對大腦進行逆向工程,會找到AI的明日之光嗎?
大腦,可以說是人類身上最奇妙的器官。但有趣的是,關於大腦研究的熱度,似乎並不是跟著醫學發展曲線前進,而是跟著智慧科技的發展前行的。
或許因為人工智慧本身就是為了模擬人類智慧出現,於是幾乎在人工智慧發展的每個週期之中,往往是當我們受算力或應用環境一類基礎所限,AI技術無法產生效率上的突破時,便會轉向對人腦的研究,試圖用計算機來模擬大腦的運轉方式。
現如今,雖然深度神經網路應用越來越廣泛,我們卻也能越來越多地發現人腦運作的特殊性。
例如同樣是辨識動物,深度神經網路需要在黑箱中投入大量長頸鹿的圖片,才能讓AI辨識出“長頸鹿本鹿”。但對於人類兒童來說,通常見過一次長頸鹿圖片,就能識別出長頸鹿的骨架。
這一神秘的認知過程,值得被不斷探索推演。
對1立方毫米的腦組織進行逆向工程
近年來一項名為Machine Intelligence from Cortical Networks(皮層網路機器智慧,以下簡稱Microns)的專案為行業提供了全新的思路——對於大腦灰質皮層進行“逆向工程”,破解出其中的執行策略,轉換成可為機器所用的演算法。
這一專案來自2013年奧巴馬政府提出的“BRAIN倡議”,透過一億美金的支援,倡導科學家們從認知科學、神經科學、融合科學等多個角度來對人類大腦的執行方式進行研究。
這一倡議被視作第二個人類基因組計劃——後者由多個國家的政府、學術機構共同參與,耗時十三年對人類基因組進行測序。曾經有很多人質疑過人類基因組計劃的意義,但如今這一專案正在遺傳學研究上發揮著重要意義。
Microns目前是該倡議中完成度最高的專案,由美國高階情報研究計劃署主導資助。具體研究方式是,繪製出一塊1立方毫米的小鼠腦組織神經元結構,研究其神經元間電路連通的模式,從而逆向推演動物的大腦如何對外界刺激進行反應。
1立方毫米的小鼠腦組織,與人類相比,只達到了人類大腦體積的百萬分之一。可即便如此,仍然意味著5萬個互相連線的神經元,以及5億個突觸。
我們知道,逆向工程意味著在已知某一產品的最終形態後,重新推演這項產品的誕生過程。那麼面對這樣龐大的問題,要怎樣進行“逆向工程”呢?
從顯微鏡到DNA,記錄神經元運動都有哪些方式?
美國高階情報研究計劃署選擇和三個研究團隊合作,三種方式齊頭並進一起對1立方毫米的小鼠腦組織進行研究。
哈佛大學選擇的是電子顯微鏡。透過對大鼠注入熒光蛋白並進行訓練,為大鼠播放影片刺激大腦活動,當神經元活動時,熒光蛋白中的鈣離子就會融入細胞使其發亮。這時再用鐳射顯微鏡記錄下神經元活動狀況。另一方面,一立方厘米的腦組織被切割成薄片,在高解析度下顯微鏡下成像。將活動時的神經元狀況和完整的非活動狀態下神經元連線狀況進行對比對映,從而去挖掘實驗鼠的“思維活動方式”。
來自哈佛醫學院的專家則選擇了另一種方法,他們透過一種特殊的DNA條碼對神經元進行標註,透過這種特殊的標註來識別神經元運動。至於腦組織切片,則可以透過基因測序機進行資訊分類,從而重現神經元的運動情況。
來自美國科學促進會的團隊,則乾脆選擇資料驅動的方式,透過對腦神經元連線方式的全面記錄來構建研究基礎。
在計劃中,三個團隊將一起監測出大腦中數萬個神經元的運動情況,並且將腦組織切片的橫截面計算拼接,將神經元的活動路徑連線起來,構成一幅大腦運動的三維地圖。建立在這一基礎上,在嘗試模擬神經元運動的模式。
逆向工程中的悖論:透過大資料實現少樣本?
