顧凡及

復(fù)旦大學(xué)生命科學(xué)學(xué)院，上海 200433

腦科學(xué)和信息科學(xué)的交叉學(xué)科研究

顧凡及?

復(fù)旦大學(xué)生命科學(xué)學(xué)院，上海 200433

對腦和心智的研究已成為21世紀(jì)最前沿的科學(xué)研究，和信息科學(xué)進(jìn)行交叉研究已成為腦科學(xué)研究的一個重要趨勢。對這一交叉領(lǐng)域研究的歷史做了回顧，并對其現(xiàn)況做了評述，最后對其未來的發(fā)展趨勢做了展望。

交叉學(xué)科研究；生物控制論；計算神經(jīng)科學(xué)；仿神經(jīng)結(jié)構(gòu)工程；類腦機(jī)器

“在自然界中雜種往往不育，但是在科學(xué)中正相反，交叉學(xué)科常常驚人地豐產(chǎn)。如果一個學(xué)科過于單純，它就會枯萎?！?/p>

——克里克《狂熱的追求》[1]

人腦是一種有1011個神經(jīng)元和1015個突觸聯(lián)系的多層次系統(tǒng)。腦不僅能認(rèn)識其外部世界，也能在某種程度上認(rèn)識自己的內(nèi)部世界，在已知的宇宙中再也沒有比這更復(fù)雜的系統(tǒng)了，因此對腦及其功能的研究已經(jīng)成了現(xiàn)代科學(xué)最大的挑戰(zhàn)。沒有哪一種單獨(dú)的方法可以完全揭開腦功能之謎，每一種方法都只能揭示腦的某一個方面，因此多學(xué)科研究腦和心智已成為腦研究的一種重要趨勢?，F(xiàn)在人們普遍認(rèn)同，腦就其功能上來說，本質(zhì)上是一種信息處理系統(tǒng)，因此以信息科學(xué)的思想、方法和技術(shù)來研究腦已成為多學(xué)科腦研究的主流之一。建立數(shù)學(xué)模型和計算機(jī)仿真也成了綜合多層次信息，認(rèn)識其機(jī)制的最重要的工具。

圖1 維納 (引自http://oregonciberneticacch.wikispaces.com/ Norbert+Wiener)

1 歷史的回顧

人們曾經(jīng)長期認(rèn)為腦是靈魂的棲息地，因此不可能用數(shù)理方法來進(jìn)行研究。但是數(shù)理方法在化學(xué)和其他學(xué)科研究中的成功應(yīng)用終于在20世紀(jì)中葉，在美國推動了一些學(xué)者開始嘗試把數(shù)理科學(xué)的方法應(yīng)用于研究腦。在這些先驅(qū)者中有烏克蘭裔美國數(shù)學(xué)生物物理學(xué)家拉謝甫斯基(Nicolas Rashevsky，1899—1972)，他召集了一大批物理學(xué)家和數(shù)學(xué)家參加他組織的科學(xué)討論會。雖然他本人并沒有對腦進(jìn)行多少研究，而且他把研究的重點(diǎn)主要放到能和勢的方面，因為當(dāng)時還沒有多少人理解信息的重要性，但是不管是直接還是間接，拉謝甫斯基的科學(xué)活動對推動用數(shù)理方法研究腦還是起到了啟蒙作用。

真正對多學(xué)科研究腦起推動作用并有長遠(yuǎn)影響的是德裔美國數(shù)學(xué)家維納(Norbert Wiener，1894—1964)(圖1)。維納小時候就是一位神童。他的父親一心想把維納培養(yǎng)成為一名數(shù)學(xué)家，他諄諄叮囑兒子：“記著，你今后的路是專攻數(shù)學(xué)。不要貪玩，不要三心二意，孩子！”盡管他學(xué)業(yè)優(yōu)秀，但是他并沒有完全遵照父親的囑咐。相反，他不斷地變換著興趣，大學(xué)一年級時他迷上了物理學(xué)和化學(xué)，二年級時又被哲學(xué)吸引住了，三年級時興趣又轉(zhuǎn)到了生物學(xué)上，他甚至覺得自己應(yīng)該成為一名生物學(xué)家。但是他的深度近視和笨手笨腳使他不太適宜于成為一名實驗科學(xué)家，所以最后還是回到了數(shù)學(xué)。但是他年輕時對數(shù)學(xué)、物理、化學(xué)、生物學(xué)和哲學(xué)的廣泛興趣和知識，使他擺脫了當(dāng)時學(xué)科發(fā)展越來越專門化的桎梏，獨(dú)樹一幟地奠定高度跨學(xué)科的“控制論”的基礎(chǔ)，成為一代科學(xué)巨匠！

