人脸，siri可以辨别声音，汽车可以自动驾驶，计算机可以在像国际象棋这样的游戏中击败人类(现在它们甚至可以在围棋中击败人类，围棋是一种被称为人类堡垒的游戏)。

然而，这些算法依赖于高度简化的模式分析信息过程，其发展水平仍然很低。基于20世纪80年代的模型，神经网络通常在混沌环境中表现不佳。在那种环境下，计算机试图分辨的物体隐藏在许多物体之间，其中许多是重叠的或模糊的。这些算法没有很好的泛化能力。例如，如果一台计算机看到一只或两只狗，它就不能教会计算机识别所有的狗。

另一方面，人类似乎能够毫不费力地应对这些挑战。我们可以在人群中找到朋友，在嘈杂的环境中注意到熟悉的声音，并从一个或几个例子中推断声音或图像模式。我们可以在没有任何指导的情况下不断学习归纳。因此，微米求助于大脑来找出计算机模型缺少了什么。“这是确凿的证据。”考克斯说。

虽然神经网络是大脑结构的基本元素，但它们使用的计算方法并不直接模仿神经元处理信息的算法。换句话说，当前通过各种算法描述、转换和学习数据的方法在很大程度上是由试错决定的工程方案。神经网络可以工作，但是科学家并不真正知道这个秘密——当然，他们找不到设计神经网络的好方法。“因此，如果我们更进一步，从计算而不是组织结构的角度来理解大脑，我们就可以改进这些算法，使计算机的性能更接近人脑。”沃格尔斯坦说。

不同的小组将尽最大努力绘制啮齿类动物大脑皮层的所有神经回路

一立方毫米还不到人类大脑的百万分之一，这似乎太小了。但是到目前为止，科学家们只能同时测量几个神经元的活动，或者用功能性核磁共振来获得复合图像来观察数百万个神经元。现在，微米成员打算记录100，000个神经元在啮齿动物视觉感知和学习任务过程中的活动和联系，这是一个伟大的壮举，因为它需要纳米分辨率的成像技术，并且图像中曲折线的全长只有几毫米。“这就像是用一寸一寸的测量来绘制美国的道路交通图。”沃格尔斯坦说。

然而，vogelstein是乐观的，因为最近的技术支持为大规模神经科学研究提供了便利。他说:“随着大脑项目的出现，大量的新工具已经出现在互联网上，这些工具能够以重建详细的神经回路图所需的分辨率和比例来查询大脑。”“因此，这是历史上一个独特的时刻，我们拥有合适的工具、方法和技术，可以让我们第一次在单个神经元和单个突触的水平上揭示大脑的电路图。ゥ

每个小组都打算分别记录大脑的路线图。考克斯的团队将使用一种叫做双光子显微镜的工具来测量老鼠的大脑活动，老鼠被训练来识别电脑屏幕上的物体。研究人员将一种对钙敏感的改良荧光蛋白引入小鼠体内。当神经元被激发时，钙离子涌入细胞，导致荧光蛋白发光。因此，研究人员可以用激光扫描显微镜观察神经元爆发的动作电位。考克斯说:“这有点像用金属丝敲打大脑。”“就像你可以通过听电话里的信息来了解发生了什么一样，我们也可以在动物还活着的时候听听它们大脑里的重要信息。”ゥ

然后，一立方毫米的老鼠大脑将被送到哈佛大学的生物学家和神经学家杰弗里·李奇曼那里。在他的实验室里，大脑将被切成极薄的碎片，并在先进的电子显微镜下以足够的分辨率成像，这样研究人员就可以看到脑细胞连接形成的所有线性延伸。Tolia的团队正在使用一种叫做三光子显微镜的类似方法来探测老鼠大脑的深层皮层，而不仅仅是考克斯和他的同事们探测到的顶层皮层。

与此同时，李博士的团队打算更进一步，找到一种更基本的方法来描述神经连接群。他们与哈佛医学院的遗传学家乔治·丘奇合作，计划使用dna条形码:他们将用一个独特的核苷酸序列标记每个神经元，并用化学方法将突触之间的条形码连接起来，从而改变神经回路。尽管这种方法不能提供与显微镜术同样水平的空信息，lee希望它能更快更准确——也就是说，它能在所有方面发挥作用。这种方法以前从未成功过。"然而，如果条形码技术起作用，它将彻底改变神经科学和连接组学. "李说。

以上所述只是微米项目的前半部分。接下来，科学家必须找到一条路径，让所有这些信息都用于机器学习算法。他们通常知道怎么做。例如，许多研究人员认为大脑是贝叶斯的——神经元以概率分布的形式表示感觉信息，并根据以前的经验计算事件最可能的解释。这一假设主要基于大脑中的反馈回路，即信息不仅向前流动，而且通过更多的连接向后流动。

换句话说，研究人员假设感知绝不是从输入到输出的简单映射。更准确地说，有一个“通过综合进行分析”的建设性过程，在这个过程中，大脑维持并创造一个世界的内部表象，并产生期望和预测，这使它能够解释和计划如何使用输入数据。考克斯说:“这是我们最近非常重视的指导原则——这是这一合成过程的标志。”“在这里，我们想象这个世界上可能发生的事情，验证那些与我们实际看到的不一致的假设，并使用这些假设来驱动我们的认知。ゥ