如此看來,針對大腦的逆向工程除了在研究方式上更為特出,分工上更聚焦細節之外,跟以往的大腦模擬工程等等也並無差別。
但值得注意的是,Microns和其他大腦模擬最大的差別,就在於目標明確。
在13年“BRAIN倡議”被提出時,當時定下的目標是透過研究大腦來研究阿爾茨海默病、自閉症等等疾病。但實際上真正開始啟動時,最受關注的專案Microns卻將目標圈定在了人工智慧應用方面,三個團隊每個都配上了至少一位演算法科學家,為了把神經學的結果轉換成可應用的電腦科學。
如此來看,大腦研究與人工智慧之間有種“有事鍾無豔,無事夏迎春”的感覺。平時腦科學研究總將目標放在心理學、神經學、醫學學科上,可一旦人工智慧有熱度可蹭,與腦科學有關的類腦計算、認知計算等等,又立刻成為了人工智慧的明日之光。
就拿Microns這一個專案來說,就存在著嚴重的悖論。
首先Microns的目標,是透過對大腦的模擬推演,實現更高效的少樣本甚至無樣本學習,讓神經網路不再需要依靠大量的資料就行建立模型。
而以目前這種對大腦逆向工程的手段來看,Microns率先輸出的並不是演算法,而是海量的神經元運動資料——每立方毫米的腦組織就會產生1到2 PB的資料。
所以為了處理這些資料,Microns率先要研發出能夠承載海量資料的神經網路模型,耗費大量時間進行訓練,興許還要利用上超算。
整個過程,是與Microns專案的初衷背道而馳的。
Microns是誰的磚石瓦片?
其實對於Microns的未來,研究人員自己也很悲觀。雖然如今Microns的贊助費用已經高達上億美元,參與研究的哈佛大學神經學家David Cox卻表示,人腦研究實在是太過龐雜的命題,他們一定會得出結果,但這些結果很難符合人們的預期。
目前來說,Microns已經能夠為實驗鼠的一些神經元進行簡單的分類。例如在分辨出在受到刺激時,哪些神經元互相連線,哪些神經元又是相對獨立的。只是這樣的結果不僅離應用還很遠,就連理論化和體系化都很難做到。
最後Microns專案的結果,很有可能只是累積下來大量關於神經元運動的資料,在開放給社會之後,等待更多力量共同挖掘。這個過程就像蓋房子,或許今天我們見證的,僅僅是準備磚石瓦片的過程。利用這些磚石瓦片的,或許是人工智慧,也或許是腦科學。
腦科學與人工智慧之間的關係,有時候就像狗血言情小說裡面的男女主角,看似天生一對,卻歷經波折總是不能在一起。但是在彼此追逐的過程中,都獲得了更好的成長。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31561483/viewspace-2640701/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 在Steam遊戲節會夢見國產之光嗎?遊戲
- [Flutter翻譯]通過重新編譯Flutter引擎對Flutter應用進行逆向工程。Flutter編譯
- 谷歌大腦提出AutoML-Zero,只會數學運算就能找到AI演算法 | 開源谷歌TOMLAI演算法
- 網站安全防護對社會工程學攻擊進行剖析網站
- mac裝win10會毀電腦嗎 macbook裝windows對電腦會有危害影響嗎MacWin10Windows
- mybatis的逆向工程MyBatis
- AI會動你的“乳酪”嗎?AI
- 強化學習的框架化,會引爆AI開發的新腦洞嗎?強化學習框架AI
- 小白的MyBatis逆向工程MyBatis
- 翻譯 | 一行 JavaScript 程式碼的逆向工程JavaScript
- iOS逆向工程iOS
- Mybatis逆向工程MyBatis
- Spring AI(使用Ollama大模型進行AI驗證)SpringAI大模型
- 智慧大屏賦能掘進機:地下工程的新“眼睛”與“大腦”
- Lucene可以對MYSQL進行全文檢索嗎?MySql
- Mybatis逆向工程和新版本MybatisPlus3.4逆向工程的使用MyBatisS3
- 收藏的爬蟲逆向工程爬蟲
- 【安卓逆向】一個畫圖AI軟體的會員分析安卓AI
- 您有多點會員嗎?——資料庫漸進式創新助力多點推進經營大腦實踐資料庫
- 逆向工程核心原理(1)逆向基礎
- java開發工程師會什麼才能找到工作?Java工程師
- 對node工程進行壓力測試與效能分析
- 【轉】使用PowerDesigner 15.2對Oracle進行反向工程Oracle
- 對列進行連線操作會影響索引的使用索引
- 最新的AI會“殺死”程式設計嗎?AI程式設計
- ios逆向工程連結iOS
- 當AI遇上展會——全息世界的又一“現在進行時”AI
- AI黑客會大規模進軍網路安全領域嗎?為時尚早,因為太貴了AI黑客
- AI會取代人類勞動嗎?AI
- 你能找到心儀的妹子嗎?- 時間複雜度進階時間複雜度
- AutoGPT 橫空出世,會成為 AI 領域中的下一大趨勢嗎?GPTAI
- ibatis和myBatis的逆向工程使用MyBatis
- 【翻譯】Delphi中類的逆向工程
- 谷歌開發者大會爐邊談話,Hinton解析AI如何影響人類理解大腦谷歌AI
- Mac電腦如何對檔案進行分類和整理Mac
- 逆向分析:利用標誌位進行爆破破解
- 【實戰】檔案加密器進行逆向加密
- 利用對方的IP地址,進入對方電腦