20世紀(jì)30年代末在哈佛醫(yī)學(xué)院有一個有關(guān)科學(xué)方法的系列討論會，維納是其中的積極分子，參加這個討論會的還有其他的數(shù)學(xué)家、生理學(xué)家、物理學(xué)家、醫(yī)學(xué)家和工程師。他們一邊吃飯，一邊討論。正是通過這種討論，維納感悟到：“在科學(xué)發(fā)展上可以得到最大收獲的領(lǐng)域是各種已經(jīng)建立起來的部門之間的被忽視的無人區(qū)。”“正是這些科學(xué)的邊緣區(qū)域，給有修養(yǎng)的研究者提供了最豐富的機(jī)會?！盵2]不過要這樣做并不簡單，維納說：

“如果一個生理學(xué)問題的困難實質(zhì)上是數(shù)學(xué)的困難，那么，十個不懂?dāng)?shù)學(xué)的生理學(xué)家的研究成績會和一個不懂?dāng)?shù)學(xué)的生理學(xué)家的研究成績完全一樣，不會更多。如果一個不懂?dāng)?shù)學(xué)的生理學(xué)家和一個不懂生理學(xué)的數(shù)學(xué)家合作，那么，這個人不會用那個人所能接受的術(shù)語表達(dá)自己的問題，那個人也不能用這個人所懂得的任何形式來作出自己的回答。……到科學(xué)地圖上的這些空白地區(qū)去作適當(dāng)?shù)牟榭惫ぷ?，只能由這樣一群科學(xué)家來擔(dān)任，他們每人都是自己領(lǐng)域中的專家，但是每人對他的鄰近的領(lǐng)域都有十分正確和熟練的知識；大家都習(xí)慣于共同工作，互相熟悉對方的思想習(xí)慣，并且能在同事們還沒有以完整的形式表達(dá)出自己的新想法的時候就理解這種新想法的意義。數(shù)學(xué)家不需要有領(lǐng)導(dǎo)一個生理學(xué)實驗的本領(lǐng)，但卻需要有了解一個生理學(xué)實驗，批判一個實驗和建議別人去進(jìn)行一個實驗的本領(lǐng)。生理學(xué)家不需要有證明某個數(shù)學(xué)定理的本領(lǐng)，但是必須能夠了解數(shù)學(xué)定理中的生理學(xué)意義，能夠告訴數(shù)學(xué)家他應(yīng)當(dāng)去尋找什么東西。 ”[2]

盡管時隔半個多世紀(jì)，今天重讀維納的這些論斷，依然有振聾發(fā)聵之感。

通過這些討論和研究，使他認(rèn)識到無論對動物還是自動機(jī)器中的控制和通信來說，其中都有著一些普適的原則，例如反饋和信息。正是這樣，他建立起了一門有關(guān)動物和機(jī)器中控制和通信共同規(guī)律的邊緣科學(xué)——控制論[3]。

盡管維納最終沒有按他年輕時的意愿成為一名生物學(xué)家，但是他對生物學(xué)的興趣，特別是腦的興趣始終未衰，到晚年他更把注意力放到將控制論應(yīng)用于生物系統(tǒng)，特別是腦的研究上去，產(chǎn)生了像生物控制論乃至神經(jīng)控制論這樣的學(xué)科分支。他在去世前不久還和謝德(Schadé)合編了一套《生物控制論進(jìn)展》叢書[4]，他在其中強(qiáng)調(diào)了從信息處理的角度來建立和生物系統(tǒng)同構(gòu)的數(shù)學(xué)模型的重要性。

