6月20日消息，據(jù)國外媒體報(bào)道，隨著蘋果、Facebook以及亞馬遜等科技公司競相開發(fā)人工智能以及腦機(jī)接口技術(shù)，神經(jīng)科學(xué)家對大腦活動的相關(guān)研究受到越來越多的重視。很多神經(jīng)科學(xué)家因?yàn)楦�好待遇以及更好的機(jī)會，選擇從學(xué)術(shù)界跳槽至科技界從事相關(guān)基礎(chǔ)研究，用他們對大腦活動的深刻理解為技術(shù)應(yīng)用服務(wù)。

　　Jaguar是一只老鼠。它住在哈佛大學(xué)羅蘭研究所(Harvard’s Rowland Institute)的實(shí)驗(yàn)室里。Jaguar的主要工作是在一個(gè)有著電影《發(fā)條橙》類似風(fēng)格的平臺上玩電子游戲。Jaguar被四周的金屬棒關(guān)在一個(gè)小平臺內(nèi)，任務(wù)是通過觸覺找到虛擬盒子的邊緣。Jaguar用右爪抓住可以360度旋轉(zhuǎn)的操縱桿，直至感覺到機(jī)器的反饋。當(dāng)Jaguar到達(dá)正確的目標(biāo)區(qū)域，比如說盒子的邊緣，就會得到一滴糖水作為獎(jiǎng)勵(lì)。

　　為了追蹤Jaguar的大腦活動，研究人員對它進(jìn)行了基因改造，讓其大腦中的神經(jīng)元在放電時(shí)發(fā)出熒光。平臺上方的顯微鏡記錄下Jaguar玩耍時(shí)大腦發(fā)光的圖像。“你可以教它們新的規(guī)則，并觀察成千上萬的神經(jīng)元如何學(xué)習(xí)這個(gè)過程，看看大腦活動是如何變化的，”負(fù)責(zé)這項(xiàng)實(shí)驗(yàn)的神經(jīng)學(xué)家麥肯齊·馬西斯(Mackenzie Mathis)說。

　　在過去的幾十年里，馬西斯的研究只會推進(jìn)人類對老鼠和大腦功能的理解。然而，如今越來越多的專業(yè)動物研究人員開始協(xié)助開發(fā)人工智能軟件和腦機(jī)接口，馬西斯只是其中之一。她想要發(fā)現(xiàn)老鼠是如何進(jìn)行學(xué)習(xí)的，部分原因是這可以告訴人類如何教電腦學(xué)習(xí)。例如，觀察老鼠在視頻游戲中對意外情況的反應(yīng)，或許未來某天能讓人類把類似技能傳授給機(jī)器人。

　　其他一些神經(jīng)科學(xué)家正在研究斑胸草雀的歌唱技巧。而一些人正在成為綿羊頭骨導(dǎo)電性方面的專家。還有更多的科學(xué)家選擇研究果蠅或者蠕蟲這種神經(jīng)結(jié)構(gòu)相對簡單的生物。在過去的幾年里，大型科技公司一直在從大學(xué)挖走相應(yīng)人才。馬西斯說，蘋果、Facebook、谷歌和Twitter都從自己領(lǐng)導(dǎo)的一個(gè)獎(jiǎng)學(xué)金項(xiàng)目中聘用了博士生：“博士生在拿到學(xué)位之前就有工作了。”

　　當(dāng)然，動物長期以來在推動企業(yè)科學(xué)研究方面發(fā)揮著重要作用，在醫(yī)療領(lǐng)域尤為如此。但是，要想把斑胸草雀的發(fā)聲器官解剖結(jié)構(gòu)轉(zhuǎn)化為Siri語音識別軟件，或者把老鼠做游戲轉(zhuǎn)化為亞馬遜公司運(yùn)營全安Android軟件，這種技術(shù)飛躍完全不同。隨著整個(gè)新產(chǎn)業(yè)的挑戰(zhàn)不斷，揭開動物思維秘密的競賽變得越來越奇特。

