譯者：李浚弘

第二章；全腦仿真【逆向工程】

第二章【第一節(jié)】；復(fù)制大腦

到底什么是全腦仿真?簡(jiǎn)而言之，這個(gè)想法是在非生物(例如計(jì)算)基質(zhì)中制造特定大腦的精確工作副本(或多個(gè)副本)。為了了解細(xì)節(jié)，我們需要了解一些基本的神經(jīng)科學(xué)。脊椎動(dòng)物的大腦，就像動(dòng)物身體的其他器官一樣，由大量的細(xì)胞組成。這些細(xì)胞中有許多是神經(jīng)元，它們是了不起的電子設(shè)備，每一個(gè)都能進(jìn)行復(fù)雜的信號(hào)處理。神經(jīng)元由細(xì)胞體(稱(chēng)為胞體)、軸突和一組樹(shù)突組成。粗略地說(shuō)，樹(shù)突可以被認(rèn)為是神經(jīng)元的輸入，軸突是神經(jīng)元的輸出，而體細(xì)胞則進(jìn)行信號(hào)處理。 神經(jīng)元之間緊密相連，形成了一個(gè)復(fù)雜的網(wǎng)絡(luò)。軸突和樹(shù)突都類(lèi)似于樹(shù)，有許多分支呈扇形散開(kāi)，與其他神經(jīng)元的軸突和樹(shù)突交織在一起。當(dāng)一個(gè)神經(jīng)元的軸突(輸出)與另一個(gè)神經(jīng)元的樹(shù)突(輸入)非常接近時(shí)，就會(huì)形成突觸。通過(guò)復(fù)雜的化學(xué)物質(zhì)交換，突觸允許信號(hào)從一個(gè)神經(jīng)元跳到另一個(gè)神經(jīng)元，這使它們能夠相互交流。人腦中神經(jīng)元的數(shù)量驚人——超過(guò)800億。但神經(jīng)元并不局限于動(dòng)物的中樞神經(jīng)系統(tǒng)、大腦和脊髓。外周神經(jīng)系統(tǒng)也由神經(jīng)元組成，神經(jīng)元將感覺(jué)信號(hào)從身體(皮膚、眼睛、胃等)傳遞到大腦，并將運(yùn)動(dòng)信號(hào)從大腦(通過(guò)脊髓)傳遞到身體的其他部位，到肌肉、腺體等。 大腦的活動(dòng)是電和化學(xué)活動(dòng)相互作用的結(jié)果。特別是，神經(jīng)元的行為受到化學(xué)神經(jīng)遞質(zhì)的調(diào)節(jié)，如多巴胺和色拉托寧。這些化學(xué)物質(zhì)是由具有長(zhǎng)而彌漫性軸突投射的特殊用途神經(jīng)元產(chǎn)生的，這些神經(jīng)元將化學(xué)物質(zhì)傳播到整個(gè)大腦。神經(jīng)調(diào)節(jié)化學(xué)物質(zhì)也可以通過(guò)血液輸送到大腦，這是大多數(shù)精神活性藥物的工作方式。 大腦不僅僅是由神經(jīng)元組成的。它還包含一個(gè)血管系統(tǒng)，將血液輸送到各個(gè)部位，提供產(chǎn)生所有這些電信號(hào)所需的能量。它含有大量所謂的膠質(zhì)細(xì)胞。它們?cè)?jīng)被簡(jiǎn)單地認(rèn)為是一種膠水，將所有神經(jīng)元及其軸突和樹(shù)突固定在適當(dāng)?shù)奈恢?。但神?jīng)膠質(zhì)細(xì)胞似乎有自己的信號(hào)傳遞功能，盡管時(shí)間比神經(jīng)元慢。 單個(gè)神經(jīng)元的信號(hào)傳遞特性已或多或少被了解。細(xì)節(jié)很復(fù)雜。但簡(jiǎn)單地說(shuō)，每個(gè)神經(jīng)元將其樹(shù)突輸入的信號(hào)相加(整合)，當(dāng)總數(shù)達(dá)到一個(gè)閾值時(shí)，它就會(huì)沿軸突發(fā)出脈沖或尖刺。對(duì)這一過(guò)程的精確描述早在20世紀(jì)50年代就出現(xiàn)了，當(dāng)時(shí)艾倫·霍奇金(Alan Hodgkin)和安德魯·赫胥黎(Andrew Huxley)建立了數(shù)學(xué)模型，并因此獲得了諾貝爾醫(yī)學(xué)獎(jiǎng)。 大腦的一個(gè)基本特性是它的可塑性。在發(fā)育過(guò)程中，胎兒期和嬰兒期大腦中的連接經(jīng)歷了戲劇性的重構(gòu)，軸突和樹(shù)突像植物的根一樣生長(zhǎng)，在神經(jīng)系統(tǒng)中穿越巨大的距離來(lái)建立新的連接，同時(shí)放棄多余的連接。此外，在動(dòng)物的一生中，已建立的神經(jīng)連接的強(qiáng)度不斷變化，促進(jìn)了學(xué)習(xí)和記憶。這些塑性過(guò)程也存在良好的數(shù)學(xué)模型。 顯然，這個(gè)簡(jiǎn)短的概述甚至還沒(méi)有觸及到我們對(duì)大腦的了解的表面，我們所知道的僅僅是所有已知的表面。然而，在我們對(duì)大腦內(nèi)部運(yùn)作的迅速理解中，一切都支持以下假設(shè)，這在實(shí)踐和哲學(xué)上都是非常重要的:人類(lèi)的行為是由大腦中的物理過(guò)程決定的，這些過(guò)程在傳入的感覺(jué)信號(hào)和傳出的運(yùn)動(dòng)信號(hào)之間進(jìn)行調(diào)解。 當(dāng)然，為了理解人類(lèi)行為，我們必須將其置于動(dòng)物與其物理和社會(huì)環(huán)境相互作用的背景下。否則，大腦的活動(dòng)是沒(méi)有意義的。但這種陳詞濫調(diào)與假設(shè)無(wú)關(guān)。換句話(huà)說(shuō)，這種說(shuō)法只是說(shuō)，在從我們所看到、聽(tīng)到和觸摸到我們所做和所說(shuō)的(極其復(fù)雜的)因果鏈中，不存在因果之謎，不存在缺失的環(huán)節(jié)。全腦仿真的可能性就建立在這一主張之上。 第二章【第二節(jié)】；全腦仿真的三個(gè)階段

