好幾年前，Henry Markram便已聲稱自己能在十年之內(nèi)用電腦模擬出人類的大腦來。2013年1月23日這一天，歐盟委員會讓他去證明自己的這一設想——他充滿野心的人類大腦工程（HBP）經(jīng)過了兩年的競爭終于打敗了其他幾個同樣宏偉的計劃，獲得了歐盟委員會前所未有、高達十億歐元左右的巨資贊助。等時候到了，他能實現(xiàn)自己的許諾嗎？在咱們腦殼里面那一坨重達1.4公斤、由八百六十億個神經(jīng)元組成的集群已然是世界上最強力的計算機了，再用電子計算機來模擬它，有可能嗎？

光是用計算機模擬人腦這個主意便已在許多神經(jīng)科學家中引起了騷動，而在現(xiàn)在這樣科學研究經(jīng)費拮據(jù)的時期，人類大腦工程竟能得到如此巨額資助，這一來更是非同小可。普遍的反對意見認為大腦這個東西實在是太復雜，無法模擬，何況我們對大腦的理解還停留在非常初級的階段呢。

然而，Markram有他自己的策略。自1950年代起，神經(jīng)科學家們已經(jīng)建立了許多模擬神經(jīng)元的計算機程序，但其中的絕大部分都把這些細胞當作單個的抽象點來對待。Markram說，他想要的是把神經(jīng)元按照其本來的形態(tài)來模擬，包括其分叉網(wǎng)絡的賞心悅目的細節(jié)，以及充斥在細胞中的活性基因和電流活動。他要把模擬深入到離子通道的級別——也就是那些透過細胞膜吐納帶電粒子從而使神經(jīng)元建立起電壓的分子“門”。他不但要表示出在細胞內(nèi)部啟動和關閉的基因，還想要模擬出讓神經(jīng)元得以與其近鄰通信的約3000個神經(jīng)突觸。

Erin McKiernan從事為單個的神經(jīng)元建立計算機模型的工作，她就是這種自下而上的模擬方法的粉絲。“真正理解了在底層發(fā)生的事情，然后逐步往上推演——一般來說我認同這樣的思路，”她說，“但我不太同意這個時限。Markram說十年之內(nèi)我們就能完全模擬人腦，我可不認為這事兒能成。”

即便是McKiernan那些模擬單個神經(jīng)元的模型，要建立起來都已經(jīng)是一件魔鬼般的復雜的工作了。她說：“對于多個神經(jīng)元的情形，我們還不能很好地理解它們之間的離子通道的互補關系，它們是怎樣互相配合以產(chǎn)生電學活動，以及它們在發(fā)育過程中或受傷之后如何發(fā)生改變。而在下一個層次，關于神經(jīng)細胞之間是怎樣聯(lián)結的，它們又是怎樣不停地伸出、收回或改變聯(lián)結的強度，我們知道的甚至還要少。”真是從頭到腳都所知寥寥啊。

“當然，我們目前掌握的僅僅是我們所需的很小很小的一部分，”Markram承認。更糟的是，要從實驗上對每個分子、每個細胞、每條聯(lián)結進行定位，這件事無論從成本、技術要求還是科研回報來考慮，都完全不具備可行性。但他辯解說，只有通過建立一個統(tǒng)一的模型，我們才能把原本零散的知識聯(lián)合起來，集中地填補原有知識之間的空白。當我們把所有的拼圖碎片放在一起，我們就能從已知推測未知，并且隨著新發(fā)現(xiàn)的涌現(xiàn)可以隨時進行調(diào)整。

構建網(wǎng)絡

在所有信息中最關鍵的一塊拼圖，也是Markram的團隊正投入最多的時間來攻關的問題，就是關于哪些基因在哪些神經(jīng)元中具有活性的一個完整清單。所有神經(jīng)元并不是完全相同的，它們分為好些種類，分別扮演不同的角色并激活不同的基因。Markram很有信心，只要他能獲得這個完整的列表（也就是所謂的“單細胞轉(zhuǎn)錄組”），他就能由其推斷出在大腦的各個部分中不同神經(jīng)元是如何混合在一起的，進而復制出每一類細胞的電行為，甚至模擬出神經(jīng)元細胞是如何從無到有地長出其樹枝狀結構。Markram說：“我們正在揭示出將大腦組裝成形的生物學原理。”

Markram的研究小組在過去二十多年中已梳理出了老鼠的神經(jīng)元的基本細節(jié)，并且建立起了一系列虛擬的圓柱形大腦切片，稱為大腦皮質(zhì)柱。目前的模擬程序含有一百個這樣的皮質(zhì)柱，而每一個又含有大約一萬個神經(jīng)元——這相當于老鼠大腦中神經(jīng)元總量的2%，而僅僅相當于人類大腦的0.001%出頭。“我們先對嚙齒類動物實施模擬，因為我們需要確認這樣的方法的確適用，然后靠選點抽查來檢驗同樣方法可以移用到人類身上，”Markram說道。

