導(dǎo)讀
在新著《大腦傳》中，英國神經(jīng)科學(xué)家馬修·科布（Matthew Cobb）將人類對于心智和大腦的始于公元前的探索歷史娓娓道來?？撇紝⑹状伟汛竽X比喻為機器的功勞追蹤至17世紀(jì)的解剖學(xué)家尼古拉斯·斯坦諾（Nicolaus Steno）。這位先驅(qū)在他的著作中寫道：“腦確實是一臺機器”。他認為，我們是如何破解其他機器的玄機的，就應(yīng)該如何去破解腦的玄機，將其每一部分拆解下來發(fā)現(xiàn)其到底有何功能，除此以外，別無他法。
斯坦諾看似超前的想法，也正是科學(xué)革命和技術(shù)革命紛至而來的時代潮流的產(chǎn)物。在大時代的觀念變革中，科布強調(diào)，哲學(xué)家們和醫(yī)生們在思考身體的時候很樂意使用機械隱喻。哲學(xué)家托馬斯·霍布斯也曾寫道，所謂的心臟、神經(jīng)、關(guān)節(jié)，不過是彈簧、弦線和車輪。毫不意外，隨著電氣化時代的到來，大腦被比喻為由巨大電網(wǎng)串聯(lián)起來的電池堆，以及，隨著計算機時代的到來，大腦最終被比喻為一臺可編程的精妙計算機。
在科布的回溯中，大腦正是人類發(fā)明計算機時作為靈感來源的“原型機”。
馮·諾伊曼對于計算機設(shè)想的核心建立在人們對于大腦已有研究的基礎(chǔ)上。首先，“0”和“1”的二進制構(gòu)想來自于當(dāng)時生物學(xué)界對大腦已經(jīng)達成的普遍看法，“高等生物的神經(jīng)元具有'全或無’的特性，處于且僅能處于靜息和興奮這兩種狀態(tài)的一種”。
他對計算機控制的邏輯則來自于神經(jīng)生理學(xué)家麥卡洛克和他的搭檔皮茨所設(shè)想的神經(jīng)網(wǎng)絡(luò)。在他們看來，大腦由一系列放電或者不放電的神經(jīng)元所構(gòu)成，一系列的神經(jīng)元活動可以被簡化成“與”（AND）、“或”（OR）、“非”（NOT）命題，從而組成可以計算的神經(jīng)網(wǎng)（nervousnet）。馮·諾伊曼提出，可以用同樣具有“全或無”特點的二進制元件，電報繼電器或真空管來模擬神經(jīng)元，進行邏輯計算。
而當(dāng)1943年，計算機科學(xué)之父圖靈在紐約的貝爾實驗室遇到信息論之父香農(nóng)時，他們發(fā)現(xiàn)了他們的共同興趣：如何構(gòu)建一個電子腦（eletronicbrain）。圖靈和香農(nóng)熱衷于討論完全模擬人腦的可能性，認為在不久之后，10年或者15年內(nèi)，人類真的可以造出一臺相當(dāng)于甚至超過人腦的計算機。著名的“圖靈測試”則是對這一目標(biāo)的具體衡量：當(dāng)人類無法察覺與自己對話的機器是機器時，人腦和機器的區(qū)別則被消融了。這也是為什么圖靈測試被稱為“模仿游戲”的原因。
從某些意味上來說，計算機領(lǐng)域的發(fā)展建立在這場不斷模仿人腦的游戲之上。一方面，簡化版的神經(jīng)網(wǎng)絡(luò)不僅成為了計算機技術(shù)的起點，在計算機不斷的發(fā)展之中，神經(jīng)網(wǎng)絡(luò)算法還成為了機器學(xué)習(xí)的關(guān)鍵算法。計算機模仿大腦，從大量的示例中進行學(xué)習(xí)，已經(jīng)能相當(dāng)優(yōu)秀地執(zhí)行那些比較傳統(tǒng)枯燥的腦力勞動，如DeepL那樣運用了神經(jīng)網(wǎng)絡(luò)算法的翻譯軟件已經(jīng)相當(dāng)令人贊嘆。