作者 | 何靜、周子嫄
來源 | 學術頭條
頭圖 | CSDN付費下載自視覺中國
腦科學作為人類科學的最後前沿已取得重大發展。但截至目前，我們仍對大腦的諸多奧秘一知半解。是否可以將我們的大腦比擬為一台超級計算機？腦機接口的未來將如何發展？
人類的大腦是自然界最複雜的物體，研究人員已投入大量時間與精力來探索大腦。
目前，科學家們已經揭示了大腦的基本工作方式，最新技術已經可以操縱小鼠的大腦，讓小鼠記憶此前從未嗅過的氣味，甚至改變小鼠大腦里糟糕的記憶，轉化為美好記憶；還可以利用腦電波改變人們對面部的感知；甚至讓一個癱瘓的人用意念控制機械臂。
這些新技術帶來了無限想像，可以讓我們讀懂人的心理、偵察罪犯，甚至將大腦與計算機互聯。
但受限於大量無法分析的數據，探索大腦的未來道路並非坦途。正如德國神經學家奧拉夫・斯龐斯 (Olaf Sporns) 所言：「神經科學仍缺乏將大腦數據轉化為基礎知識的理論框架。」
神經科學家阿內・丘奇蘭德 (Anne Churchland) 與拉里・艾勃特 (Larry Abbott) 也強調分析大量數據時困難重重，「除了需要實驗技巧與創新技術，還需要大量先進的數據分析方法和理論概念模型。」
此外，大腦功能也非單一理論。正如 DNA 雙螺旋結構的共同發現者弗朗西斯・克里克 (Francis Crick) 所發現的，大腦是一個完整進化的結構，其各個部分在不同時刻進化，分別對應解決不同問題 。
目前，人們對大腦如何工作的理解也較為片面。許多神經科學的感官研究更關注視覺而非嗅覺，因為嗅覺在概念和技術方面都更具挑戰性。但嗅覺與視覺的工作方式無論在計算還是結構方面都迥然不同。如果僅僅研究視覺，我們對大腦功能及其運作方式的理解將十分有限。
大腦功能與程序編碼
將大腦比擬為計算機的說法一直主導著神經科學領域。據統計，僅在過去十年間，就有超過 1.1 萬篇該主題相關論文發表。
事實上，1951 年數字時代揭開序幕之時，神經學先驅卡爾・拉什利 (Karl Lashley) 就已反對將大腦比喻為機器。拉什利寫道，「我認為，人們更可能通過研究大腦本身與其行為現象來了解大腦如何工作，而非沉溺於牽強附會的物理類比之中。」
法國神經學家羅曼・布雷特（Romain Brette）進一步駁斥了將大腦功能類比為程序編碼的說法。布雷特認為，在考慮 「編碼」 時，研究人員已將一種技術意義（即刺激與神經元活動之間存在的聯繫）轉向了一種表征意義（即神經元編碼代表該刺激）。
大多數神經編碼的隱含意義為，神經網絡活動主要呈現給大腦中的理想觀察者，通常稱為 「下游結構」，它能以最佳方式解碼信號。但這些結構處理信號的方式未知，甚至在簡單神經網絡功能模型中也鮮有明確假設。
處理神經代碼通常為一系列的線性步驟，就像多米諾骨牌一樣一個接一個地倒下。但 大腦由高度複雜的神經網絡組成，這些神經網絡相互聯繫，並與外界互聯產生作用。如果只關注神經元，不將神經網絡與動物行為聯繫起來，就會錯過處理的要點。
大腦的 MRI 掃描圖像
匈牙利神經學家吉爾吉・布扎薩基（Gyorgy Buzsaki）在其新書《由內而外的大腦》(the brain from Inside Out) 中概述，大腦並非簡單地被動吸收刺激並通過神經編碼來表達，而是積極地以各種可能性尋找並測試潛在選擇。他的結論是，大腦並不代表信息，而是構造信息。
大腦意識上傳或轉移
一些研究人員認為，思維是一種可以在神經硬體上實現的作業系統。換而言之，思維被視為一種特定計算狀態，可以上傳到某個設備或另一個大腦之中。
唯物主義假設，人類的大腦和思維與其他事物相同，神經元及其支持的過程（包括意識）共存。計算機中的軟硬體相互分開，但大腦與思想是由濕件（軟體、硬體以外的 「件」）組成的，且相互交織。
圖源：視覺中國
想像一下，我們可以改變神經系統並運行不同程序，還能把思想上傳到伺服器上。這聽起來很科幻，但其背後隱含的卻是一種非唯物主義觀點，可追溯到笛卡爾時代甚至更早之前，即思想以某種方式浮現在人腦之中，可以轉移到另一個大腦，或者被另一個大腦取代。
事實上，通過解讀一系列神經元的狀態，並將其寫入新的有機或無機基質中，這種有點唯心主義的想法，就披上了一層科學的外衣。