　　1958年，康奈爾大學(xué)神經(jīng)生物學(xué)家弗蘭克·羅森布拉特(Frank Rosenblatt)開發(fā)了一款感知器，這是最早嘗試通過計(jì)算機(jī)模擬大腦結(jié)構(gòu)的設(shè)備之一。它的處理單元，也就是羅森布拉特所說的神經(jīng)元，能夠協(xié)調(diào)工作，從而確定一張?zhí)囟ㄕ掌�顯示是男人還是女人。這種感知器是對圖像識別的一種原始嘗試。而如今，感知器這一概念被取代，F(xiàn)acebook、谷歌和其他公司將他們龐大的人工智能計(jì)算系統(tǒng)描述為“神經(jīng)網(wǎng)絡(luò)”，由數(shù)百萬個(gè)神經(jīng)元協(xié)同工作。

　　即使在今天，這種概括也極力夸大了計(jì)算和認(rèn)知領(lǐng)域的重疊。對于科學(xué)家來說，復(fù)制并不真正理解的東西相當(dāng)困難。諸如神經(jīng)元如何存儲記憶等大腦工作原理對神經(jīng)科學(xué)來說仍然是個(gè)謎，因此人腦神經(jīng)元的數(shù)字化對應(yīng)物只能是有缺陷的模仿。它們經(jīng)過訓(xùn)練的初級處理引擎，可以執(zhí)行大量的統(tǒng)計(jì)計(jì)算和模式識別，雖然獲得一個(gè)生物學(xué)的名稱，但離真正含義卻依然很遠(yuǎn)。

　　盡管如此，隨著科技行業(yè)追逐所謂的一般人工智能(AGI)，這兩個(gè)領(lǐng)域之間的壁壘變得沒有那么堅(jiān)不可摧了。一般人工智能的目標(biāo)是一個(gè)具有感知功能的機(jī)器，可以自己解決問題，而不是依靠人類來訓(xùn)練它。讓一些倫理學(xué)家感到寬慰的是，我們離一般人工智能還有很長一段路要走，但許多計(jì)算機(jī)科學(xué)家和神經(jīng)科學(xué)家打賭，大腦研究將為我們指明道路。

　　另外，幾家公司正在努力打造腦機(jī)接口，比如說幫助假肢像自然肢體一樣活動，或者讓人們將知識下載到自己的大腦中。硅谷明星企業(yè)家埃隆·馬斯克(Elon Musk)領(lǐng)導(dǎo)的Neuralink就是這樣一家公司，由科技富豪布萊恩?約翰遜(Bryan Johnson)運(yùn)營的Kernel也是如此。神經(jīng)科學(xué)家正在為這些初創(chuàng)公司提供各種建議，包括如何穿過頭骨傳導(dǎo)海量信息，以及確保電極不會在測試對象身上引起感染。

　　馬西斯的實(shí)驗(yàn)室就在進(jìn)行這些技術(shù)的基礎(chǔ)性研究。“這是我們的老鼠宮殿，”她說著打開了一間屋子的門，里面有幾十只關(guān)在塑料籠子里的老鼠。動物們四處蹦蹦跳跳，在看到游客的時(shí)候，還昂起頭抖動著胡須。干凈的房間里只散發(fā)出嚙齒動物的些許氣味，一盞紅色的燈亮著，以確保這種天生夜行的動物能夠在白天保持清醒，隨時(shí)準(zhǔn)備為科學(xué)做出貢獻(xiàn)。

　　相應(yīng)研究包括虛擬盒子游戲和一種看起來像馬里奧賽車的游戲，似乎難度更大。對于后者，一只老鼠跨坐在兩個(gè)定制的電動圓盤上，爪子嵌在兩邊的凹槽里。屏幕顯示一個(gè)綠色通道，末端是一個(gè)藍(lán)色矩形。實(shí)驗(yàn)老鼠駕車試圖接近藍(lán)色矩形，它必須小心駕駛以保持在虛擬路徑上。和人類一樣，這些老鼠在玩耍時(shí)的目光呆滯。整個(gè)實(shí)驗(yàn)大約會持續(xù)半個(gè)小時(shí)的時(shí)間。

