中國腦計劃顛覆性創新之路二,歐美腦計劃存在重大缺陷

1.世界各國大腦計劃綜述

在自然科學領域,大腦之謎是和宇宙之謎等量齊觀的科學難題。自從有歷史記錄以來,無論是東方還是西方,大腦和神志(mind)的關係就一直被人類關注和思索。人類對腦的認識從不斷的觀察、思考、辯論、試錯、糾正中得到提高,最後演變成現代的神經科學。

經過數千年研究和發展,到21世紀,一個具有無限生命力的神經科學形成了,它囊括許多有關學科,包括神經生理學、神經解剖學、神經組織學與組織化學、神經超顯微結構學、神經化學、神經免疫學、神經病學、精神病學、腦腫瘤學、腦診斷學以及神經行為學和生理心理學等等。神經科學已成為當代科學發展的最前沿,新技術,新發現層出不窮,日新月異。隨著20世紀新技術的出現,特別是計算機,信息學,人工智慧的出現,腦科學研究也正在出現新的研究浪潮。

2005年,瑞士洛桑理工學院的科學家亨利?馬卡蘭提出藍腦計劃,希望在2015年製造出「人造大腦」,以達到治療阿爾茨海默氏症和帕金森氏症的目的。他的想法是「拆除之後再重建」哺乳類動物的大腦,計劃將分為幾個階段2008年先用嚙齒動物做實驗,2011年後將試圖組裝一個貓的大腦,在2015年正式組裝人類大腦之前可能還會製造獼猴的大腦。

2013年4月,美國宣布啟動「腦計劃」;2014年6月,美國國立衛生研究院發布「腦計劃」路線圖,詳細闡述了腦科學計劃的研究目標、重點領域、實施方案、具體成果、時間與經費估算等,提出將重點資助9個大腦研究領域:統計大腦細胞類型,建立大腦結構圖,開發大規模神經網路記錄技術,開發操作神經迴路的工具,了解神經細胞與個體行為之間的聯繫,整合神經科學實驗與理論、模型、統計學等,描述人類大腦成像技術的機制,為科學研究建立收集人類數據的機制,知識傳播與培訓。2014年8月,美國國家科學基金會宣布,將資助36項腦科學相關項目,涉及實時全腦成像、新的神經網路理論以及下一代光遺傳學技術等。美國國防高級研究計劃局(DARPA)近年來啟動了數十項旨在提高對大腦動態和機制的了解、推進相關技術應用的項目,包括可靠神經介面技術項目、革命性假肢、恢復編碼存儲器集成神經裝置、重組和加速傷勢恢復項目、將模擬大腦用於複雜信號處理和數據分析項目等。

2013年,歐盟委員會宣布將「人腦工程」列入「未來新興技術旗艦計劃」,力圖集合多方力量,為基於信息通信技術的新型腦研究模式奠定基礎,加速腦科學研究成果轉化。該計劃被認為是目前世界最先進的腦科學大型研究計劃,由瑞士洛桑理工學院統籌協調,歐盟130家有關科研機構組成,預算12億歐元,預期研究期限10年,旨在深入研究和理解人類大腦的運作機理,在大量科研數據和知識積累的基礎上,開發出新的前沿醫學和信息技術。該計劃首先利用30個月的時間,建設涉及神經信息學、大腦模擬、高性能計算、醫學信息學、神經形態計算和神經機器人等6座大型試驗與科研基礎設施。這些設施將對全球科技人員開放,邀請世界頂尖科學家參與研究。

日本大腦研究計劃Brain/MINDS (Brain Mapping by Integrated Neurotechnologies for Disease Studies)主要是通過對狨猴大腦的研究來加快人類大腦疾病,如老年性痴呆和精神分裂症的研究。9月11日,日本科學省宣布了大腦研究計劃的首席科學家和組織模式。 日本大腦研究計劃第一年將投入30億日元(2700萬美元),第二年可能增加到40億日元,相對於美國和歐洲的10億美元以上規模大腦研究計劃,日本的計劃就好象是小弟弟。但是,日本的大腦研究計劃主要利用狨猴這種更接近人類的靈長類動物,能彌補用鼠類研究經常不同於人類的缺陷,尤其是在疾病研究方面。

在中國,腦科學研究已被列為「事關我國未來發展的重大科技項目」之一,上海市政府已將腦科學列為市重大科技項目,2015年3月,復旦大學牽頭聯合浙江大學、華中科技大學、同濟大學、上海交通大學等十幾所高校及中科院研究所,成立「腦科學協同創新中心」,推進腦科學研究和轉化應用,2015年9月1日 ,北京市科委召開的「腦科學研究」專項工作啟動會宣布北京市將從腦認知和腦醫學、腦認知與類腦計算兩個方向重點開展腦科學的研究工作。

另一方面世界級互聯網企業也推出自己的人工智慧大腦計劃,2011年以來,GoogleX實驗室實施了「谷歌大腦」工程,通過1.6萬片CPU核構建了一個龐大的系統,用於模擬人類的大腦神經網路,通過深度學習等神經網路技術和觀看YouTube視頻等方式,不斷學習識別人臉、貓臉以及其他事物。

2014開始,包括百度,訊飛,愛奇藝,京東也推出各自的人工智慧腦計劃,希望利用深度學習與大數據結合發展互聯網中的人工智慧應用。

2.歐美腦計劃存在的重大缺陷

在歐美腦計劃引起巨大反響的同時,質疑的聲音也不斷產生,「這是因為缺少一個腦科學的統一框架。」美國哥倫比亞大學神經學家拉斐爾?尤斯特說,科學家現在只能研究其中的個體或小部分,就像是「通過一個像素來理解電視節目一樣」。這些連接之間的每一層次都有各自的運作法則。但是,「這些運作法則,我們目前幾乎一無所知」。