來自布雷因公司的Eugene Izhikevich曾經(jīng)參與建立過一個包含一千億個神經(jīng)元的模型。他確信，我們的能力足以建立一個從解剖結構到聯(lián)結方式都與真實大腦無異的網(wǎng)絡模型，即便讓一個專家來把它切開，也無法發(fā)現(xiàn)有任何不同。“這將會類似于圖靈測試，用來檢驗一個模型有多類似于真的人腦，”他說。

那無疑將會是個極好的大腦模型，只不過是一個空缸子里的死的大腦。一個真正的活大腦可是充滿了電的脈動的——從沿著神經(jīng)元線路傳播的小規(guī)模電流，到橫掃整片腦葉的大型波浪。再者，真正的大腦居于人體之中，是會與周圍的環(huán)境互動的。如果我們的模型能把所有這些機制都包括在內(nèi)，又會冒出些什么來呢？學習能力，智能，甚至意識？

“人們以為我想做出的神奇模型有一天將會開口說話，或者做出別的什么有趣的事來，”Markram說，“這事兒有一半賴我——在TED上發(fā)表演說時，你必須得把話說得非常概括。但是，這個模型能夠做啥只是次要的。我們并非想嘗試讓機器具有類似人的行為。我們想做的只是把數(shù)據(jù)給組織起來。”

功能第一

加拿大安大略省滑鐵盧大學的神經(jīng)科學家Chris Eliasmith對此表達了憂慮：“這項工程令人印象深刻，但也有可能讓人產(chǎn)生疑惑：怎么會有人投入這么多的時間和精力，卻只是為了造出一個什么功能也實現(xiàn)不了的東西呢。”Markram的項目并不是唯一的一個。去年十一月，IBM也展示了一個叫做“SyNAPSE”的大腦模擬程序，其中包括五千三百億個神經(jīng)元，通過一百萬億根突觸連在一起，并且能夠做……其實也做不了啥。它基本上也就是個很大的計算機，而且還沒有經(jīng)過編程。“Markram會挑剔說那些神經(jīng)元還不夠逼真。可就算把一噸重的神經(jīng)元丟到一起，再大概地按照生物學把它們連接起來，也不見得能跨過這條鴻溝哪，”Eliasmith說。

Eliasmith所走的是一條完全不同的道路，他要把功能放在第一位。去年十一月，他就推出了一個叫做“Spaun”的模型，盡管只模擬了區(qū)區(qū)二百五十萬個神經(jīng)元，但卻顯示出了行為。該模型也還是模擬了單個神經(jīng)元的生理和連線方式，但是依據(jù)了我們關于大腦的架構的已有知識來組織這些神經(jīng)元。它既是一個自上而下的模型，也是一個自下而上的模型，并且還為能真正實現(xiàn)點功能的大腦模型們設立了標桿。它能夠記憶和拷貝數(shù)列，進行簡單的算術運算，還能解決基本的推理問題。甚至連它犯錯的方式都與我們相像——例如，它更容易記住一個列表的最前面幾項和最后面幾項。

然而做“Spaun”的目標也不是要造出一個人工的大腦。不如說它是一個神經(jīng)科學的測試平臺——我們可以利用它來理解大腦的工作原理。想知道區(qū)域X是否控制著功能Y？那就把它做出來看看是不是吧。如果我們把區(qū)域X敲掉，Spaun 是否會變成某種特定的腦殘？那就試試唄。

這一類的實驗如果要用人類大腦工程那樣自下而上的架構來做，可就困難了。即便模型真的顯示出了智能或之類的屬性，也很難理解清楚這些屬性到底從何而來。這兒可就不像擰擰這個螺絲轉(zhuǎn)轉(zhuǎn)那個旋鈕，然后看看會發(fā)生什么這么簡單了。如果你是想真正地理解大腦，然后你又對大腦做出了非常完美的模擬，那么問題來了……你通過模擬所得到的也就是一坨大腦而已。而大腦還是非常的復雜。

除此之外，Izhikevich又指出另一問題：科技已經(jīng)在許多原本人腦擅長的領域迅速趕超人腦了。“比起靠自己的腦子，我在計算器上做算術可以做得更好；計算機下國際象棋更是比你強，”他說。即便有朝一日模擬的大腦已經(jīng)進步到可以完美的復制人腦的一切功能，到那時其他的技術又可以把同樣的功能實現(xiàn)得更快更好了。Izhikevich表示，到那時，“這個課題也就不再有趣了”。

這么說來，模擬人的大腦本身并不是目標，而是實現(xiàn)某些目標的手段。它是將工具、專家和數(shù)據(jù)組織起來的一種方式。如Izhikevich所說，“攀登的過程才是最重要的”。