　　顯微鏡會觀察老鼠大腦，記錄下數(shù)量驚人的信息。馬西斯說:“我們可以同時(shí)覆蓋老鼠的大部分感覺、運(yùn)動皮層和決策區(qū)域。”研究人員有時(shí)會改變游戲的規(guī)則和控制——例如，讓拉動操縱桿產(chǎn)生之字形運(yùn)動而不是直線運(yùn)動——然后觀察神經(jīng)元的發(fā)光有何不同。馬西斯還會破壞一部分神經(jīng)元，例如與學(xué)習(xí)相關(guān)的節(jié)點(diǎn)，以檢查其余神經(jīng)元的反應(yīng)。該研究早期的一個(gè)發(fā)現(xiàn)是:當(dāng)涉及到理解時(shí)，感覺皮層似乎和運(yùn)動皮層共同發(fā)揮著比之前認(rèn)為的更大作用。她說:“這些神經(jīng)元不僅僅參與一件特定的事情。”

　　馬西斯研究的主要目的之一是了解更多關(guān)于動物如何快速適應(yīng)物理環(huán)境變化的知識。例如，當(dāng)你拿起一個(gè)未知重量的物體時(shí)，你的大腦和身體會迅速計(jì)算出需要施加多大的力。目前，機(jī)器人還無法做到這一點(diǎn)，但注入老鼠神經(jīng)元學(xué)習(xí)模式的機(jī)器人有可能做到。馬西斯說，老鼠可以幫助彌補(bǔ)這一差距。它們的大腦足夠復(fù)雜，可以完成高級決定;但同時(shí)也足夠簡單，讓研究人員能夠在合理時(shí)間內(nèi)推斷出這些聯(lián)系。

　　直到最近，人們才開發(fā)出功能強(qiáng)大的計(jì)算機(jī)，能夠采集、處理和分析小鼠大腦中大約7500萬個(gè)神經(jīng)元中的一小部分所產(chǎn)生的數(shù)據(jù)量。最近幾年人工智能軟件才有了長足進(jìn)步，從而將大部分研究工作自動化。馬西斯和她的丈夫亞歷克斯·馬西斯(Alex Mathis)開發(fā)了一款名為DeepLabCut的開源軟件，可以追蹤實(shí)驗(yàn)老鼠的運(yùn)動。該應(yīng)用程序使用圖像識別技術(shù)，跟蹤老鼠在玩游戲時(shí)的微小動作變化，并跟蹤它對糖水獎(jiǎng)勵(lì)的反應(yīng)。

　　科學(xué)家們過去通常依靠人力來完成類似工作。現(xiàn)在，該軟件只需幾分鐘就能完成過去需要幾周或幾個(gè)月人力勞動才能完成的任務(wù)。亞歷克斯說：“2015年有一篇關(guān)于靈長類動物的論文，研究者針對猴子日�；顒幼粉櫫讼喈�(dāng)多的身體部位變化，比如指關(guān)節(jié)、四肢和一只手臂等等。”“這篇論文的第一作者寫信給我，說如果有DeepLabCut的幫助，他本可以提前兩年拿到博士學(xué)位。”現(xiàn)在有200多個(gè)研究中心使用DeepLabCut跟蹤各種動物的動作。

　　這類軟件開發(fā)和數(shù)據(jù)分析也引起了科技公司對神經(jīng)科學(xué)家的興趣，就像他們對動物認(rèn)知的理解需求一樣強(qiáng)烈�，F(xiàn)代的大腦研究人員必須知道如何編碼并處理大量信息，就像谷歌的人工智能工作人員會改進(jìn)廣告算法或者能讓自動駕駛汽車進(jìn)行并線一樣。以動物為中心的神經(jīng)科學(xué)家也習(xí)慣于使用非傳統(tǒng)的研究方法。 “你往往會遇到有創(chuàng)意的人，他們有點(diǎn)牛仔的味道。” 麥肯齊說，“總有些愿意把自己職業(yè)生涯押注到研究黑匣子的人。”