雖然限于當(dāng)時科學(xué)技術(shù)的發(fā)展水平，維納本人未能在對腦的信息處理上做出許多具體成果，但是他的思想奠定了這一方向的堅實基礎(chǔ)。維納討論會上的?？望溈丝?Warren Sturgis McCulloch，1898—1969)和匹茨(Walter Harry Pitts, Jr.，1923—1969) 在1943年根據(jù)當(dāng)時所知道的神經(jīng)元的知識，建立起了一個神經(jīng)元的數(shù)學(xué)模型[5]，成為神經(jīng)網(wǎng)絡(luò)研究的奠基者。1949年加拿大心理學(xué)家赫布(Donald Hebb)提出了一個有關(guān)學(xué)習(xí)機(jī)制的假設(shè)[6]，后人把他的假設(shè)歸結(jié)為一句話，“經(jīng)常同時活動的神經(jīng)元，就會聯(lián)結(jié)在一起。”雖然他的這一預(yù)言直到多年以后才得到神經(jīng)生物學(xué)實驗的證實，但是這一假設(shè)大大推動了對有學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)的研究。1960年美國心理學(xué)家羅森布拉特(Frank Rosenblatt，1928 —1971)仿照赫布的思想建立起了第一個具有學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)模型——感知機(jī)[7]，它可以通過訓(xùn)練學(xué)會識別手寫字等而引起轟動。因為這個網(wǎng)絡(luò)只有一層，他的論敵抓住這一缺點(diǎn)從數(shù)學(xué)上嚴(yán)格證明了這種只有一層的網(wǎng)絡(luò)識別能力非常有限，而使神經(jīng)網(wǎng)絡(luò)的研究在20世紀(jì)70年代陷入低潮。直到80年代人們克服了單層的缺點(diǎn)，神經(jīng)網(wǎng)絡(luò)運(yùn)動才又復(fù)興起來。不過應(yīng)該指出，當(dāng)時的絕大部分和腦有關(guān)的交叉研究多半是借助有關(guān)腦知識的啟發(fā)，用數(shù)學(xué)語言給予描述，并試圖以此解決工程問題，而較少用信息科學(xué)的思想和方法解決腦科學(xué)的問題。

2 計算神經(jīng)科學(xué)

不過事情也并非完全如此。20世紀(jì)30年代，英國生理學(xué)家霍奇金(Alan Lloyd Hodgkin，1914—1998)(圖2)一直對神經(jīng)脈沖的產(chǎn)生機(jī)制感興趣。當(dāng)時流行的膜理論認(rèn)為神經(jīng)脈沖的產(chǎn)生是由于當(dāng)神經(jīng)受到刺激時，消除了膜對兩側(cè)離子的隔離，因此使原來內(nèi)負(fù)外正的膜電位差減小了，但是它不能解釋為什么神經(jīng)脈沖的峰值會超射到一個很大的正值。由于霍奇金在學(xué)生時代選修了數(shù)學(xué)和物理，而他的學(xué)生和合作者赫胥黎(Andrew Fielding Huxley)學(xué)的是數(shù)理科學(xué)，因此他們運(yùn)用物理學(xué)思想把神經(jīng)細(xì)胞膜等效為一個阻容的并聯(lián)電路，其中的每個電阻就相當(dāng)于允許某種離子通過的一個通道。這在當(dāng)時還只是一種假設(shè)，從實驗上真正看到這種通道差不多是半個世紀(jì)以后的事了。不過關(guān)鍵的一點(diǎn)是他們認(rèn)為當(dāng)有神經(jīng)脈沖發(fā)生時，不僅膜不再阻擋鉀離子流過膜，而且在一瞬間有大量的鈉離子從外界涌入細(xì)胞內(nèi)，然后又自動關(guān)閉。因此這些電阻并非固定電阻，而是可變電阻，其值和膜兩側(cè)的電位差以及時間有關(guān)。二戰(zhàn)打斷了他們的研究，直到戰(zhàn)后才又重續(xù)舊緣。他們對鉀和鈉的這種可變電導(dǎo)用實驗進(jìn)行測定，然后對數(shù)據(jù)進(jìn)行了曲線擬合，這樣他們就建立起了神經(jīng)軸突細(xì)胞膜的一個方程組。在當(dāng)時電子計算機(jī)還極不普遍的情況下，他們硬是手算了三個星期求出了方程的數(shù)值解(圖3)[8]。從圖中可以看出理論計算和實際測量得到的結(jié)果吻合得何等地好，這樣他們就通過實驗和理論計算的緊密結(jié)合解釋了神經(jīng)脈沖的成因和神經(jīng)脈沖產(chǎn)生超調(diào)的原因。更令人驚嘆的是根據(jù)他們模型的計算，還能預(yù)測神經(jīng)脈沖有閾值、不應(yīng)期、可以傳播和傳播速度等這些在建立模型時假設(shè)里沒有的性質(zhì)。這樣他們就闡明了神經(jīng)脈沖發(fā)生和傳播的機(jī)制，并開辟了離子通道研究的新領(lǐng)域。無怪乎人們把霍奇金和赫胥黎的方程比喻為電生理學(xué)中的麥克斯韋方程。他們分享1963年的諾貝爾獎確實是當(dāng)之無愧的。

