雷鋒網(wǎng)按：計算機和腦科學(xué)發(fā)展有著相互促進(jìn)的關(guān)系，人工智能的算法許多也是啟發(fā)自人腦。但現(xiàn)在越來越多的學(xué)者希望通過計算機的工作模式來理解人腦，這樣做是否合理有效呢？雷鋒網(wǎng)編譯了載于wired上的一篇文章，讓我們看看，科學(xué)家們怎么說。

今年三月份，在舊金山市中心的凱悅攝政酒店，一個擁擠的房間里，Randy Gallistel抓著木制的講臺，清了清他的喉嚨，向他面前坐著的的神經(jīng)科學(xué)家們拋出了一個難題?！叭绻竽X以人們以為方式工作，”他說，“它會在一分鐘內(nèi)沸騰。大量的信息會使我們的CPU——大腦燒壞。

上千年來，人類一直苦苦追尋智慧形成的答案。其中一種比喻是，由科技而來，將大腦比作皮質(zhì)CPU。把未知的東西比喻成已知的東西，或許容易讓人感到安全。在古希臘，大腦被比作一個注滿幽默的水力系統(tǒng)；在18世紀(jì)，哲學(xué)家從機械時鐘中吸取靈感，把大腦和時鐘聯(lián)系起來；20世紀(jì)早期，神經(jīng)科學(xué)家則將神經(jīng)元描述為傳遞信號的電線或電話線；而現(xiàn)在，最受歡迎的比喻就是計算機了，人們用硬件和軟件代表大腦和腦內(nèi)活動。

在這個技術(shù)統(tǒng)治的世界里，人們很容易將人類智慧和我們越來越智能的設(shè)備進(jìn)行類比。但是，將計算機比作大腦，可能會阻礙大腦研究的進(jìn)步。

他進(jìn)一步描述了這個用計算機比喻的問題。如果大腦真如大多數(shù)神經(jīng)科學(xué)家認(rèn)為的那樣，通過改變神經(jīng)元之間連接的強度來存儲所有記憶，那將耗費過多能量，尤其是如果記憶以香農(nóng)信息的形式編碼，也就是二進(jìn)制的高保真度信號，我們的大腦可能無法承受。

像Gallistel這樣的科學(xué)家們并不提出任何比喻，而是完善他們的理論，試圖保持大腦的生物現(xiàn)實與計算復(fù)雜性一致。Gallistel是美國羅格斯大學(xué)的一名退休教授，他并沒有質(zhì)疑大腦信息和香農(nóng)信息的相似性，而是提出了一個替代理論——香農(nóng)信息以分子的形式存儲在神經(jīng)元本身內(nèi)。他認(rèn)為，靠化學(xué)物質(zhì)要比神經(jīng)突觸可行得多。問題解決了。

這種拼湊方法是科學(xué)界的標(biāo)準(zhǔn)程序，當(dāng)問題和證據(jù)出現(xiàn)時，填補理論中的漏洞。但遵循計算機比喻可能不起作用，還會導(dǎo)致各種問題，尤其是在科學(xué)領(lǐng)域。

荷蘭唐德斯研究所的認(rèn)知神經(jīng)科學(xué)家Floris de Lange表示：“我認(rèn)為把大腦比作計算機已經(jīng)使我們誤入歧途。這讓人們認(rèn)為可以將軟件從硬件上分離出去?！?這種假設(shè)導(dǎo)致一些身心二元論的科學(xué)家認(rèn)為，我們無法通過研究物理上的大腦獲取太多認(rèn)知。

最近，神經(jīng)科學(xué)家也試圖證明，研究大腦的現(xiàn)代科技無法幫助我們了解大腦是如何運作的。這些方式往往嘗試通過分析一些硬件，比如僅靠神經(jīng)連接組學(xué)和電生物學(xué)的一些技術(shù)，來闡明軟件的工作形式?？上а芯恳粺o所獲。由此可見，分析硬件無法解釋軟件的工作原理。