　　蒂姆·奧奇(Tim Otchy)不拿老鼠實(shí)驗(yàn)。他研究鳥類。奧奇是波士頓大學(xué)的研究助理教授，右臂上紋著一只斑胸草雀。這是一只矮矮胖胖的小鳥，有著明亮的橙色喙，站在樹枝上憂郁地凝視著天空。“我真的很喜歡鳥類，”他坐在堆滿書的辦公室里，逐一列舉出細(xì)胞黏菌、非線性動力學(xué)、混沌學(xué)以及大腦進(jìn)化原理等等。

　　上世紀(jì)90年代末，奧奇在喬治亞理工學(xué)院(Georgia Institute of Technology)攻讀機(jī)械工程專業(yè)，也曾在一家專門從事自動化工廠系統(tǒng)研發(fā)的公司工作。他的工作是教機(jī)器人識別小工具或者汽車零部件，并在傳送帶上對它們進(jìn)行分類。他說:“這對我來說真是難以置信。”這些都是孩子們能做的事情，但工作的挫敗感讓他下定決心要揭示感知、決策和學(xué)習(xí)的內(nèi)在機(jī)理。他離開了工廠，最終轉(zhuǎn)向神經(jīng)科學(xué)和斑胸草雀。

　　像斑胸草雀這樣的鳴禽有一種不尋常的技能。盡管大多數(shù)動物本能地知道如何發(fā)出聲音，但斑胸草雀會模仿它們聽到的聲音，然后改變曲調(diào)，似乎對所聽到的曲調(diào)有一些語義上的理解。幾十年的研究已經(jīng)確定了雀類大腦中負(fù)責(zé)這種行為的結(jié)構(gòu)，也就是眾所周知的發(fā)聲核團(tuán)。對這一領(lǐng)域的研究使科學(xué)家對神經(jīng)回路的功能有了更深入的了解，同時(shí)也為其他有關(guān)人類運(yùn)動、感覺和情感的研究提供了信息。弄清楚鳥類是如何互相模仿鳴叫聲的，可以幫助解釋如何做同樣的事情，這對于如何訓(xùn)練機(jī)器掌握語言技能非常重要。

　　在波士頓大學(xué)的一個(gè)鳥舍，奧奇與大約300只鳥一起工作。在其中一項(xiàng)實(shí)驗(yàn)中，研究人員將為一只斑胸草雀配備一個(gè)微型背包，背包里的電池可以為附著在頭骨上的大量電子設(shè)備提供動力。然后，這只鳥被放置在一個(gè)微波爐大小的隔音箱內(nèi)，它會連續(xù)幾天鳴叫，而奧奇和他的團(tuán)隊(duì)通過類似于馬西斯用在老鼠身上的機(jī)制觀察斑胸草雀的大腦。隨著研究人員對斑胸草雀的發(fā)聲核團(tuán)了解得越來越多，對斑胸草雀大腦的理解也越來越精確。“雖然現(xiàn)在我們還不知道如何在大腦中儲存如何騎自行車、駕駛直升機(jī)或說日語的信息，”奧奇說。“總有一天，我們會有這樣的知識。”

　　奧奇負(fù)責(zé)加德納實(shí)驗(yàn)室之前，其前任蒂姆·加德納(Tim Gardner)請假到馬斯克的Neuralink工作。行內(nèi)人對馬斯克的愿景普遍感到興奮，而加德納的離開在神經(jīng)科學(xué)家和學(xué)生中也引起了不小的轟動。奧奇說:“目前這只是一個(gè)幻想，但在遙遠(yuǎn)的將來，或許有一天我們真的可以把信息直接寫進(jìn)大腦……太神奇了。”“我很高興能夠?yàn)榻鉀Q這個(gè)問題做出一點(diǎn)哪怕是很小的貢獻(xiàn)。”

　　鳴禽研究人員是人工智能領(lǐng)域最熱門的雇員之一。在加州大學(xué)伯克利分校完成學(xué)位論文并在蘋果公司工作一段時(shí)間后，錢寧?摩爾(Channing Moore)加入了谷歌的聲音理解小組，主要開發(fā)與谷歌圖像識別軟件一樣復(fù)雜的聲音識別系統(tǒng)，能夠區(qū)分出警報(bào)聲和嬰兒的哭泣聲。在英特爾公司，伯克利分校的另一位博士泰勒·李(Tyler Lee)正利用他對斑紋雀的研究改進(jìn)語音處理技術(shù)，最終有望應(yīng)用于Siri等語音助理。“我們正試圖提出非常相似的問題，”他說。“我怎樣才能接收聽覺輸入，并以一種人類理解的方式來處理它?其中的噪音是什么，所處的語境是什么?”