另一方面，算法也如大腦般，發(fā)展為了充滿復(fù)雜而神秘關(guān)聯(lián)的黑箱。正如科布強調(diào)的，腦科學(xué)家們越是獲得了關(guān)于大腦的海量數(shù)據(jù)，越是對大腦的研究陷入困境。人類模仿大腦制造的智能算法也是如此，人們將海量的數(shù)據(jù)輸入進去并獲得結(jié)果，但是智能算法如何自我學(xué)習(xí)運算的邏輯則已難以知曉。
在這種相似性之下，人們已經(jīng)習(xí)慣將大腦比喻為計算機來進行理解。人們將計算機架構(gòu)的基本組成部分：邏輯電路、內(nèi)存、長期存儲、輸入和輸出通道，視為大腦的可能構(gòu)成部件，并從中尋找大腦運行的邏輯。
但作為腦神經(jīng)科學(xué)家的科布，對這種用計算機來推演大腦的比喻深表懷疑。
首先，計算機和大腦在執(zhí)行相同任務(wù)時，所采取的方法并不一定相同。計算機的儲存是被按順序在磁盤上歸檔的，擦除磁盤的具體位置就可以消除相應(yīng)的文檔，但人類記憶并沒有被證實按相同的簡單方式組織。
科布在書中用了冗長的章節(jié)來告訴我們那些專門對于具體圖像做出反應(yīng)的神經(jīng)元，“祖母細胞”（顧名思義，是只對你祖母的圖像作出反應(yīng)的神經(jīng)元），是公眾被誤導(dǎo)的想象。事實上，神經(jīng)元總是在一個網(wǎng)絡(luò)中共同反應(yīng)，“即使直接操控特定的細胞或者網(wǎng)絡(luò)能改變或者恢復(fù)某種功能，也并不意味著這種功能就是定位于這個結(jié)構(gòu)中的……這些功能通常都需要一個龐大的神經(jīng)元網(wǎng)絡(luò)的參與。”這也是為什么科布號召，腦科學(xué)家應(yīng)該竭力用本世紀(jì)余下的時間去努力研究透徹果蠅那樣簡單動物的腦，搞清楚這25000個神經(jīng)元的聯(lián)系就已經(jīng)夠復(fù)雜了。
其次，計算機建立在二進制之上，意味著只有0或1兩個離散狀態(tài)，而神經(jīng)元可以在連續(xù)范圍內(nèi)調(diào)節(jié)它們的活動。
科布從被人們遺忘的史料中打撈出了構(gòu)建出了馮·諾伊曼的對二進制計算機的自我質(zhì)疑。早在1946年，馮·諾伊曼就憂心忡忡地發(fā)現(xiàn)科學(xué)家們對于大腦和計算機之間的聯(lián)系的關(guān)注可能是錯誤的：神經(jīng)系統(tǒng)實際上并沒有按照數(shù)字的方式運行。神經(jīng)元的放電頻率會隨著外界刺激的增加而增加，“這意味著神經(jīng)元在表征外部世界時并不是數(shù)字化的”。事實上，他此時相當(dāng)悲觀地認為研究“世界上最復(fù)雜的物體”——人腦是一個錯誤。而如果研究更簡單物種的神經(jīng)系統(tǒng)，即使人們弄清楚了數(shù)字部分，也就是神經(jīng)的部分，模擬（體液）部分將變得更難理解。倘若人類真的得以模擬出參照現(xiàn)實中人腦的神經(jīng)系統(tǒng)的實體模型，這模型將會復(fù)雜巨大到現(xiàn)實宇宙容納不下。