圖2 霍奇金

圖3 神經(jīng)脈沖：上圖霍奇金和赫胥黎根據(jù)他們的方程算得的神經(jīng)脈沖波形；下圖在實驗標(biāo)本上實際測得的神經(jīng)脈沖波形

二戰(zhàn)期間，當(dāng)時21歲的生物學(xué)大學(xué)生哈森施泰因(Bernhard Hassenstein，1922— )和19歲的高中畢業(yè)生賴夏特(Werner Reichardt，1924—1992)都被送上了戰(zhàn)場。他們相約如果能逃過這場浩劫，戰(zhàn)后一定要在一起建立一所融合生物學(xué)和物理學(xué)的研究所。天從人愿，他們果然都從戰(zhàn)爭中活了下來。戰(zhàn)后賴夏特攻讀物理學(xué)，并在1950年得到了博士學(xué)位。同年他又遇到了哈森施泰因，當(dāng)時后者也剛得到了他的博士學(xué)位，其論文內(nèi)容是有關(guān)甲蟲的視動轉(zhuǎn)向行為。賴夏特很快就認(rèn)識到對這些實驗可以建立模型來進(jìn)行模擬。這在當(dāng)時是一種非常大膽的思想——居然可以用模型來研究像視覺運(yùn)動感知這樣的內(nèi)心過程！

他們研究了甲蟲對外界視覺刺激的行為反應(yīng)，結(jié)果表明其運(yùn)動檢測器至少要有兩個不同的輸入傳感器，在運(yùn)動時，這兩個傳感器依次為環(huán)境中同一目標(biāo)所興奮，兩者之間有一小段時間延遲。根據(jù)這一事實，他們建立了一個運(yùn)動檢測模型，按照模型計算得出了一些和直觀想法相左的結(jié)果，但是對許多動物的許多神經(jīng)元所做的實驗結(jié)果卻都證實了這些預(yù)言。例如：模型預(yù)測反應(yīng)不會隨刺激速度的增大而一直增大下去，在到達(dá)某個最大值之后反而會下降；這個最優(yōu)速度和刺激條紋的空間頻率有關(guān)等等[9]。

這一研究促進(jìn)了對許多其他動物包括人在內(nèi)的運(yùn)動視覺的研究。更為重要的一點(diǎn)是，這一研究大大推進(jìn)了人們根據(jù)生物學(xué)實驗的結(jié)果，用數(shù)學(xué)工具建立定量模型的潮流。直覺不一定靠得住，而像有些俏皮的人說的那樣，“筆比握它的人還要聰明。”雖然賴夏德本人出身于物理學(xué)，但是他非常重視生物學(xué)實驗，他對來到生物控制論研究所的每個年輕人都要贈以忠告：“理論必須每時每刻都和實驗緊密結(jié)合。我不相信無中生有的腦科學(xué)理論會有任何機(jī)會取得成功?！?/p>