全腦仿真的工程可以設(shè)想為三個(gè)階段的過(guò)程:映射、模擬和實(shí)現(xiàn)。第一階段是以高(亞微米)空間分辨率繪制實(shí)驗(yàn)對(duì)象的大腦。整個(gè)前腦(至少)應(yīng)該包括在地圖中。這確保了大腦中與高級(jí)認(rèn)知功能最密切相關(guān)的部分被掃描，尤其是大腦皮層(灰質(zhì))及其相互連接(白質(zhì))，以及與情緒和行動(dòng)選擇相關(guān)的結(jié)構(gòu)，如杏仁核和基底神經(jīng)節(jié)。映射過(guò)程應(yīng)該(至少)獲得每個(gè)神經(jīng)元和每個(gè)突觸的位置和特征，以及一個(gè)神經(jīng)元級(jí)別的連接組，也就是說(shuō)，每個(gè)軸突和每個(gè)樹(shù)突之間的每個(gè)連接的記錄。其結(jié)果將是一幅特定時(shí)間特定大腦的精細(xì)藍(lán)圖。 該過(guò)程的第二階段是使用這個(gè)藍(lán)圖來(lái)建立所有這些神經(jīng)元及其連接的電化學(xué)活動(dòng)的實(shí)時(shí)模擬。例如，這樣的模擬可以使用計(jì)算神經(jīng)科學(xué)領(lǐng)域的標(biāo)準(zhǔn)技術(shù)來(lái)構(gòu)建，使用神經(jīng)元行為的既定數(shù)學(xué)公式，如霍奇金-赫胥黎模型。這里的基本技術(shù)與用來(lái)模擬天氣或機(jī)翼周?chē)黧w流動(dòng)的技術(shù)大致相同。不用說(shuō)，即使是用這種方式模擬一個(gè)很小的大腦，也需要相當(dāng)大的計(jì)算資源。 該過(guò)程的第三個(gè)階段是將模擬連接到外部環(huán)境。到目前為止，我們所擁有的只是一個(gè)非常復(fù)雜的、無(wú)實(shí)體的計(jì)算設(shè)備。為了彌合從在盒子內(nèi)運(yùn)行的無(wú)能為力模擬到展示外部行為的因果有效模擬之間的差距，需要構(gòu)建一個(gè)身體(即使這是虛擬世界中的模擬身體——我將在后面討論這種可能性)。由于模擬像其生物前體一樣期待輸入信號(hào)，并像其生物前體一樣產(chǎn)生輸出信號(hào)，如果模擬大腦在形態(tài)和機(jī)械上與原始動(dòng)物的身體相似，那么將其連接到這個(gè)(合成)身體的任務(wù)就會(huì)變得更容易。 如果映射和模擬階段是成功的，那么模擬神經(jīng)元的行為，無(wú)論是單個(gè)的還是作為一個(gè)群體的，都應(yīng)該與原始的生物大腦在相同的環(huán)境輸入下的行為有效地沒(méi)有區(qū)別?！坝行А边@個(gè)詞在這里很重要，因?yàn)槠谕昝赖钠ヅ涫翘嗔恕４竽X是一個(gè)混沌系統(tǒng)，從數(shù)學(xué)意義上講，初始條件的微小差異會(huì)導(dǎo)致系統(tǒng)隨著時(shí)間的推移行為的巨大差異。因此，映射過(guò)程中的小誤差，以及計(jì)算中的數(shù)值舍入誤差，將導(dǎo)致模擬的行為最終與其生物原型的行為背離。 但是這種限制并不一定是成功模擬的障礙。如果這些微觀(guān)偏差足夠小，那么模擬的宏觀(guān)尺度外向行為肯定與原始的難以區(qū)分。從觀(guān)察者的角度來(lái)看，在任何給定的情況下，模擬似乎都能做出與其原型相同的決策并執(zhí)行相同的操作。如果實(shí)驗(yàn)對(duì)象是人類(lèi)，那么即使是他或她的朋友和親人也不得不承認(rèn)，仿真對(duì)象的行為與他們認(rèn)識(shí)的人驚人地相似，表現(xiàn)出相同的習(xí)慣，以相同的方式說(shuō)話(huà)，甚至聲稱(chēng)擁有相同的記憶。 第二章【第三節(jié)】；腦測(cè)繪技術(shù)

人類(lèi)全腦仿真的想法在技術(shù)上有問(wèn)題，在哲學(xué)上具有挑戰(zhàn)性。這是我們將在適當(dāng)?shù)臅r(shí)候回到的主題。但現(xiàn)在，讓我們考慮一個(gè)物種，它帶來(lái)的技術(shù)和哲學(xué)上的困難更少，一個(gè)大腦更小的物種，即老鼠。怎樣才能實(shí)現(xiàn)老鼠的全腦模擬?需要什么樣的技術(shù)?讓我們依次進(jìn)行模擬的三個(gè)階段。 這是一種利用21世紀(jì)初的技術(shù)對(duì)老鼠大腦進(jìn)行詳細(xì)結(jié)構(gòu)掃描的方法。首先，這只(不幸的)老鼠被殺死，大腦被提取出來(lái)。其次，它的前腦被切成超薄的薄片。第三，用電子顯微鏡對(duì)每個(gè)切片進(jìn)行成像和數(shù)字化。第四，每個(gè)神經(jīng)元的位置和類(lèi)型，每個(gè)軸突和樹(shù)突的形狀，每個(gè)突觸的位置和類(lèi)型等等，都是由計(jì)算機(jī)從成堆的圖像中重建出來(lái)的。結(jié)果將是一個(gè)非常大的數(shù)據(jù)集，捕捉到原始大腦的大部分本質(zhì)，這正是我們需要的那種藍(lán)圖。 但是構(gòu)建一個(gè)仿真就足夠了嗎?這種結(jié)構(gòu)掃描只能提供大腦組成部分的快照——它們的形狀是什么，它們是如何排列的，它們是如何相互連接的。它沒(méi)有直接告訴我們動(dòng)態(tài)，關(guān)于這些組件如何行為和相互作用。結(jié)構(gòu)掃描的空間分辨率越高，它所包含的神經(jīng)微結(jié)構(gòu)就越小，使用數(shù)學(xué)模型在計(jì)算機(jī)上重建給定神經(jīng)元的可能行為就越容易。然而，即使是高分辨率的掃描也不太可能確定這樣一個(gè)模型所需的所有參數(shù)，比如突觸連接的強(qiáng)度。數(shù)學(xué)模型如果不填入所有參數(shù)，就無(wú)法進(jìn)行計(jì)算機(jī)仿真。 然而，如果能夠獲得神經(jīng)元電活動(dòng)的記錄，即使在低分辨率的結(jié)構(gòu)掃描中也可以彌補(bǔ)缺陷。一種可能的方法，同樣是使用21世紀(jì)早期的技術(shù)，是使用轉(zhuǎn)基因老鼠，這樣它的神經(jīng)元就會(huì)產(chǎn)生一種染料，當(dāng)它們放電時(shí)，就會(huì)發(fā)出熒光。然后，將光照射到大腦皮層上，就可以用普通光學(xué)顯微鏡記錄大腦中每個(gè)神經(jīng)元的活動(dòng)。2(顯然，這些必須在老鼠被殺死和大腦被切片之前完成。)隨后可以使用自動(dòng)化技術(shù)來(lái)搜索缺失參數(shù)的值，這樣，當(dāng)插入模型時(shí)，記錄的數(shù)據(jù)可以最準(zhǔn)確地再現(xiàn)。 諸如此類(lèi)的掃描和記錄技術(shù)是非常有前途的。然而，老鼠的大腦包含超過(guò)7000萬(wàn)個(gè)神經(jīng)元，每個(gè)神經(jīng)元可以有幾千個(gè)突觸連接。人腦包含超過(guò)800億個(gè)神經(jīng)元和數(shù)萬(wàn)億個(gè)突觸。計(jì)算密集型的方法，如切片和掃描程序，將與所涉及的絕對(duì)數(shù)字作斗爭(zhēng)，甚至摩爾定律也不太可能拯救這些方法。