　　伯克利大學(xué)教授弗雷德里克·休尼森(Frederic Theunissen)是摩爾和李曾經(jīng)所在實(shí)驗(yàn)室的負(fù)責(zé)人。“如果你對自動語音識別、語義理解等感興趣，你就會擁有特殊的技能，” 休尼森說�；�于語音識別的設(shè)備安全系統(tǒng)就是一個(gè)例子。另一方面的應(yīng)用是減少電話和視頻的噪音信息。這個(gè)應(yīng)用來自于摩爾對鳥類析除噪聲的研究。斑胸草雀的神經(jīng)元能夠從周圍的雜音中分辨出另一只雀的叫聲。

　　自上世紀(jì)70年代以來，學(xué)者們一直試圖宣告這是神經(jīng)科學(xué)的時(shí)代，但在本世紀(jì)初，年輕神經(jīng)科學(xué)畢業(yè)生的前景渺茫，相關(guān)專業(yè)的深造人數(shù)也很低。根據(jù)美國教育部的數(shù)據(jù)，15年前，美國大學(xué)的神經(jīng)科學(xué)本科畢業(yè)生不足1500人，授予的博士學(xué)位不足400人。即使在這種情況下，學(xué)校也無法為其提供足夠的全職工作或助學(xué)金。

　　2005年德魯?羅布森(Drew Robson)從普林斯頓大學(xué)畢業(yè)并獲得數(shù)學(xué)學(xué)位時(shí)，他的本科導(dǎo)師給了他一條令人難忘的建議：無論你做什么，都不要從事神經(jīng)科學(xué)。羅布森沒有理會，而是和他的伴侶、戀人珍妮弗·李(Jennifer Li)一起來到了羅蘭研究所(Rowland Institute)旗下的羅利實(shí)驗(yàn)室。他們見證了這個(gè)領(lǐng)域的飛速發(fā)展，現(xiàn)在美國學(xué)校每年授予大約5000個(gè)神經(jīng)科學(xué)學(xué)士學(xué)位和600個(gè)博士學(xué)位。羅布森表示:“過去10年，我們經(jīng)歷了工具的爆炸式增長。

　　羅利團(tuán)隊(duì)研究斑馬魚，這是鰷魚家族中的成員，當(dāng)它們年輕的時(shí)候身體是透明的，這使得研究人員可以直接對其神經(jīng)元進(jìn)行觀察。羅布森和李發(fā)明的一種特殊移動顯微鏡可以幫助他們記錄魚游泳時(shí)哪些神經(jīng)元是活躍的。為了捕捉斑馬魚行為的不同方面，研究人員會改變神經(jīng)元電流刺激，從而導(dǎo)致斑馬魚轉(zhuǎn)向或繼續(xù)加速朝前游。

　　和許多同齡人一樣，羅布森和李非常了解腦科學(xué)和人工智能技術(shù)之間的關(guān)系。去年，這對夫婦買了一輛特斯拉電動汽車，他們的專業(yè)素養(yǎng)也樂于看到這輛車的自動駕駛系統(tǒng)不斷發(fā)展。當(dāng)特斯拉躲避其他車輛時(shí)，讓人回憶起斑馬魚的策略，比如當(dāng)它們發(fā)現(xiàn)捕食者時(shí)，會從捕獵模式快速切換到快速游泳模式。隨著特斯拉試圖將自動駕駛技術(shù)從基本的物體識別提升到類似人類的決策，羅本森和李對此類行為的深入理解有朝一日可能會讓特斯拉的神經(jīng)網(wǎng)絡(luò)有所改進(jìn)。