同一時期，美國原來學(xué)物理的拉爾(Wilfrid Rall，1922—)師從神經(jīng)科學(xué)家?？藸査构プx博士學(xué)位，把原來用于研究電信號在海底金屬電纜線中傳導(dǎo)規(guī)律的電纜理論應(yīng)用到對樹突的研究[10]。他把樹突的每個分支看成是一種“電纜”。他的模型研究提示可能存在著當(dāng)時不為人知的樹-樹突觸，幾個月后才為他的同事用實驗所證實。20世紀(jì)80年代他把精力集中在研究樹突有源性質(zhì)可能的功能意義上，他提出這可能是進(jìn)行局部放大。由此推動了對樹突有源特性的研究。

到了20世紀(jì)80年代，一方面?zhèn)鹘y(tǒng)的人工智能和人工神經(jīng)網(wǎng)絡(luò)的弱點(diǎn)漸漸顯現(xiàn)：只是一味從行為上模仿人腦的某些功能而不深究腦的結(jié)構(gòu)和工作機(jī)制，就不可能真正用機(jī)器實現(xiàn)人的智能；另一方面如上所述，一些科學(xué)家用數(shù)理科學(xué)和信息科學(xué)技術(shù)研究神經(jīng)系統(tǒng)已經(jīng)取得了一些有希望的成果。正是在這種情況下美國的認(rèn)知科學(xué)家、神經(jīng)科學(xué)家和計算機(jī)科學(xué)家施瓦茨(Eric L. Schwartz，1947—)在1985年正式提出了計算神經(jīng)科學(xué)這一學(xué)科名稱[11]。1994年《計算神經(jīng)科學(xué)(Journal of Computational Neuroscience)》雜志在發(fā)刊詞里說道：“對我們說來，‘計算神經(jīng)科學(xué)’可以定義如下：它主要研究人和動物的神經(jīng)系統(tǒng)如何處理信息以產(chǎn)生有意義的行為。我們希望認(rèn)識神經(jīng)系統(tǒng)信息處理或者說它所進(jìn)行的‘計算’的本質(zhì)；在執(zhí)行這些任務(wù)時表達(dá)信息所用的代碼；以及執(zhí)行計算算法的神經(jīng)結(jié)構(gòu)。換句話說，我們想要找出神經(jīng)元和它們之間的相互作用用以產(chǎn)生功能性神經(jīng)回路的規(guī)則?！盵12]經(jīng)過短短十幾年的發(fā)展，計算神經(jīng)科學(xué)已經(jīng)成為21世紀(jì)的科學(xué)前沿。正如美國國立衛(wèi)生研究院(NIH)在他們?yōu)椤蹲匀?神經(jīng)科學(xué)(Nature Neuroscience)》所組織的一期有關(guān)計算神經(jīng)科學(xué)的專輯的前言中所說：“很明顯，計算神經(jīng)科學(xué)是正在茁壯成長而且還繼續(xù)要茁壯成長的一個領(lǐng)域。”[13]

3 類腦機(jī)器

造出像人腦那樣有高度智能的機(jī)器一直是人們世代的夢想，人們曾以為只要根據(jù)人腦表現(xiàn)出的智能，精心編程就有可能用計算機(jī)加以復(fù)制。但是正如麥克卡洛在半個世紀(jì)以前所言：“我們能不能設(shè)計出一臺機(jī)器能做腦所能做的一切？對于這樣一個理論問題的回答是：如果你能用一種清晰而有限的方法說清楚腦能做什么，那么我們就能設(shè)計出一臺機(jī)器來實現(xiàn)，但是你能說清楚腦能做什么嗎？”在研發(fā)具有類似于人腦智能的機(jī)器問題上，這種行為主義的思潮和仿腦的思潮之爭一直貫穿始終，直至今天。此外，通過構(gòu)造這些機(jī)器和對這些機(jī)器進(jìn)行研究，也將使我們可以檢驗我們對腦工作機(jī)制的某些假設(shè)，從而加深我們對腦機(jī)制的認(rèn)識。

在行為主義思潮之下，有些人總想僅僅通過提高計算機(jī)的運(yùn)算速度和加大計算機(jī)的存儲容量來創(chuàng)造與人腦一樣聰明，甚至比人腦更聰明的機(jī)器。人們津津樂道計算機(jī)“深藍(lán)”擊敗了國際象棋冠軍卡斯帕洛夫(Гарри Кимович Каспаров，1963—)(圖4)，似乎“深藍(lán)”是真正有智能的，但是“深藍(lán)”的系統(tǒng)設(shè)計師許峰雄博士[14]說：