所描述的熒光顯微鏡方法也有其局限性。雖然它具有優(yōu)秀的空間分辨率，可以監(jiān)測(cè)單個(gè)神經(jīng)元，但它的時(shí)間分辨率相對(duì)較低，不能區(qū)分單個(gè)的spike事件。不過(guò)值得慶幸的是，由于生物技術(shù)和納米技術(shù)的進(jìn)步，各種繪制大腦圖譜的替代方法即將出現(xiàn)。讓我們來(lái)看看幾個(gè)候選人。 我們剛剛提到了基因工程的一個(gè)相關(guān)應(yīng)用。這是另一個(gè)。假設(shè)我們可以對(duì)老鼠進(jìn)行基因改造，使其大腦中的每個(gè)神經(jīng)元都包含一個(gè)嵌入在其DNA中的序列，該序列是該神經(jīng)元獨(dú)有的，即一種“DNA條形碼”。然后，每個(gè)神經(jīng)元都被單獨(dú)編碼，老鼠的大腦可能會(huì)被一種無(wú)害的病毒“感染”，這種病毒經(jīng)過(guò)特殊設(shè)計(jì)，可以攜帶遺傳物質(zhì)穿過(guò)突觸間隙，使突觸前神經(jīng)元的DNA與突觸后神經(jīng)元的DNA重新結(jié)合。這將產(chǎn)生新的DNA鏈，每條DNA鏈包含一對(duì)條形碼，表示兩個(gè)神經(jīng)元之間存在突觸連接。 因此，老鼠的大腦將成為數(shù)十億個(gè)神經(jīng)元之間成對(duì)連接的基因編碼記錄的儲(chǔ)存庫(kù)。接下來(lái)的任務(wù)就是提取這些數(shù)據(jù)，這可以通過(guò)DNA測(cè)序技術(shù)來(lái)完成。通過(guò)這種方法，可以獲得神經(jīng)元水平的連接體，而無(wú)需在亞微米級(jí)成像和圖像處理的數(shù)據(jù)和計(jì)算方面進(jìn)行昂貴的中間步驟。此外，這種方法的瓶頸，即DNA測(cè)序的速度和成本，在人類(lèi)基因組計(jì)劃的影響下，已經(jīng)經(jīng)歷了多年的指數(shù)級(jí)改善。 所以這是一個(gè)很有前途的技術(shù)。但正如前面描述的切片掃描程序一樣，它只能提供模擬大腦所需的一些數(shù)據(jù)。它揭示的是結(jié)構(gòu)，而不是功能。這就是納米技術(shù)的用武之地。納米技術(shù)可以幫助繪制老鼠的神經(jīng)活動(dòng)，從而填補(bǔ)藍(lán)圖中缺失的細(xì)節(jié)。生物技術(shù)和納米技術(shù)都依賴(lài)于同樣強(qiáng)大的理念——利用非常大量的非常小的物體。在生物技術(shù)的例子中，非常小的物體是生物病毒、細(xì)菌、DNA鏈等等。但這個(gè)想法同樣適用于非常小的非生物物體。納米技術(shù)領(lǐng)域關(guān)注的是這種物體的制造，這種物體的特征尺寸為幾十納米，也就是說(shuō)一米的幾百億分之一。 納米技術(shù)有許多潛在的應(yīng)用，其中許多與本書(shū)有關(guān)。但現(xiàn)在我們將把注意力集中在大腦活動(dòng)映射上。在納米尺度上，即使是神經(jīng)元的體細(xì)胞，其特征大小是百萬(wàn)分之一米，看起來(lái)也很大。因此，我們可以想象制造出一群納米級(jí)的機(jī)器人，它們能夠在大腦的血管網(wǎng)絡(luò)中自由游動(dòng)，然后每個(gè)機(jī)器人都像帽貝一樣附著在神經(jīng)元的膜上或靠近突觸。它會(huì)坐在那里，感知神經(jīng)元波動(dòng)的膜電位或檢測(cè)脈沖事件，并將這些信息實(shí)時(shí)傳輸?shù)狡べ|(zhì)表面附近的一組微型中轉(zhuǎn)站設(shè)備。這些小站的工作是從眾多的“神經(jīng)帽貝”中收集傳入的數(shù)據(jù)，并向外界廣播，神經(jīng)科學(xué)家可以在那里收集數(shù)據(jù)。 雖然這些都是推測(cè)性的建議，但它們暗示了在不久的將來(lái)可能是可行的。這本書(shū)的目的不是做詳細(xì)的預(yù)測(cè)，也不是猜測(cè)技術(shù)進(jìn)步的時(shí)間表。相反，我們的目標(biāo)是研究一系列未來(lái)可能發(fā)生的情況及其后果。這里具體的一點(diǎn)是，提供小鼠大腦藍(lán)圖的障礙是技術(shù)上的，而不是概念上的，這個(gè)藍(lán)圖有足夠的細(xì)節(jié)來(lái)實(shí)現(xiàn)成功的模擬。此外，這些障礙很可能在適當(dāng)?shù)臅r(shí)候被克服，或許可以使用生物技術(shù)和納米技術(shù)的某種結(jié)合。這可能需要十年的時(shí)間。也許需要50年。但從歷史上講，即使一個(gè)世紀(jì)也是很短的一段時(shí)間。 與此同時(shí)，還有另一種可能性可以考慮，這種可能性對(duì)掃描技術(shù)的要求不那么高，但對(duì)科學(xué)的要求更高。到目前為止，我們一直在考慮嘗試復(fù)制特定成年動(dòng)物的大腦。如果復(fù)制體要在行為上與原始體無(wú)法區(qū)分，忠實(shí)地再現(xiàn)其所有習(xí)得的行為、所有習(xí)慣和偏好，就需要進(jìn)行非常詳細(xì)、非常準(zhǔn)確的掃描。但是，假設(shè)在最先進(jìn)的技術(shù)允許的范圍內(nèi)，對(duì)大量新生小鼠的大腦進(jìn)行盡可能詳細(xì)的掃描。然后，通過(guò)合并所有數(shù)據(jù)，并盡可能多地利用其他小鼠大腦數(shù)據(jù)進(jìn)行約束，就可以建立一個(gè)平均新生小鼠大腦的統(tǒng)計(jì)模型。 在這樣一個(gè)統(tǒng)計(jì)模型的幫助下，可以生成任意數(shù)量的、精確的、逐神經(jīng)元的、逐突觸的對(duì)單個(gè)幼年小鼠大腦的描述，每個(gè)描述與其他描述略有不同，但每個(gè)描述都符合總體統(tǒng)計(jì)模板。這些描述都不符合一只真正活著的老鼠的大腦。但是，如果有足夠的數(shù)據(jù)來(lái)充分約束模型，每一個(gè)都將代表一個(gè)可行的小鼠大腦，準(zhǔn)備在計(jì)算機(jī)模擬中實(shí)例化和具體化。 第二章【第四節(jié)】；神經(jīng)模擬技術(shù)