在想像大腦如何工作時，我們不僅需要理解神經元功能，還需要強大的計算能力並精確模擬大腦結構。因此，首先要完全模擬一個能維持單一狀態的神經系統，但目前整個人類文明離邁出這一步還很遠。
在晶片上模擬神經科學
在科幻電影中，面對不是一個級別的 「外星科技」，人類科學家只能通過反向工程進行拆解研究，以期能獲得零星收穫。面對複雜的人類大腦，反向工程也成為破解出大腦運行策略，以及將其轉換成可為機器所用算法的有效手段。
2017 年，神經科學家埃里克・喬納斯（Eric Jonas）與康拉德・柯丁（Konrad Kording）決定在真正的計算機晶片上進行實驗，運用數據分析方法進一步了解人腦。他們將分析大腦的技術應用於上個世紀 70 年代末 80 年代初的 MOS 6507 處理器，該處理器可以運行 「太空入侵者」 等遊戲。
首先，通過掃描晶片上的 3510 個增強型電晶體獲得晶片連接體，再在一台現代計算機上模擬該設備，包括運行 10 秒遊戲程序。然後使用各種神經科學技術，模擬 「病變」(從仿真設備中刪除電晶體)，分析虛擬電晶體的活動並研究其互聯性。同時通過運行不同遊戲，觀察各種操作對系統行為的影響。
儘管部署了強大的分析工具，且能明確解釋晶片的工作原理，但這項研究仍未能檢測出晶片內部的信息處理層次結構。正如喬納斯和柯丁所言，這些技術並不能對研究人腦產生 「有意義的理解」，所得出的結果較為悲觀。
這一實驗結果也表明，我們仍需重大理論突破才能在人腦研究領域取得進展。現有概念與分析工具仍無法解釋人腦奧秘。但該模擬實驗並非毫無意義，至少通過實驗我們已經可以測試假設，並將模型與可精確操作的成熟系統相聯繫。
事實上，大腦與計算機的結構完全不同。2006 年，拉里・艾勃特 (Larry Abbott) 在 《此設備的開關在哪裡？》一文中稱，他探索了電子設備中最基本組成部分（開關）的潛在生物物理基礎。雖然抑制性突觸可以通過讓下游神經元失去反應而改變神經活動流向，但這種相互作用在大腦中較為少見。
神經元並非一個可以打開或關閉，並形成接線圖的二進位開關。與此相反，神經元以類似方式做出反應，再隨著刺激的變化而改變活動。神經系統主要通過改變大量單元組成的細胞網絡激活模式來改變工作方式，其網絡節點不是電晶體或電子管那樣的穩定節點，而是成千上萬組能隨著時間推移對網絡作出持續響應的神經元。
這是一個亟待解決的重要問題。大腦由神經元與其他細胞組成，在神經網絡中相互作用，其活動不僅受突觸活動影響，還與神經調節因子等多種因素有關。此外，人腦的功能也涉及神經元的複雜動態模式。
或許就在不久的將來，各種腦機實驗將會取得突破性進展，理論家也將破解所有大腦功能並揭示其功能原理。
資料來源：
https://www.theguardian.com/science/2020/feb/27/why-your-brain-is-not-a-computer-neuroscience-neural-networks-consciousness?
https://www.theguardian.com/science/2015/mar/09/rodent-recall-false-but-happy-memories-implanted-in-sleeping-mice
https://www.eurekalert.org/pub_releases/2020-03/uom-ly022720.php
https://www.nature.com/articles/s41598-020-63755-5
https://www.quantamagazine.org/common-sense-comes-to-computers-20200430/
☞尤雨溪：重頭來過的 Vue 3 帶來了什麼？
☞懂語言者得天下：NLP 憑什麼被稱為人工智慧的掌上明珠？
☞可怕！CPU 竟成了黑客的幫凶！
☞如何用NLP輔助投資分析？三大海外機構落地案例詳解
☞這 10 個雲計算錯誤，會讓你的業務一蹶不振！
☞好撲科技結合區塊鏈行業發展趨勢，重磅推出「好撲區塊鏈合伙人」計劃