“這場象棋大戰(zhàn)實際上是在承擔(dān)不同角色的兩種人之間進(jìn)行的：一方是棋手，另一方是工具制造者。加里和‘深藍(lán)’弈戰(zhàn)兩次，結(jié)局不同。在1996年的比賽中，作為棋手的人獲勝，而在1997年的重賽中，作為工具制造者的人獲勝?！盵15]

關(guān)于“深藍(lán)”計算機(jī)有沒有智能的問題，他也直截了當(dāng)?shù)鼗卮鹫f：

“‘深藍(lán)’是沒有智能的。它只是一個制作精良的工具，在一個限定的領(lǐng)域內(nèi)能夠表現(xiàn)出智能行為，加里是國際象棋大賽中的輸家，但是他是真正有智能的棋手?！盵15]

盡管沿著人工智能之路，近年來也取得了不俗的成就，如計算機(jī)“沃森”擊敗了幾屆電視知識搶答的冠軍，據(jù)說最近有計算機(jī)通過了圖靈測試，但是對它們來說，許峰雄的上述斷言依舊適用。僅僅用自上而下的方法在行為上模仿人的智能行為，并無助于我們認(rèn)識腦和心智的機(jī)制問題。

這樣，一些人就企圖在作某些簡化的條件下，模仿生物腦的局部機(jī)制，構(gòu)建在某些功能方面類似于腦的機(jī)器。諾貝爾獎得主埃德爾曼(Gerald Edelman)的仿腦機(jī)(brain-based-devices (BBD)就是這類研究的一個例子[16-17]。自1981年以來，埃德爾曼開發(fā)了一系列的仿腦機(jī)，它們通過經(jīng)驗進(jìn)行學(xué)習(xí)。與傳統(tǒng)的機(jī)器人不同，仿腦機(jī)是通過從許多不同的仿真神經(jīng)回路中進(jìn)行選擇來進(jìn)行學(xué)習(xí)的，而不是按照事先編制好的程序指令來工作的。他們開發(fā)了一系列不同型號的仿腦機(jī)，模仿不同腦區(qū)，如海馬或小腦的功能。

例如有一種型號的仿腦機(jī)[18]可以在環(huán)境中自由行走，避開障礙物，去取它看到的東西。在開始時設(shè)計者只是在它的“腦”中設(shè)置兩條“價值觀”：光亮是好的；如果拾取的物體能通過它的金屬手給它充電是好的。其他一切就要通過它自己和環(huán)境打交道來獲取了。當(dāng)它在實驗室里游逛時，它會遇到一些在其頂上涂有條紋記號或圓斑記號的鋼積木。當(dāng)它取起上面有條紋記號的積木時，有電流通過它的金屬手，它就知道這是“好味道”，而如果它取起上面有圓斑的積木，則沒有電流，它就認(rèn)為是“壞味道”。這樣它就把“味道”和看到的圖像聯(lián)系了起來，經(jīng)過多次這樣的經(jīng)驗以后，它就只靠視覺來拾取有好味道的積木(圖5)。 在開始時其中的神經(jīng)元是按照已知的解剖結(jié)構(gòu)聯(lián)結(jié)成回路的，但是在和環(huán)境相互作用的過程中這些回路中的神經(jīng)元之間的連接權(quán)重會發(fā)生變化。對每個仿腦機(jī)來說，這種變化的模式都是獨(dú)特的，因為它們的經(jīng)歷不一樣。用仿腦機(jī)來研究這種變化的優(yōu)點(diǎn)是可以詳細(xì)地研究所有的神經(jīng)元、突觸和回路的活動，而這在動物實驗上是更難做到的。