這樣的研究的假設(shè)，是計算機芯片理論對于大腦同樣有效。思維和大腦之間的聯(lián)系要比計算機芯片及其軟件之間的聯(lián)系要錯綜復(fù)雜得多。只要看看我們記憶形成軌跡就可以知道。一直以來，我們的記憶就盤踞在我們大腦內(nèi)神經(jīng)相互連接的網(wǎng)絡(luò)中，有點像軟件構(gòu)建出了新的硬件。麻省理工學(xué)院的Tomás Ryan使用一種方法來顯示這種復(fù)雜聯(lián)系。他通過用熒光蛋白標(biāo)記出記憶形成時活躍的神經(jīng)元。通過這個工具，隨著時間的推移，Ryan觀察記憶如何在生理上作用于大腦。

Ryan緊接在Gallistel后演講。Ryan表示，“我們總以為，如果想了解大腦，就必須從設(shè)計或工程的角度來看待它，鑒于我們還不知道記憶是如何儲存的，我們其實不需要那么死板。” Ryan是位面容整潔的神經(jīng)生物學(xué)家，剛剛在都柏林三一學(xué)院設(shè)立了實驗室。他對大腦通過香農(nóng)信息或者分子來儲存信息的理論都不認(rèn)同。

Ryan向大家展示了一張柏林市的夜間衛(wèi)星照片。這便是他對大腦運作的比喻：不是顱內(nèi)計算機里的分子信息，而是像城市路燈的構(gòu)造。

Ryan所展示的衛(wèi)星圖片

從柏林最近的照片中可以看出，柏林墻被拆除近三十年后，東柏林和西柏林還是清晰可辯。這是因為在這個城市兩半的路燈基礎(chǔ)設(shè)施不同。西柏林路燈使用明亮的白色汞燈泡，而東柏林則使用茶色鈉蒸氣燈泡?！斑@不是因為自1989年以來他們沒有換過燈泡，而是因為基礎(chǔ)設(shè)施在那里?！?Ryan說到。盡管分歧早已消失，柏林歷史的記憶仍清晰地體現(xiàn)在城市的結(jié)構(gòu)中。

我們的大腦可能以相同的方式形成記憶，構(gòu)建一個記憶結(jié)構(gòu)，特定細(xì)胞相互連接形成記憶。即使在一生中這些細(xì)胞不斷更換也能保持這種結(jié)構(gòu)。由于軟件能夠更改硬件，通過修飾連接來形成記憶，因此硬件會與軟件有更多的連接。這只是一個假設(shè)，但是Ryan給出了令人信服的數(shù)據(jù)。他發(fā)現(xiàn)即使是患有阿爾茨海默病嚙齒動物，看起來喪失了記憶，這些記憶仍然存在于大腦中，能夠人為地召回，只是沒法再去訪問他們罷了。

另外，存儲在記憶中的內(nèi)容不會局限于所謂高保真的二進(jìn)制香農(nóng)信息?！霸跀?shù)字電腦之前，我們有了模擬電腦，更早之前我們通過書寫，繪畫，還有很多方式來傳達(dá)信息，”Ryan說得顯得比別人稍微抽象了點。我們不能因為最先進(jìn)的人造信息存儲和通信模式恰好是二進(jìn)制的，就以為我們的大腦也是那樣工作的。

另一方面，把大腦比作計算機可能會對科學(xué)家研究創(chuàng)新算法不利。隨著科學(xué)家們更多地了解大腦的運作情況，程序員們正借此合作。用于物體識別的人工智能算法就像在二十世紀(jì)六十年代在貓腦中發(fā)現(xiàn)的原理一樣，借用視覺皮層，使用具有邊緣檢測濾波器的多層網(wǎng)絡(luò)來分析圖像。de Lange說：“那個算法真的和以前沒法使用的算法有很大的區(qū)別，現(xiàn)在，圖像識別的各種方法都非常好?！比绻苷嬲芯砍龃竽X的運作方式，并應(yīng)用于計算機領(lǐng)域，也許這又會反哺大腦研究。

雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。