6月20日消息，據(jù)國外媒體報道，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)家因為更好待遇以及更好的機會，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)的實驗室里。Jaguar的主要工作是在一個有著電影《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勵。

　　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)元在放電時發(fā)出熒光。平臺上方的顯微鏡記錄下Jaguar玩耍時大腦發(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)這個過程，看看大腦活動是如何變化的，”負(fù)責(zé)這項實驗的神經(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)的一個獎學(xué)金項目中聘用了博士生：“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)化為亞馬遜公司運營全安Android軟件，這種技術(shù)飛躍完全不同。隨著整個新產(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算機模擬大腦結(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算系統(tǒng)描述為“神經(jīng)網(wǎng)絡(luò)”，由數(shù)百萬個神經(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)計計算和模式識別，雖然獲得一個生物學(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)，這兩個領(lǐng)域之間的壁壘變得沒有那么堅不可摧了。一般人工智能的目標(biāo)是一個具有感知功能的機器，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，但許多計算機科學(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。

　　馬西斯的實驗室就在進(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定制的電動圓盤上，爪子嵌在兩邊的凹槽里。屏幕顯示一個綠色通道，末端是一個藍(lán)色矩形。實驗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，這些老鼠在玩耍時的目光呆滯。整個實驗大約會持續(xù)半個小時的時間。

　　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:“我們可以同時覆蓋老鼠的大部分感覺、運動皮層和決策區(qū)域。”研究人員有時會改變游戲的規(guī)則和控制——例如，讓拉動操縱桿產(chǎn)生之字形運動而不是直線運動——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，以檢查其余神經(jīng)元的反應(yīng)。該研究早期的一個發(fā)現(xiàn)是:當(dāng)涉及到理解時，感覺皮層似乎和運動皮層共同發(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)你拿起一個未知重量的物體時，你的大腦和身體會迅速計算出需要施加多大的力。目前，機器人還無法做到這一點，但注入老鼠神經(jīng)元學(xué)習(xí)模式的機器人有可能做到。馬西斯說，老鼠可以幫助彌補這一差距。它們的大腦足夠復(fù)雜，可以完成高級決定;但同時也足夠簡單，讓研究人員能夠在合理時間內(nèi)推斷出這些聯(lián)系。

　　直到最近，人們才開發(fā)出功能強大的計算機，能夠采集、處理和分析小鼠大腦中大約7500萬個神經(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，可以追蹤實驗老鼠的運動。該應(yīng)用程序使用圖像識別技術(shù)，跟蹤老鼠在玩游戲時的微小動作變化，并跟蹤它對糖水獎勵的反應(yīng)。

　　科學(xué)家們過去通常依靠人力來完成類似工作�，F(xiàn)在，該軟件只需幾分鐘就能完成過去需要幾周或幾個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)不拿老鼠實驗。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。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，同時也為其他有關(guān)人類運動、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)練機器掌握語言技能非常重要。

　　在波士頓大學(xué)的一個鳥舍，奧奇與大約300只鳥一起工作。在其中一項實驗中，研究人員將為一只斑胸草雀配備一個微型背包，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，而奧奇和他的團隊通過類似于馬西斯用在老鼠身上的機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)加德納實驗室之前，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。”“我很高興能夠為解決這個問題做出一點哪怕是很小的貢獻(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)所在實驗室的負(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。基于語音識別的設(shè)備安全系統(tǒng)就是一個例子。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，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)旗下的羅利實驗室。他們見證了這個領(lǐng)域的飛速發(fā)展，現(xiàn)在美國學(xué)校每年授予大約5000個神經(jīng)科學(xué)學(xué)士學(xué)位和600個博士學(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。

　　羅利團隊研究斑馬魚，這是鰷魚家族中的成員，當(dāng)它們年輕的時候身體是透明的，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，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，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，公共機構(gòu)和私營企業(yè)之間的軟邊界提出了一個問題:最終誰將控制人類和機器之間可能的合并。長期以來進(jìn)行超前研究的大學(xué)，如今正受到擁有更強大計算機和更豐富數(shù)據(jù)集的科技公司的競爭。一個剛獲得博士學(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。克里斯·弗萊(Chris Fry)也曾經(jīng)研究斑馬魚，在離開休尼森實驗室的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，因為這往往給他們一個機會做更令人興奮，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)加德納離開實驗室去Neuralink工作時，他的一個博士生不得不轉(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，因為他們喜歡羅布森所謂“校園環(huán)境”的自由和靈活性。“是的，動物實驗可以對無害、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小時，以探究它們的神經(jīng)元是如何發(fā)光的。一天早上，這兩人來到實驗室，發(fā)現(xiàn)了一個大驚喜：他們離開時就在游的斑馬魚18個小時后仍在游動，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”,李補充道。“它的行為很完美。”由于實驗的嚴(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?機器該有多聰明?“這在本質(zhì)上是一個道德問題——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)