在馮·諾伊曼生前出版的最后一本關(guān)于大腦和計算機之間關(guān)系的著作，《計算機與人腦》（The Computer and the Brain）中，馮·諾伊曼總結(jié)了自己以上觀點，并且承認大腦不僅遠比機器復(fù)雜，而且大腦似乎沿著他最初設(shè)想的不同路線來實現(xiàn)其功能。幾乎蓋棺論定般地，他認為使用二進制的計算機完全不適合用來模擬大腦。這是因為他已經(jīng)幾乎可以論定，大腦的邏輯結(jié)構(gòu)，和邏輯學(xué)、數(shù)學(xué)的邏輯結(jié)構(gòu)完全不同，那么，“從評估中樞神經(jīng)系統(tǒng)真正使用的數(shù)學(xué)或邏輯語音的角度來看，我們使用的數(shù)學(xué)的外在形式完全不適合做這樣的工作?！?/span>
最近的科學(xué)研究也證實了這一點。法國神經(jīng)科學(xué)家羅曼·布雷特（Romain Brette）的發(fā)現(xiàn)從根本上質(zhì)疑了大腦和計算機底層架構(gòu)上的一致性，即神經(jīng)編碼。科學(xué)家們受到大腦和計算機之間隱喻的影響，將技術(shù)意義層面上的刺激和神經(jīng)元之間的聯(lián)系，轉(zhuǎn)移到了表征意義上神經(jīng)元編碼徹底代表了刺激。事實上，神經(jīng)網(wǎng)絡(luò)是如何以一種最佳的解碼方式將信號傳遞給腦中的理想化觀察者的“下游結(jié)構(gòu)”（downstream structure），至今是未知的，甚至在簡單的模型中也沒有明確的假說。那么，這種隱喻會導(dǎo)致科學(xué)家們只關(guān)注感覺和神經(jīng)元之間的聯(lián)系，而忽視動物的行為真正對神經(jīng)元的影響。
匈牙利神經(jīng)科學(xué)家蓋伊爾吉·布薩基的研究結(jié)果更為激進。在他的《由內(nèi)而外的腦》一書中，布薩基指出，大腦事實上并不是在通過編碼表征信息，而是構(gòu)建了信息。在他看來，腦并不是簡單被動地接受刺激，然后通過神經(jīng)編碼來表征他們，而是通過積極地搜索各種可能性來測試各種可能的選擇。這無疑是對于用計算機來比喻大腦的隱喻的全盤推翻。
無論是從腦科學(xué)，還是計算機科學(xué)的角度，這種將大腦比作計算機的隱喻壽命或許都將不再延續(xù)?？撇济翡J地指出，這種隱喻被作用到人們對于計算機的研究之中，讓人們盲覺，縮小了真正該研究的范圍。
最近的幾十年來，AI技術(shù)的迅猛發(fā)展，似乎驗證了圖靈的計算機將通過模仿超越人腦。1997年，超級電腦“深藍”（DeepBlue）擊敗了國際象棋世界冠軍卡斯巴羅夫，而在2014年，聊天機器人尤金·古斯特曼（Eugene Goostman）在圖靈逝世60周年紀(jì)念日的活動上，愚弄了超過30%的對話者，被有爭議地認定通過了圖靈測試。不管怎么說，這是一個里程碑式的成就，仿佛證明了圖靈對于計算機最終將全面超越人腦的樂觀估計終極成為現(xiàn)實。
而如今，事情在向一些不可預(yù)估的方向滑去。社交平臺上的機器人水軍足以影響美國大學(xué)，來自深度學(xué)習(xí)技術(shù)（deeplearning）的深度偽造視頻已經(jīng)對國際政治造成影響。在某些方面而言，計算機確實超越了人腦，但這種超越為人類未來所投下的陰影甚至有超過光明的趨勢。這是因為我們長久以來在將大腦比作計算機的隱喻下，對于研究大腦中如何形成情感和倫理機制并如何將其運用到計算機中存在忽視、力有不逮，而這本來可能是這一個世紀(jì)來我們可能已經(jīng)有所突破的方向。
聯(lián)系客服