通過(guò)這樣或那樣的方式獲得大腦的詳細(xì)描述后，模擬就可以放在一起了。對(duì)于可以在其上實(shí)現(xiàn)模擬的底層基板，有多種選項(xiàng)。這些計(jì)算機(jī)的范圍從傳統(tǒng)的數(shù)字計(jì)算機(jī)到定制的模擬硬件，再到化學(xué)或生物計(jì)算機(jī)。最傳統(tǒng)的實(shí)現(xiàn)途徑包括我們桌子上或手機(jī)里的那種數(shù)字計(jì)算機(jī)。任何傳統(tǒng)的數(shù)字計(jì)算機(jī)都可以用來(lái)模擬給定一組控制這些變量的微分方程，一小步一小步地模擬一組變量是如何變化的。神經(jīng)元各個(gè)組成部分的電和化學(xué)性質(zhì)可以用這種方式建模，例如，使用前面提到的霍奇金-赫胥黎方程。 當(dāng)然，當(dāng)前的任務(wù)不僅僅是模擬單個(gè)神經(jīng)元，而是許多連接在一起的神經(jīng)元。所以有很多變量，每個(gè)變量都由所討論的方程控制，而任務(wù)是一次性模擬它們。如何在傳統(tǒng)的串行計(jì)算機(jī)上實(shí)時(shí)完成這一操作呢?實(shí)際上，串行計(jì)算機(jī)一次只執(zhí)行一個(gè)操作。幸運(yùn)的是，神經(jīng)元反應(yīng)很慢。即使在興奮時(shí)，一個(gè)典型的神經(jīng)元也只會(huì)每隔幾毫秒發(fā)出一個(gè)峰值。一個(gè)典型的神經(jīng)元發(fā)出兩個(gè)尖峰所需要的時(shí)間，一臺(tái)運(yùn)行在3ghz頻率下的臺(tái)式電腦可以執(zhí)行1000多萬(wàn)次操作。 因此，通過(guò)多任務(wù)同時(shí)模擬多個(gè)神經(jīng)元是可能的。在每一毫秒的模擬時(shí)間里，計(jì)算機(jī)用一毫秒的一小部分來(lái)模擬神經(jīng)元1，一毫秒的一小部分來(lái)模擬神經(jīng)元2，以此類(lèi)推，模擬成千上萬(wàn)的神經(jīng)元。 然而，即使是老鼠的大腦也包含數(shù)千萬(wàn)個(gè)神經(jīng)元，要準(zhǔn)確實(shí)時(shí)地模擬它們，需要大量的計(jì)算。盡管處理器時(shí)鐘速度在20世紀(jì)80年代和90年代以令人滿(mǎn)意的指數(shù)速度增長(zhǎng)，但這一趨勢(shì)最終在21世紀(jì)初放緩。即使是最快的串行處理器也無(wú)法模擬老鼠大腦中的所有神經(jīng)元。幸運(yùn)的是，并行性在這一點(diǎn)上可以承受壓力。這種模擬不是使用一個(gè)串行處理器一次執(zhí)行一個(gè)操作，而是可以使用多個(gè)處理器同時(shí)運(yùn)行，每個(gè)處理器模擬數(shù)千個(gè)神經(jīng)元。正如一千名工人有可能在一周內(nèi)建成一座磚砌大廈，而這需要一個(gè)磚匠花一輩子的時(shí)間一樣，使用大量的慢速并行處理器來(lái)模擬整個(gè)大腦是可能的，而使用一個(gè)快速處理器是不可能實(shí)時(shí)模擬的。 事實(shí)上，大腦本身就利用了一種大規(guī)模并行的形式。每個(gè)神經(jīng)元都可以看作是一個(gè)微小的、獨(dú)立的信息處理單元。它的輸入是樹(shù)突上的一組信號(hào)。它以各種物理量的形式有記憶，比如它的膜電位和突觸的強(qiáng)度。神經(jīng)元自身“計(jì)算”出一種功能，它不斷地將樹(shù)突的“輸入”和“記憶”的當(dāng)前狀態(tài)映射到它傳遞給軸突的“輸出”信號(hào)上。根據(jù)這個(gè)類(lèi)比，大腦的基本功能基礎(chǔ)是一種大規(guī)模并行計(jì)算的形式，有數(shù)百萬(wàn)個(gè)微型處理器同時(shí)工作。 當(dāng)我們研究神經(jīng)元的真實(shí)物理和化學(xué)時(shí)，與并行計(jì)算的類(lèi)比在某種程度上被打破了。但它有助于說(shuō)明一個(gè)重要的問(wèn)題，即生物大腦是利用大量極小事物原理的另一個(gè)例子。為了模擬大腦，我們需要使用相同的原理，盡管是在不同的基底上。因此，2010年代中期的超級(jí)計(jì)算機(jī)都是大型并行機(jī)器，這預(yù)示著全腦仿真的前景很好。此外，隨著處理器數(shù)量的增加，每個(gè)處理器的成本也在下降，這符合摩爾定律的指數(shù)趨勢(shì)。 這種特殊的技術(shù)趨勢(shì)很大程度上要?dú)w功于大批電腦游戲玩家，他們對(duì)更好的游戲體驗(yàn)的需求推動(dòng)了廉價(jià)、高性能圖形處理單元(gpu)的發(fā)展。盡管GPU最初致力于處理大量像素陣列，但它的架構(gòu)本質(zhì)上是通用并行計(jì)算機(jī)的架構(gòu)。隨著效率和功率的提高和成本的下降，它們?cè)谄渌枰罅坎⑿杏?jì)算的領(lǐng)域找到了新的應(yīng)用，比如模擬核反應(yīng)或氣候。到2012年，世界上最強(qiáng)大的計(jì)算機(jī)，Cray的Titan，是基于一種混合架構(gòu)，包含18,688個(gè)圖形處理器，每個(gè)圖形處理器本身就是一個(gè)強(qiáng)大的并行計(jì)算機(jī)。 第二章【第五節(jié)】；腦尺度計(jì)算

如果(1)成功模擬所需的物理細(xì)節(jié)水平足夠低，(2)我們擁有所需細(xì)節(jié)水平的藍(lán)圖，那么使用2010年代中期最強(qiáng)大的計(jì)算機(jī)模擬一只老鼠的整個(gè)大腦就已經(jīng)成為可能。我們已經(jīng)討論了滿(mǎn)足第二個(gè)條件的一些技術(shù)選擇。至于第一個(gè)條件，目前還沒(méi)有定論。在將突觸傳遞的化學(xué)過(guò)程、神經(jīng)膠質(zhì)細(xì)胞的結(jié)構(gòu)、樹(shù)突和軸突的形狀等抽象出來(lái)，并將神經(jīng)元視為簡(jiǎn)單的、點(diǎn)狀的數(shù)學(xué)對(duì)象的情況下，是否有可能實(shí)現(xiàn)行為上的不可區(qū)分?如果是這樣，那么整個(gè)大腦模擬的計(jì)算需求將比大腦的所有這些方面都必須建模要少幾個(gè)數(shù)量級(jí)。 神經(jīng)科學(xué)還沒(méi)有回答這個(gè)問(wèn)題。但是，即使答案是有利的，從老鼠大腦到人腦(以及人類(lèi)智力水平)的放大是巨大的。這里的工程挑戰(zhàn)不僅僅是實(shí)現(xiàn)所需數(shù)量的FLOPS(每秒浮點(diǎn)操作)，而且要在小體積和低功耗下完成。人類(lèi)大腦(男性)的平均面積僅為1250厘米，耗電量?jī)H為20瓦。