　　“這牽扯到更多量級的數(shù)據(jù)，”李說。“如果你利用生物學(xué)，就能夠走捷徑，而不必重新進(jìn)行發(fā)明創(chuàng)造。”羅布森說，他不介意有朝一日幫助特斯拉解決這類問題。

　　在神經(jīng)科學(xué)領(lǐng)域，公共機(jī)構(gòu)和私營企業(yè)之間的軟邊界提出了一個(gè)問題:最終誰將控制人類和機(jī)器之間可能的合并。長期以來進(jìn)行超前研究的大學(xué)，如今正受到擁有更強(qiáng)大計(jì)算機(jī)和更豐富數(shù)據(jù)集的科技公司的競爭。一個(gè)剛獲得博士學(xué)位的人在一所普通大學(xué)的年薪只有5萬美元左右，而私營企業(yè)提供的年薪遠(yuǎn)高于6位數(shù)，甚至更高�？死锼�·弗萊(Chris Fry)也曾經(jīng)研究斑馬魚，在離開休尼森實(shí)驗(yàn)室的15年內(nèi)，其已經(jīng)成為Twitter高級工程副總裁，年薪高達(dá)1030萬美元。“有大量學(xué)術(shù)界人才涌入科技界，”馬西斯表示，“留在學(xué)術(shù)界是一種抉擇。”

　　除了工資，許多神經(jīng)科學(xué)家被吸引到私營部門，因?yàn)檫@往往給他們一個(gè)機(jī)會做更令人興奮，甚至更奇怪的工作，而且不用去寫撥款申請。然而，轉(zhuǎn)投硅谷也可能意味著中斷有前途的研究路線，或讓同事們隨波逐流。當(dāng)加德納離開實(shí)驗(yàn)室去Neuralink工作時(shí)，他的一個(gè)博士生不得不轉(zhuǎn)學(xué)。

　　李和羅布森將于今年9月份前往德國圖賓根的馬克斯·普朗克生物控制論研究所(Max Planck Institute for Biological Cybernetics)學(xué)習(xí)。這對夫婦留在了學(xué)術(shù)界，因?yàn)樗麄兿矚g羅布森所謂“校園環(huán)境”的自由和靈活性。“是的，動物實(shí)驗(yàn)可以對無害、無助的動物做出非自然的事情。他們也可以推崇人性化的視角——這才是我們可能想要看到的人工智能。”

　　四年前，在他們完成可追蹤顯微鏡之前，李和羅布森正在使用一種粘性凝膠來保持斑馬魚在原地游動幾個(gè)小時(shí)，以探究它們的神經(jīng)元是如何發(fā)光的。一天早上，這兩人來到實(shí)驗(yàn)室，發(fā)現(xiàn)了一個(gè)大驚喜：他們離開時(shí)就在游的斑馬魚18個(gè)小時(shí)后仍在游動，遠(yuǎn)遠(yuǎn)超出了他們的預(yù)期。“這只動物是冠軍，”羅布森說。“完美”,李補(bǔ)充道。“它的行為很完美。”由于實(shí)驗(yàn)的嚴(yán)謹(jǐn)性，研究人員沒能把這位魚類英雄留給后代，但他們做了第二件好事:李和羅布森把這條斑馬魚的母親安置在水族箱里作為寵物飼養(yǎng)。

　　羅布森和李表示，人工智能和腦機(jī)接口技術(shù)的發(fā)展將迫使人類變得更加人性化。畢竟，如果我們的目標(biāo)之一是將我們自己的道德灌輸給機(jī)器，我們將不得不比以往更多地糾結(jié)于道德是什么。誰應(yīng)該擁有增強(qiáng)思考的能力?自動駕駛汽車應(yīng)該選擇拯救乘客還是行人?機(jī)器該有多聰明?“這在本質(zhì)上是一個(gè)道德問題——也就是你如何衡量生命。”李如是指出。

　　羅布森說:“它迫使我們嚴(yán)格要求自己的道德底線。”“你必須做出承諾。”(騰訊科技審校/皎晗)