1
雷锋网按：计算机和脑科学发展有着相互促进的关系，人工智能的算法许多也是启发自人脑。但现在越来越多的学者希望通过计算机的工作模式来理解人脑，这样做是否合理有效呢？雷锋网编译了载于wired上的一篇文章，让我们看看，科学家们怎么说。
今年三月份，在旧金山市中心的凯悦摄政酒店，一个拥挤的房间里，Randy Gallistel抓着木制的讲台，清了清他的喉咙，向他面前坐着的的神经科学家们抛出了一个难题。“如果大脑以人们以为方式工作，”他说，“它会在一分钟内沸腾。大量的信息会使我们的CPU——大脑烧坏。
上千年来，人类一直苦苦追寻智慧形成的答案。其中一种比喻是，由科技而来，将大脑比作皮质CPU。把未知的东西比喻成已知的东西，或许容易让人感到安全。在古希腊，大脑被比作一个注满幽默的水力系统；在18世纪，哲学家从机械时钟中吸取灵感，把大脑和时钟联系起来；20世纪早期，神经科学家则将神经元描述为传递信号的电线或电话线；而现在，最受欢迎的比喻就是计算机了，人们用硬件和软件代表大脑和脑内活动。
在这个技术统治的世界里，人们很容易将人类智慧和我们越来越智能的设备进行类比。但是，将计算机比作大脑，可能会阻碍大脑研究的进步。
他进一步描述了这个用计算机比喻的问题。如果大脑真如大多数神经科学家认为的那样，通过改变神经元之间连接的强度来存储所有记忆，那将耗费过多能量，尤其是如果记忆以香农信息的形式编码，也就是二进制的高保真度信号，我们的大脑可能无法承受。
像Gallistel这样的科学家们并不提出任何比喻，而是完善他们的理论，试图保持大脑的生物现实与计算复杂性一致。Gallistel是美国罗格斯大学的一名退休教授，他并没有质疑大脑信息和香农信息的相似性，而是提出了一个替代理论——香农信息以分子的形式存储在神经元本身内。他认为，靠化学物质要比神经突触可行得多。问题解决了。
这种拼凑方法是科学界的标准程序，当问题和证据出现时，填补理论中的漏洞。但遵循计算机比喻可能不起作用，还会导致各种问题，尤其是在科学领域。
荷兰唐德斯研究所的认知神经科学家Floris de Lange表示：“我认为把大脑比作计算机已经使我们误入歧途。这让人们认为可以将软件从硬件上分离出去。” 这种假设导致一些身心二元论的科学家认为，我们无法通过研究物理上的大脑获取太多认知。
最近，神经科学家也试图证明，研究大脑的现代科技无法帮助我们了解大脑是如何运作的。这些方式往往尝试通过分析一些硬件，比如仅靠神经连接组学和电生物学的一些技术，来阐明软件的工作形式。可惜研究一无所获。由此可见，分析硬件无法解释软件的工作原理。
这样的研究的假设，是计算机芯片理论对于大脑同样有效。思维和大脑之间的联系要比计算机芯片及其软件之间的联系要错综复杂得多。只要看看我们记忆形成轨迹就可以知道。一直以来，我们的记忆就盘踞在我们大脑内神经相互连接的网络中，有点像软件构建出了新的硬件。麻省理工学院的Tomás Ryan使用一种方法来显示这种复杂联系。他通过用荧光蛋白标记出记忆形成时活跃的神经元。通过这个工具，随着时间的推移，Ryan观察记忆如何在生理上作用于大脑。
Ryan紧接在Gallistel后演讲。Ryan表示，“我们总以为，如果想了解大脑，就必须从设计或工程的角度来看待它，鉴于我们还不知道记忆是如何储存的，我们其实不需要那么死板。” Ryan是位面容整洁的神经生物学家，刚刚在都柏林三一学院设立了实验室。他对大脑通过香农信息或者分子来储存信息的理论都不认同。
Ryan向大家展示了一张柏林市的夜间卫星照片。这便是他对大脑运作的比喻：不是颅内计算机里的分子信息，而是像城市路灯的构造。
Ryan所展示的卫星图片
从柏林最近的照片中可以看出，柏林墙被拆除近三十年后，东柏林和西柏林还是清晰可辩。这是因为在这个城市两半的路灯基础设施不同。西柏林路灯使用明亮的白色汞灯泡，而东柏林则使用茶色钠蒸气灯泡。“这不是因为自1989年以来他们没有换过灯泡，而是因为基础设施在那里。” Ryan说到。尽管分歧早已消失，柏林历史的记忆仍清晰地体现在城市的结构中。
我们的大脑可能以相同的方式形成记忆，构建一个记忆结构，特定细胞相互连接形成记忆。即使在一生中这些细胞不断更换也能保持这种结构。由于软件能够更改硬件，通过修饰连接来形成记忆，因此硬件会与软件有更多的连接。这只是一个假设，但是Ryan给出了令人信服的数据。他发现即使是患有阿尔茨海默病啮齿动物，看起来丧失了记忆，这些记忆仍然存在于大脑中，能够人为地召回，只是没法再去访问他们罢了。
另外，存储在记忆中的内容不会局限于所谓高保真的二进制香农信息。“在数字电脑之前，我们有了模拟电脑，更早之前我们通过书写，绘画，还有很多方式来传达信息，”Ryan说得显得比别人稍微抽象了点。我们不能因为最先进的人造信息存储和通信模式恰好是二进制的，就以为我们的大脑也是那样工作的。
另一方面，把大脑比作计算机可能会对科学家研究创新算法不利。随着科学家们更多地了解大脑的运作情况，程序员们正借此合作。用于物体识别的人工智能算法就像在二十世纪六十年代在猫脑中发现的原理一样，借用视觉皮层，使用具有边缘检测滤波器的多层网络来分析图像。de Lange说：“那个算法真的和以前没法使用的算法有很大的区别，现在，图像识别的各种方法都非常好。”如果能真正研究出大脑的运作方式，并应用于计算机领域，也许这又会反哺大脑研究。
雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