對於2005年啟動的藍腦計劃,其發起人馬克萊姆教授認為這樣的模型有助於我們更深層的了解大腦是如何工作的,但是其他神經學家持有異議,他們認為此模型與更簡單更抽象的神經迴路模擬相比,沒什麼更大的用處,要說有什麼區別,只不過前者佔用了大量寶貴的運算能力和超算資源。

歐洲腦計劃受到的質疑更大,2014年,200多名神經學領域科學家宣稱將要抵制歐盟的人腦計劃(HumanBrainProject,HBP),聲稱這個耗資12億歐元的大型計劃沒有得到妥善的管理,因此無法達成其模擬人腦內部運作的宏偉目標。倫敦大學學院計算神經科學部門的主任PeterDayan告訴衛報,構建更大規模的大腦模擬的目標顯示是根本不成熟的。「這是在浪費金錢,它會吸干寶貴的神經科學研究的經費,並讓資助這項工作的公眾失望。」

上述質疑背後的核心問題依然是千年來存在的問題延續:還原論與整體論整合困難的問題,歷史上,神經科學家研究大腦之謎主要採用了兩條截然不同的思想線路:還原論和整體論。還原論又被稱為自下而上的研究方法。該方法試圖通過研究單個分子、細胞或迴路等神經系統的基礎元素的特性來理解神經系統。整體論又被稱為自上而下的研究策略。它主要是從研究功能入手來理解神經系統,該方法主要關心的方面是系統的活動如何調節或是反映在行為上。

從文藝復興到現在,人類對神智與腦關係的認識雖已取得多方面的重大進展,然而困惑依舊存在,主要集中於兩點,一是整體論如何與還原論相整合,二是主觀的神智現象如何用客觀方法來研究。

整體論與還原論的整合,怎樣在研究中使整體論與還原論平衡並相互補充,還遠未得到解決。雖然整體論方向,腦科學取得了諸如大腦皮層功能分區,系統性理解感知的形成機理等成果,但迄今為止腦科學研究中還原論思想過多佔據了主導位置,在一系列問題上突出地顯露出當前神經科學的局限性。

例如,存在複雜樹突的整合功能問題。迄今對中樞突觸的研究還局限於中樞模式興奮性突觸,而對於樹突樹的研究,特別是關於樹突棘如何激活、如何匯聚信號並整合成為神經元胞體的興奮,探討的路途尚很遙遠。另外又有神經迴路與腦功能的問題。神經傳導和突觸傳遞要能夠上升為腦區的活動,需有特定神經迴路的活動等問題。

除此之外幾千年以,人類研究大腦的功能結構的困難,還有一個重要原因是複雜精密的活體大腦很難通過直接解剖或磁共振掃描發現其結構與外在功能的一一對應。

3歐美腦計劃忽視一個重要新因素-互聯網

每一次人類社會的重大技術變革都會導致新領域的科學革命,大航海時代使人類看到了生物的多樣性和孤立生態系統對生物的影響。無論是達爾文還是華萊士都是跟隨遠航的船隊才發現了生物的進化現象。

大工業革命使人類無論在力量的使用還是觀察能力都獲得的極大的提高。為此後100年開始的物理學大突破,奠定了技術基礎。這些突破包括牛頓的萬有引力,愛因斯坦的相對論,和眾多科學家創建的量子力學大廈,這些突破都與」力「和」觀測「有關。

互聯網革命對於人類的影響已經遠遠超過了大工業革命。與工業革命增強人類的力量和視野不同,互聯網極大的增強了人類的智慧,豐富了人類的知識。而智慧和知識恰恰與大腦的關係最為密切.

從2005年開始,互聯網與腦科學進行交叉對比研究的思路被提出,並在過去的10年中不斷推進這個領域的研究,包括互聯網大腦功能和架構,以及大腦中的類互聯網現象。取得了一批科研成果。

互聯網與腦科學的結合研究,使得互聯網作為新科技技術為腦科學提供突破性支撐。在這種情況下我們並不需要通過組合億萬個硅基神經元模擬人腦,而且僅僅堆積晶元並不能自然得到人類大腦一樣的功能和智慧。科技的發展為人類從整體論帶來一個非常寶貴的參照系,從科技發展史看,一個原本異常複雜的難題,在經過科技發展的足夠程度後,也許會誕生出一個異常簡單的解。

通過觀察互聯網在科學研究和商業利益的推動下,如何從一個分裂的,不完整的網路結構進化成一個與人類大腦高度相似的組織結構。利用互聯網這面鏡子作為腦整體論研究的突破點。結合腦還原論的細節研究(如分子神經生物學、細胞神經生物學、系統神經生物學、行為神經生物學、發育神經生物學、比較神經生物學等)。

回到美國哥倫比亞大學神經學家拉斐爾?尤斯特的那個比喻,沒有參照物,我們無法用像素了解整個畫面,但如果互聯網與腦科學的交叉研究為我們從另外一個方向製作了一個高度類似模型(雖然它還在變動中),那我們就很容易知道這個像素在圖像中的位置和起到的作用。如下圖所示,A圖是人類大腦全景圖,B是由於客觀原因人類能觀察到的大腦功能結構,C是互聯網進化中的結構,那麼通過研究和觀察C,人類就可以從B推導出A的全貌。


推薦閱讀:

人工智慧正在激活互聯網類腦系統,2018年,雲腦將成為新熱點

TAG:互聯網 | 腦科學 | 人工智慧 |