相比之下，2013年世界上最強(qiáng)大的超級(jí)計(jì)算機(jī)“天河2號(hào)”消耗24兆瓦，占地720平方米。然而，即使在最保守的假設(shè)下，它的計(jì)算能力也只是模擬人腦所需的一小部分。簡(jiǎn)而言之，盡管存在大規(guī)模并行性，但可能有必要超越傳統(tǒng)的數(shù)字計(jì)算機(jī)，通過(guò)全腦仿真途徑實(shí)現(xiàn)人類(lèi)級(jí)別的人工智能。 一種有前途的方法是神經(jīng)形態(tài)硬件。這里的想法不是使用現(xiàn)有的通用計(jì)算技術(shù)，而是構(gòu)建與大腦濕件非常相似的定制硬件。傳統(tǒng)的數(shù)字硬件執(zhí)行數(shù)百個(gè)二進(jìn)制浮點(diǎn)算術(shù)運(yùn)算來(lái)模擬單個(gè)神經(jīng)元膜電位幾毫秒的變化。這涉及到成千上萬(wàn)的晶體管開(kāi)關(guān)事件，每一個(gè)都消耗功率(并產(chǎn)生熱量)。膜電位本身表示為二進(jìn)制數(shù)，它以離散的步驟變化，而不是像實(shí)際物理量那樣連續(xù)變化。神經(jīng)形態(tài)的方法摒棄了所有這些數(shù)字設(shè)備，而使用行為與原始神經(jīng)元相似的模擬組件。膜電位是由一個(gè)真實(shí)的物理量的電荷，經(jīng)歷連續(xù)變化表示。其結(jié)果是在電力消耗方面效率更高。 當(dāng)我們研究用于全腦仿真的潛在腦映射技術(shù)時(shí)，我們?cè)O(shè)想了擴(kuò)大當(dāng)代技術(shù)(例如切片和掃描)，或成功開(kāi)發(fā)看似可行的新興技術(shù)(例如DNA條形碼)，或?qū)崿F(xiàn)范式轉(zhuǎn)移到理論上可行但高度投機(jī)的技術(shù)(例如神經(jīng)納米機(jī)器人)。通過(guò)神經(jīng)模擬技術(shù)，我們可以看到類(lèi)似的可能性范圍。我們已經(jīng)討論了使用傳統(tǒng)數(shù)字架構(gòu)的大規(guī)模并行超級(jí)計(jì)算機(jī)，我們剛剛談到了神經(jīng)形態(tài)硬件，這是一種很好的模擬少量神經(jīng)元的替代技術(shù)，但需要大幅擴(kuò)展。 但在更遙遠(yuǎn)的地平線(xiàn)上是什么呢?關(guān)于量子計(jì)算的潛力有很多猜測(cè)。這當(dāng)然是一個(gè)有趣的話(huà)題。但是量子計(jì)算在理論上具有優(yōu)勢(shì)的這類(lèi)問(wèn)題并不包括大規(guī)模的神經(jīng)模擬。奇異的量子效應(yīng)，比如疊加，可以用來(lái)解決棘手的搜索問(wèn)題。但是全腦模擬的計(jì)算需求與搜索的難解性無(wú)關(guān)。它們是由真正大規(guī)模并行性的需求決定的。我們真正需要的是一種硬件范式，允許摩爾定律繼續(xù)存在，超越物理對(duì)傳統(tǒng)硬件中可能的集成規(guī)模的限制，比如光速、原子的大小，以及從一種狀態(tài)翻轉(zhuǎn)到另一種狀態(tài)所需的最小能量。 一個(gè)候選是量子點(diǎn)元胞自動(dòng)機(jī)(QDCA)。盡管這里使用了“量子”這個(gè)詞，但QDCA并不是量子計(jì)算機(jī)。確切地說(shuō)，量子點(diǎn)是一種納米級(jí)的半導(dǎo)體器件，可以像晶體管一樣工作，非常快速地切換狀態(tài)，但使用很少的功率。四個(gè)量子點(diǎn)可以排列成正方形，形成一個(gè)量子點(diǎn)單元，可以存儲(chǔ)單個(gè)比特的信息。量子點(diǎn)單元可以布置在網(wǎng)格上(形成細(xì)胞自動(dòng)機(jī))，并組織成邏輯門(mén)和通信通道。這些是數(shù)字電子的基本元素，它們可以被組裝成微型處理器。 QDCA相對(duì)于傳統(tǒng)(互補(bǔ)金屬氧化物半導(dǎo)體或CMOS)硅技術(shù)的優(yōu)勢(shì)在于它們?cè)试S的巨大集成規(guī)模，使更多的開(kāi)關(guān)設(shè)備放置在相同的區(qū)域，而不是CMOS物理上可能的，同時(shí)消耗適度的功率和產(chǎn)生很少的熱量。但QDCA的實(shí)際應(yīng)用可能還需要幾十年的時(shí)間。在近期內(nèi)，半導(dǎo)體工業(yè)可能會(huì)保留傳統(tǒng)的處理器設(shè)計(jì)，也許會(huì)利用3D晶體管堆疊來(lái)延長(zhǎng)摩爾定律，而不是今天使用的二維硅片，也許會(huì)完全放棄硅，采用碳納米管作為介質(zhì)來(lái)構(gòu)建更小、更高效的晶體管。 有一點(diǎn)是毋庸置疑的。21世紀(jì)10年代的電子工業(yè)還遠(yuǎn)沒(méi)有生產(chǎn)出接近在給定物質(zhì)部分內(nèi)可以進(jìn)行多少計(jì)算的終極理論極限的計(jì)算機(jī)。術(shù)語(yǔ)computronium有時(shí)用來(lái)表示一種(虛構(gòu)的)物質(zhì)，在這種物質(zhì)中，每秒進(jìn)行的計(jì)算操作數(shù)等于任何原子構(gòu)型中物理上可能的最大值。物理學(xué)家賽斯·勞埃德(Seth Lloyd)計(jì)算出，這樣一臺(tái)質(zhì)量為1公斤、體積為1升的理論上完美的計(jì)算機(jī)，在1031位上每秒可以執(zhí)行5.4 ×10【50】次邏輯運(yùn)算。這比今天的計(jì)算機(jī)高出39個(gè)數(shù)量級(jí)。 在實(shí)踐中實(shí)現(xiàn)這種計(jì)算能力的可能性很小。然而，這種能力的一小部分就足以對(duì)人腦進(jìn)行非常高保真的模擬。畢竟，人類(lèi)大腦的體積只有一升多一點(diǎn)，而且(令人驚訝的是)只消耗20瓦的能量。無(wú)論我們談?wù)摰氖悄M大量神經(jīng)元，還是通過(guò)不那么受生物學(xué)啟發(fā)的途徑實(shí)現(xiàn)人工智能，比我們今天擁有的更強(qiáng)大的計(jì)算機(jī)的真正可能性，都是思考機(jī)器超級(jí)智能可能性的主要?jiǎng)訖C(jī)。 第二章【第六節(jié)】；機(jī)器人；化身技術(shù)