例如，视网膜对光做出反应，产生电脉冲，电脉冲被传输到视神经，然后传输到大脑。事实上，视网膜是一个二维结构。因此，当人们看着一个物体时，大脑可能会使用这种基于概率的模型，从光刺激的视网膜的二维平面中推导出三维世界。以此为例，大脑已经找到了一种更好的方法来估计和推断环境中的变量，这超出了我们目前的数学模型所能做的。毕竟，如果你观察一个有100个物体的场景，只需考虑物体是向前还是向后，这只是许多因素中的两个，并且有2100种可能的模式。计算所有可能的情况来得到答案是不可行的。然而，大脑可以很容易地做到这一点，即使有无限多可能的条件定向:不同的距离，不同的旋转角度，不同的照明条件，等等。“大脑需要做的是显示数据点的集合，并轻松地分离混合数据。”托利阿斯说。

三个团队中的每一个都招募了计算机科学家来将这些理论提炼成模型，然后他们将测试这些模型是否与逆向设计的大脑数据相冲突。vogelstein说:“对于任何给定的算法描述，如基于概率的算法，你有数百万的选择，可以实现翻译成可执行代码的理论。”“在这数以百万计的选项中，一些参数和特征的组合将形成好的算法，而其他的将导致无效或坏的算法。通过从大脑研究中提取这些参数设置，这与我们一直在做的在计算机软件上猜测这些参数相反，我们希望缩小研究空，以实现符合大脑实际情况的一小部分。ゥ

有了这些内部模型，微米打算使机器更加自动化，特别是当涉及到训练机器识别物体时，并且没有必要让机器通过数以千计的例子来学习清楚地命名物体。沃格尔斯坦希望应用无监督学习技术来帮助美国人的智力。他说:“我们可能只有一张照片，或者一个我们想阻止的网络攻击的例子，或者一个金融危机或灾难性天气的记录。”“我们需要将其扩展到可能出现相同模型的更广泛的环境中。所以这就是我们希望达到的:更好的概括，更强的抽象能力和更好的利用稀疏数据。ゥ

研究人员认为，从大脑中推导出这样的算法对于微米来说是最困难的部分，他们必须确定一种方法来编译大脑如何处理信息并形成新的联系。

然而，在该研究项目的早期阶段存在一些挑战

例如，他们对大脑的测量将产生大约2gb的数据，相当于25万台笔记本电脑或250张光盘的内存。很难存储如此大量的数据，iarpa已经与亚马逊合作寻找解决方案。

此外，数据都是图形化的。挖掘数据以获得有用的信息需要一个叫做分离的过程。在这个过程中，研究人员使用不同的颜色来区分神经元和神经连接的结构基础，以便计算机能够更好地理解共同的特征和模式。李奇曼说:“即使对你来说，整个世界都是有色人种。”“染一立方米的大脑需要一生的时间。”相反，研究人员将致力于创造更复杂的计算机视觉技术来分割数据。

李奇曼已经学会成功存储100万亿字节的数据(这是微米收集的数据的二十分之一)，这些数据是在丘脑产生的，丘脑是传递感觉信息的中转站。他的团队的研究结果将在三月份的《细胞》杂志上发表。“我们知道，有时同一个轴突会从一个细胞跳到另一个细胞，在同一位置连接不同的神经细胞，这意味着丘脑的组织并不像预期的那样。”李奇曼说。或许，这些结果将延伸到他们刚刚开始测量的一立方毫米大脑皮层。他说:“我们知道我们可以测量更大的体积，但目前，一立方毫米对我们来说是一个巨大的体积。”“这是一个巨大的飞跃。我们认为我们已经准备好迈出下一步。ゥ

大卫·芒福德是数学大师，菲尔兹奖获得者，也是李博士的导师，但他不是微米的成员。他称赞了这个项目。他说:“这是一个真正的进步。”“一旦有了这个数量级的数据集，我们就可以更深入地了解神经元之间是如何相互作用的，但要找出如何利用这些技术知识将是一个巨大的挑战。我的梦想是，记录如此大量的数据将在某个时候成为可能，我认为这个研究小组可能是一个能够做得很好的小组。ゥ

他补充说:“但我对将这些信息转化为人工神经网络的可能性有点怀疑。”“这有点不寻常。ゥ

即便如此，所有三个团队都相信他们的工作会产生结果。李奇曼说:“不管研究结果如何，结果都不会是失败的。”结果可能不符合你的期望，但这是一个机会。我不会因为我们的观点是对还是错而失眠。我们不知道的是。事实是，大脑是真实而复杂的，从来没有人看透它，所以让我们关注研究进展。这项研究有什么风险？ゥ

他们也希望在20亿美元的人类大脑项目陷入困境时获胜。考克斯解释说，他们的研究方法从根本上不同于人脑计划，后者体现在技术和逻辑两方面。事实上，首先，在试图模仿大脑之前，它们本质上是相反的。微米基于团队的方法有望带来必要的合作和竞争，并最终取得重大进展。Iarpa希望公布它收集的数据，以便其他科学家能够贡献他们的想法和研究力量。“即使这就像在看一粒沙子，”李说，“正如我的大学教授告诉我的，你可以在一粒沙子里看到上帝。”ゥ

转载，请联系公共号码:几乎所有人2014授权

*本文是作者的独立观点，并不代表老虎嗅探网络的立场