圖4 “深藍(lán)”和卡斯帕洛夫正在對弈

仿腦的另一條道路是直接用硬件來實現(xiàn)某些神經(jīng)組織，并在此基礎(chǔ)上構(gòu)造更為復(fù)雜的系統(tǒng)。這在現(xiàn)在被稱為“仿神經(jīng)結(jié)構(gòu)工程”。其奠基人美國計算機(jī)科學(xué)家米德(Carver Andress Mead，1934—)是大規(guī)模集成電路的先驅(qū)。正當(dāng)他事業(yè)如日中天之時，他的興趣轉(zhuǎn)向了腦是如何進(jìn)行計算的問題。他說道：“我對于動物視覺系統(tǒng)的機(jī)制越來越佩服。我老是對自己說：‘我永遠(yuǎn)也想不到這一點(diǎn)，但是這確實是一個好主意?！盵19]正是通過學(xué)習(xí)視網(wǎng)膜的神經(jīng)機(jī)制，他指導(dǎo)一位生物學(xué)出身的博士生馬霍瓦爾德(Michelle (Misha) Mahowald，1963—1996)以“硅視網(wǎng)膜”作為她的博士論文課題。馬霍瓦爾德的硅視網(wǎng)膜是一種模擬視網(wǎng)膜頭三層解剖結(jié)構(gòu)(感光細(xì)胞、水平細(xì)胞和雙極細(xì)胞)和功能原理的芯片(圖6)。對硅視網(wǎng)膜的測試結(jié)果表明，它對外界圖像的反應(yīng)和生物視網(wǎng)膜的反應(yīng)很類似，甚至還能再現(xiàn)“赫爾曼格點(diǎn)”這樣的錯覺現(xiàn)象(圖7)。

圖5 仿腦機(jī)在撿取頂上有條紋圖形的方塊[18]

圖6 硅視網(wǎng)膜線路的示意圖(引自http://tapec.uv.es/pardo/ doctorado/visionchips/vision_chips/mahowald_mead. html)

米德的學(xué)生和后繼者正在開發(fā)具有生物真實性的神經(jīng)元電路硬件組成的系統(tǒng)，這樣的新器件大大降低了能耗，縮小了體積。他的學(xué)生博阿漢(Kwabena Boahen)在2009年已經(jīng)構(gòu)造出有100萬個神經(jīng)元的神經(jīng)網(wǎng)格超級計算機(jī)(Neurogrid supercomputer)(圖8)，這樣他們終于可以不再靠軟件和消耗大量能量在普通的計算機(jī)上工作了，而用固化在低能耗硅片上的大量硅神經(jīng)元來進(jìn)行仿真。他的“神經(jīng)網(wǎng)格”芯片不再需要編程，而是按照自己的物理性質(zhì)自動進(jìn)行。他們把16個神經(jīng)網(wǎng)格芯片聯(lián)結(jié)起來，以模仿100萬個神經(jīng)元和60億個突觸聯(lián)結(jié)，而其消耗的能量不足1 W[20]。

圖7 赫爾曼格點(diǎn)(你在白條的交叉點(diǎn)上似乎能看到有一些暗斑，這就是所謂的赫爾曼格點(diǎn))

圖8 博阿漢實驗室所研發(fā)的仿腦芯片中的電路一瞥[19]

即使這樣，腦中生物神經(jīng)元有著極大的多樣性，更不要說還有著比神經(jīng)元數(shù)量多10倍的神經(jīng)膠質(zhì)細(xì)胞，我們對此還很不了解。這些都會成為仿神經(jīng)結(jié)構(gòu)工程進(jìn)一步發(fā)展要遇到的難題。無論如何，不在傳統(tǒng)的計算機(jī)上進(jìn)行仿真，而是直接用硬件實現(xiàn)性質(zhì)類似于神經(jīng)組織的硅芯片給人類建立“人工腦”之夢開創(chuàng)了一條可能的新路。