讓我們假設(shè)，通過(guò)某種方式，已經(jīng)克服了繪圖和模擬的技術(shù)障礙。一個(gè)精細(xì)精細(xì)的前腦模型已經(jīng)被建造出來(lái)。仿真過(guò)程的最后階段是將模擬大腦與合成(機(jī)器人)身體連接起來(lái)。只有在這個(gè)階段，我們才能正確地測(cè)試和調(diào)整模擬，以獲得與原始的行為等效性。原則上，機(jī)器人的身體可以有多種形式，或多或少像老鼠的身體。但如果身體越像鼠標(biāo)越好，接口問(wèn)題就會(huì)越少。所以這就是我們現(xiàn)在所假設(shè)的——不是一個(gè)有輪子的硬殼的身體，而是一個(gè)有肌肉骨骼系統(tǒng)的柔軟的四足身體。同樣地，讓我們想象一下機(jī)器人的身體有一套仿生傳感器——眼睛、耳朵和(非常重要的)胡須，所有這些傳感器都傳遞一組典型的信號(hào)，這些信號(hào)在真正的老鼠身上是典型的。 現(xiàn)在我們一只手拿著模擬的老鼠前腦，另一只手拿著合成的老鼠身體。但是我們?nèi)绾渭尤胨麄兡?我們不能簡(jiǎn)單地把一個(gè)插入另一個(gè)。問(wèn)題是，在真正的動(dòng)物中，前腦和身體的其他部分并沒(méi)有完全分開(kāi)。事實(shí)上，前腦只是神經(jīng)系統(tǒng)一端的神經(jīng)元和連接的特別密集的集中地，它從頭到腳滲透在動(dòng)物的身體里，就像雨林里的河流和支流系統(tǒng)一樣。但我們已經(jīng)選擇將前腦與這個(gè)系統(tǒng)的其他部分“切斷”。在這樣做的過(guò)程中，我們拋棄了一大塊中樞神經(jīng)系統(tǒng)，包括與運(yùn)動(dòng)協(xié)調(diào)有關(guān)的小腦，以及整個(gè)周?chē)窠?jīng)系統(tǒng)。? 我們有充分的理由相信，前腦蘊(yùn)含著某只老鼠的大部分“本質(zhì)”，就像我們有理由相信，人的前腦蘊(yùn)含著某個(gè)人的大部分“本質(zhì)”——習(xí)慣、偏好、專(zhuān)長(zhǎng)、記憶、個(gè)性。因此，研究前腦的決定是合理的。然而，通過(guò)選擇映射和模擬前腦，就好像我們把一張掛毯撕成兩半，現(xiàn)在我們必須再次把它連接起來(lái)，一次重新連接一根絲線(xiàn)，以便無(wú)縫地恢復(fù)原始模式?；蛘吒愕氖牵@就好像我們丟掉了一半的掛毯，現(xiàn)在被迫從頭合成缺失的部分，猜測(cè)丟失的一半圖案。 老鼠的身體是掛毯缺失的一半，而前腦的模擬，其無(wú)數(shù)的輸入和輸出，就像被撕破的絲線(xiàn)在空中搖擺一樣，是我們現(xiàn)在擁有的掛毯的一半。不幸的是，前腦模擬的輸入和輸出沒(méi)有附上標(biāo)簽，說(shuō)明將它們連接到機(jī)器人體內(nèi)的哪根電線(xiàn)上。工程師必須弄清楚哪些肌肉運(yùn)動(dòng)模式最初是由每個(gè)大腦發(fā)出的運(yùn)動(dòng)信號(hào)引起的，哪些輸入信號(hào)最初是由任何給定的感官刺激模式引起的。感覺(jué)神經(jīng)元在皮層中的精確位置是一個(gè)線(xiàn)索，尤其是在視覺(jué)和觸覺(jué)的情況下，它們的連接是“地形”組織的。但是，這些信息離能讓機(jī)器人專(zhuān)家的工作變得簡(jiǎn)單的接線(xiàn)圖還差得很遠(yuǎn)。 困難的根源在于，在動(dòng)物原型中，整個(gè)系統(tǒng)的不同部分——前腦、神經(jīng)系統(tǒng)的其余部分和身體的其余部分——一起生長(zhǎng)和發(fā)展，每一個(gè)都以一種有機(jī)的方式適應(yīng)彼此的特質(zhì)。因此，避免這個(gè)問(wèn)題的一種方法可能是擴(kuò)大繪圖階段的職權(quán)范圍。與其僅僅繪制前腦的地圖，為什么不構(gòu)建一張整個(gè)神經(jīng)系統(tǒng)的地圖，包括中樞和外圍，與身體的三維結(jié)構(gòu)的高分辨率表示相結(jié)合?然后，除了構(gòu)建一個(gè)(整個(gè))大腦的計(jì)算機(jī)模擬復(fù)制品，我們還可以合成我們的特定老鼠的身體的精確副本，包括它自己的周?chē)窠?jīng)系統(tǒng)和肌肉骨骼結(jié)構(gòu)的所有細(xì)節(jié)。我們已經(jīng)在從事推斷相關(guān)技術(shù)的工作，那么我們?yōu)槭裁床黄谕覀冊(cè)谶@一領(lǐng)域的能力擴(kuò)展到整個(gè)身體呢? 或者，當(dāng)模擬對(duì)象活著時(shí)，機(jī)器學(xué)習(xí)技術(shù)可以被應(yīng)用，而不是獲得整個(gè)周?chē)窠?jīng)系統(tǒng)和肌肉骨骼結(jié)構(gòu)的掃描，以找出大腦的感覺(jué)運(yùn)動(dòng)活動(dòng)和結(jié)果運(yùn)動(dòng)之間的關(guān)系。了解了這種關(guān)系，就可以構(gòu)建一個(gè)接口，將大腦產(chǎn)生的運(yùn)動(dòng)信號(hào)轉(zhuǎn)換成機(jī)器人合成體可以理解的命令(并向大腦提供它所期望的本體感覺(jué)信號(hào)和觸覺(jué)反饋)。這種方法的一個(gè)優(yōu)點(diǎn)是，它減少了合成體與原始體相似的程度。如果要在開(kāi)箱即用的情況下進(jìn)行仿真，只需進(jìn)行最少的調(diào)整和校準(zhǔn)，那么就必須保留基本的身體模式——在鼠標(biāo)的情況下，包括四條腿、爪子和可抽動(dòng)的鼻子。但是由于巧妙的接口，不需要復(fù)制老鼠的精確肌肉組和它們的特征。 如果我們利用另一種強(qiáng)大的學(xué)習(xí)工具，即模擬大腦本身，那么對(duì)原始身體的密切復(fù)制品的需求也會(huì)減少。生物大腦是適應(yīng)的大師。人類(lèi)可以學(xué)習(xí)駕駛汽車(chē)，駕駛飛機(jī)，操作起重機(jī)和挖掘機(jī)，等等。對(duì)于熟練的司機(jī)、飛行員或操作員來(lái)說(shuō)，機(jī)器可以成為身體的延伸。此外，那些遭受?chē)?yán)重傷害、致殘的人有一種非凡的能力來(lái)適應(yīng)他們的困境，學(xué)會(huì)使用輪椅、假肢和其他假肢。一個(gè)模擬的大腦同樣具有可塑性和適應(yīng)性。只要不期望模擬能夠開(kāi)箱即用，就不需要一個(gè)與原始身體的感覺(jué)運(yùn)動(dòng)信號(hào)完全匹配的身體。一段時(shí)間的訓(xùn)練或“康復(fù)”可以彌補(bǔ)這種不匹配。 結(jié)合使用這兩種方法——設(shè)計(jì)一個(gè)為行為數(shù)據(jù)量身定制的接口，并引入一段恢復(fù)期——可用于仿真的身體模式的范圍可以大大擴(kuò)展。為什么要把模擬老鼠關(guān)在老鼠的身體里?重新激活的生物可能有六條腿，或者輪子。如果工程師們有一個(gè)神經(jīng)模式的數(shù)學(xué)模型，比如“向視野中心的物體移動(dòng)”的沖動(dòng)，那么他們就可以確保老鼠的合成身體在老鼠的合成大腦想要的時(shí)候向老鼠視野中的物體移動(dòng)。 由于義肢和腦機(jī)接口領(lǐng)域的進(jìn)步，模擬大腦不僅可以適應(yīng)一個(gè)不熟悉的身體，新的身體也可以被設(shè)計(jì)成適應(yīng)模擬大腦。當(dāng)代人體義肢不是被動(dòng)裝置。相反，它們能夠獨(dú)立地形成復(fù)雜的動(dòng)作(就像章魚(yú)的觸角一樣)。但要有效地做到這一點(diǎn)，它們必須學(xué)會(huì)識(shí)別主人的意圖。腦機(jī)接口領(lǐng)域在將機(jī)器學(xué)習(xí)應(yīng)用于這一問(wèn)題方面進(jìn)展迅速，其開(kāi)發(fā)的技術(shù)也有助于全腦仿真。如果允許模擬大腦和合成身體共同適應(yīng)，那么以一種新的身體模式進(jìn)行康復(fù)將大大便利。 第二章【第七節(jié)】；虛擬化身

生物大腦是感覺(jué)運(yùn)動(dòng)回路的一部分，這使它能夠在連續(xù)的時(shí)間里，指揮位于三維空間世界中的身體的運(yùn)動(dòng)。動(dòng)物大腦的功能模擬也必須是感覺(jué)運(yùn)動(dòng)回路的一部分，它的輸入和輸出必須在功能上等同于真實(shí)大腦的輸入和輸出，這就需要它的具體化。將模擬大腦與物理機(jī)器人身體連接是實(shí)現(xiàn)這一目標(biāo)的一種方法。另一種方法是建立動(dòng)物身體和它通常生活的物理環(huán)境的詳細(xì)模擬。模擬老鼠的大腦可以連接到模擬老鼠的身體(包括模擬的爪子、胡須和皮毛)，并在一個(gè)包含模擬草、模擬樹(shù)籬和模擬奶酪的虛擬世界中自由釋放，所有這些都以足夠高的分辨率渲染，就老鼠的感覺(jué)運(yùn)動(dòng)裝置而言，與真實(shí)的東西幾乎沒(méi)有區(qū)別。做到這一點(diǎn)的技術(shù)已經(jīng)成熟，我們必須再次感謝視頻游戲玩家的經(jīng)濟(jì)影響力。由于對(duì)更逼真的游戲體驗(yàn)的需求，開(kāi)發(fā)人員生產(chǎn)了越來(lái)越復(fù)雜的物理引擎，可以模擬虛擬世界中物理對(duì)象的行為。物理引擎維持游戲世界中存在的眾多物體的位置和方向，因?yàn)樗鼈兯奶幰苿?dòng)并相互碰撞，考慮到重力、摩擦等影響。在電腦游戲中維護(hù)這些信息的原因是為了從玩家角色的角度(或者從角色背后的角度)呈現(xiàn)物體。在虛擬化身的上下文中，物理引擎的作用是為模擬大腦提供真實(shí)的輸入和輸出。 但無(wú)論應(yīng)用程序是游戲還是虛擬化身，工程挑戰(zhàn)都是一樣的。固體物體的模擬相對(duì)簡(jiǎn)單。柔軟或有彈性的物體，如肌肉或草葉，會(huì)帶來(lái)更多的困難。顆粒物，如煙霧或灰塵，就更棘手了。但圖形專(zhuān)家早就破解了所有這些案例。其他的智能體，對(duì)于任何屬于社會(huì)性動(dòng)物的模擬大腦來(lái)說(shuō)都是必需的，但它們面臨著特殊的困難。它們可能被粗糙地模擬，就像現(xiàn)代游戲中所謂的人工智能一樣，具有簡(jiǎn)單的刻板行為。但它們可能是生活在現(xiàn)實(shí)世界中的人類(lèi)的化身?；蛘咚麄兛赡苁瞧渌耆珜?shí)現(xiàn)的具有一般智能的人工智能。 最后一種選擇提出了在模擬環(huán)境中生活整個(gè)人工智能虛擬社會(huì)的可能性。從現(xiàn)實(shí)生物的約束中解放出來(lái)，不再需要為食物和水等資源而競(jìng)爭(zhēng)，某些事情在虛擬社會(huì)中變得可行，而在被局限于濕件的個(gè)體社會(huì)中則是不可行的。例如，如果有足夠的計(jì)算資源，虛擬社會(huì)可以以超真實(shí)的速度運(yùn)行。在虛擬世界中經(jīng)過(guò)的每一毫秒都可以在現(xiàn)實(shí)世界中模擬，比如說(shuō)十分之一毫秒。 如果一個(gè)生活在這樣一個(gè)虛擬世界中的人工智能社會(huì)能夠努力提高自己，或者創(chuàng)造出更聰明的繼任者，那么從現(xiàn)實(shí)世界的角度來(lái)看，它們的進(jìn)步將得到適當(dāng)?shù)募铀?。如果他們能夠?qū)⑺麄兊募夹g(shù)專(zhuān)長(zhǎng)運(yùn)用到現(xiàn)實(shí)世界中，幫助改進(jìn)他們所依賴(lài)的計(jì)算基板，那么這種加速的速度反過(guò)來(lái)也會(huì)加快。這是通往類(lèi)似奇點(diǎn)場(chǎng)景的一條路。其結(jié)果將是爆炸性的技術(shù)變革，其后果將是不可預(yù)測(cè)的。 第二章【第八節(jié)】；仿真與增強(qiáng)

讓我們回到更近的未來(lái)。全腦模擬只是實(shí)現(xiàn)人工智能的一種方式，是生物保真度遠(yuǎn)端的工程可能性空間中的一個(gè)點(diǎn)。然而，這是該領(lǐng)域的一個(gè)重要點(diǎn)，因?yàn)樗砻?，在相?dāng)保守的哲學(xué)、科學(xué)和技術(shù)假設(shè)下，至少有一種(老鼠級(jí)別的)通用人工智能在短期內(nèi)是可行的。 這些假設(shè)中最主要的是:(1)人類(lèi)和其他動(dòng)物的智能行為是由受物理定律支配的大腦活動(dòng)調(diào)節(jié)的;(2)在模擬中實(shí)現(xiàn)行為的有效不可區(qū)分性所需的物理細(xì)節(jié)級(jí)別不能太細(xì);(3)現(xiàn)有的地圖和計(jì)算技術(shù)將在足夠短的時(shí)間內(nèi)實(shí)現(xiàn)足夠的規(guī)?；?對(duì)于老鼠來(lái)說(shuō)可能是兩到三個(gè)數(shù)量級(jí))。(足以引起大多數(shù)人注意的一段時(shí)間是“在他們的一生中”，或者可能是“在他們孩子的一生中”。) 第一個(gè)假設(shè)代表了大多數(shù)人都會(huì)接受的哲學(xué)立場(chǎng)。第二個(gè)假設(shè)引出了許多科學(xué)問(wèn)題。例如，我們可以不模擬單個(gè)神經(jīng)膠質(zhì)細(xì)胞，生物大腦的連續(xù)性(而不是離散性)不是模擬的障礙，我們可以完全忽略量子效應(yīng)。第三個(gè)假設(shè)，只要我們堅(jiān)持使用鼠標(biāo)，就計(jì)算能力而言是現(xiàn)實(shí)的，就大腦映射技術(shù)而言是合理的。因此，很難避免得出這樣的結(jié)論:老鼠級(jí)別的人工通用智能不僅是可能的，而且是近期的前景。 一旦實(shí)現(xiàn)了老鼠規(guī)模的全腦模擬，我們就有充分的理由相信，人類(lèi)水平的人工智能將不會(huì)太遙遠(yuǎn)。有很多方式可以實(shí)現(xiàn)這種轉(zhuǎn)變。最明顯的方法就是擴(kuò)大模擬過(guò)程并將其應(yīng)用于人類(lèi)大腦。當(dāng)然，這將是一項(xiàng)艱巨的工程，但不需要在概念上取得突破。但是，期望相關(guān)的使能技術(shù)，如計(jì)算機(jī)處理能力和存儲(chǔ)容量，以足夠快的速度繼續(xù)改進(jìn)，這現(xiàn)實(shí)嗎?摩爾定律總有終結(jié)的一天。也許它會(huì)在老鼠規(guī)模的全腦模擬和人類(lèi)規(guī)模的全腦模擬之間的三個(gè)數(shù)量級(jí)的某個(gè)地方停下來(lái)。 然而，我們知道有可能將數(shù)十億個(gè)超低功耗、納米級(jí)的組件組裝成具有人類(lèi)智能水平的設(shè)備。我們自己的大腦就是存在的證明。自然已經(jīng)做到了，我們應(yīng)該能夠像自然一樣操縱物質(zhì)。因此，單就神經(jīng)元數(shù)量而言，如果我們沒(méi)有其他辦法的話(huà)，我們最終應(yīng)該能夠在大腦建造的舞臺(tái)上與大自然相匹敵，使用一些合成生物學(xué)和納米技術(shù)的結(jié)合。然而，要滿(mǎn)足人類(lèi)全腦仿真的計(jì)算需求，可能需要一系列重大的技術(shù)突破。在這種情況下，擴(kuò)大模擬過(guò)程并不是實(shí)現(xiàn)人類(lèi)級(jí)別AI的簡(jiǎn)單途徑。 然而，人類(lèi)尺度的全腦模擬并不是升級(jí)到人類(lèi)級(jí)別AI的唯一選擇。也許鼠標(biāo)規(guī)模的模擬本身可以在認(rèn)知上得到增強(qiáng)。最明顯的方法(可能是na?ve)就是增加大腦中重要認(rèn)知區(qū)域的神經(jīng)元數(shù)量，比如前額皮質(zhì)和海馬體。更有可能的是，在理解認(rèn)知是如何在脊椎動(dòng)物大腦中實(shí)現(xiàn)的過(guò)程中，由于老鼠模擬作為一種研究工具的可用性，進(jìn)展將會(huì)加快。這種迅速發(fā)展的理論知識(shí)可以用來(lái)幫助設(shè)計(jì)合適的神經(jīng)增強(qiáng)(或認(rèn)知假體)，同時(shí)保留核心小鼠大腦模擬。 從這個(gè)角度來(lái)看，老鼠大腦模擬再次成為實(shí)現(xiàn)人類(lèi)水平AI的催化劑。就像物理學(xué)中的粒子加速器一樣，一個(gè)老鼠規(guī)模的全腦模擬將允許進(jìn)行原本只能想象的實(shí)驗(yàn)。例如，有可能在精心控制的條件下觀(guān)察合成老鼠的大腦活動(dòng)和行為，然后重置整個(gè)系統(tǒng)，并在大腦發(fā)生微小變化的情況下重新運(yùn)行相同的實(shí)驗(yàn)。這只是一種實(shí)驗(yàn)程序，可以讓老鼠的大腦進(jìn)行逆向工程，在適當(dāng)?shù)臅r(shí)候，我們無(wú)疑會(huì)學(xué)到足夠的知識(shí)，能夠根據(jù)基本原理為它設(shè)計(jì)和建造認(rèn)知假體。 但這是否足以讓我們達(dá)到人類(lèi)水平的人工智能，還是需要更多的東西?例如，為增強(qiáng)的鼠標(biāo)模擬賦予語(yǔ)言將是至關(guān)重要的。這肯定需要的不僅僅是神經(jīng)元數(shù)量的增加。它可能需要一種在小型脊椎動(dòng)物大腦中找不到的電路。也許，在人類(lèi)大腦中，進(jìn)化發(fā)現(xiàn)了一些根本性的創(chuàng)新，一種性質(zhì)不同的神經(jīng)機(jī)制，一種能夠處理符號(hào)表示、組合語(yǔ)法和組合語(yǔ)義的神經(jīng)機(jī)制，這些都是語(yǔ)言的組成部分。 如果這是真的，一個(gè)關(guān)于老鼠大腦的完整理論仍然是不夠的，從老鼠級(jí)別的模擬到人類(lèi)級(jí)別的AI的路徑將不那么簡(jiǎn)單。但我們不應(yīng)該忘記，與神經(jīng)工程師的工作并行，神經(jīng)科學(xué)家將揭開(kāi)人類(lèi)大腦的秘密，而不是訴諸全面的模擬，而是使用越來(lái)越強(qiáng)大的工具來(lái)繪制其結(jié)構(gòu)和活動(dòng)。當(dāng)然，理解語(yǔ)言的神經(jīng)基礎(chǔ)是神經(jīng)科學(xué)的一個(gè)主要目標(biāo)。因此，也許等到工程師們能組裝出一個(gè)老鼠規(guī)模的全腦模擬時(shí)，神經(jīng)科學(xué)家們就能幫助他們?cè)O(shè)計(jì)出一種神經(jīng)假肢，在適當(dāng)增強(qiáng)的老鼠規(guī)模的模擬上賦予語(yǔ)言。 簡(jiǎn)而言之，老鼠規(guī)模的全腦模擬將有可能在許多方面推動(dòng)人類(lèi)水平的人工智能的發(fā)展?？梢哉f(shuō)，考慮到人類(lèi)級(jí)別的AI，向超人級(jí)別AI的過(guò)渡幾乎是不可避免的。在合成基質(zhì)中實(shí)現(xiàn)的人類(lèi)水平的智能將比生物大腦更容易增強(qiáng)，因?yàn)樯锎竽X有各種限制(低速度、依賴(lài)新陳代謝、需要睡眠等)。此外，人類(lèi)級(jí)別的人工智能本身(或者實(shí)際上是一個(gè)人類(lèi)級(jí)別的人工智能團(tuán)隊(duì))可以用來(lái)解決這個(gè)問(wèn)題，啟動(dòng)一個(gè)更快改進(jìn)的反饋循環(huán)，也許會(huì)引發(fā)智能爆炸，帶來(lái)不可預(yù)測(cè)的后果。換句話(huà)說(shuō)，一旦我們通過(guò)全腦模擬實(shí)現(xiàn)了老鼠級(jí)別的人工智能，魔鬼就可能從瓶子里出來(lái)了。