4 結(jié)語

最近在神經(jīng)科學(xué)界有兩件引起轟動的大事，這就是歐盟啟動了為期十年、投入10億歐元資金的“人腦計劃”，而美國總統(tǒng)奧巴馬則宣布要啟動一項為期更長、耗資更大的“推進(jìn)創(chuàng)新神經(jīng)技術(shù)腦研究”提議。這兩大計劃的一個共同特點(diǎn)就是都強(qiáng)調(diào)了多學(xué)科研究腦的重要性。雖然學(xué)者們關(guān)于這兩大計劃的具體內(nèi)容以及是否要把資金都投在一個大項目中還有爭議，但是在關(guān)于應(yīng)該斥巨資研究腦，應(yīng)該通過多學(xué)科交叉合作研究腦這樣一些問題上并無爭論。由于這兩大計劃內(nèi)容龐大，要介紹清楚其內(nèi)容和目前存在的爭議，在本文這樣一篇短文中不可能展開，好在筆者在近期已發(fā)表了幾篇文章[21-24]，有興趣的讀者可以參看。關(guān)于多學(xué)科研究腦的更詳細(xì)的介紹，以及對這兩大腦計劃的介紹和評述也可參看拙作《腦海探險——人類怎樣認(rèn)識自己》[25]。

(2014年11月21日收稿)

[1] 克里克. 狂熱的追求[M]. 呂向東, 唐孝威, 譯. 合肥：中國科學(xué)技術(shù)大學(xué)出版社, 1994.

[2] 維納. 控制論[M]. 郝季仁, 譯. 2版. 上海：科學(xué)出版社, 1963.

[3] WIENER N．Cybernetics - or control and communication in the animal and machine(2nd Ed) [M]. MA: MIT Press, 1961

[4] WIENER N, SCHADE J P . Progress in biocybernetics vol.1 [M]. New York: Elsevier Pub. Co. ,1964.

[5] MCCULLOCH W, PITTS W. A logical calculus of the ideas immanent in nervous activity [J]. Bulletin of Mathematical Biophysics, 1943, 5: 115-133.

[6] HEBB D O. The organization of behavior [M]. New York: John Wiley & Sons, 1949.

[7] ROSENBLATT F. principles of neurodynamics: perceptrons and the theory of brain mechanisms [M]. Baltimore: Spartan Books, 1962.

[8] HODGKIN A L, HUXLEY A F. A quantitative description of membrane current and its application to conduction and excitation in nerve [J]. Journal of Physiology. 1952, 117: 500-544.

[9] REICHARDT W. Autocorrelation, a principle for the evaluation of sensory information by the central nervous system [M]// ROSENBLITH W A. Sensory Communication. MA: MIT Press, 1961: 303-317.

[10] RALL W. Theoretical significance of dendritic trees for neuronal input-output relations [M]// REISS R F. Neural Theory and Modeling. Stanford: Stanford University Press, 1964.

[11] SCHWARTZ E L. Computational neuroscience [M]. MA: The MIT Press, 1990.

[12] RINZEL J, MIUER J, BOWER J M, et al. Editorial [J]. Journal of Computational Neuroscience, 1994, 1:9-10.

[13] NIH. Computational neuroscience at the NIH [J]. Nature Neuroscience, 2000, 3: 1161-1164.

[14] HSU F H. Behind deep blue: building the computer that defeated the world chess champion [M]. Princeton: Princeton University Press, 2004.

[15] 許峰雄. “深藍(lán)”揭秘：追尋人工智能圣杯之旅[M]. 黃軍英, 蔡榮海, 程如煙, 等. 上海：上?？萍冀逃霭嫔? 2005.

[16] EDELMAN G M. Learning in and from brain-based device [J]. Science, 2007, 318: 1103-1105.

[17] FLEISCHER J G, GALLY J A, EDELMAN G M. et al. Retrospective and prospective responses arising in a modeled hippocampus during maze navigation by a brain-based device [J]. Proc Natl Acad Sci USA , 2007, 104: 3556-3561.

[18] KRICHMAR J L, EDELMAN G M. Brain-based devices: Intelligent systems based on principles of the nervous system [C]//Proceedings of the 2003 IEEE/RSJ International. Conference on Intelligent Robots and Systems. Las Vegas, Nevada, 2003: 940-945.

[19] FREEDMAN D H. Brain makers—how scientists are moving beyond computers to create a rival to the human brain [M]. New York: Touchstone, 1995.

[20] FOX D. Thinking machine [J]. Discover, 2009(10): 59-75.

[21] GU F J. The human brain project EU is unlikely to create an artificial whole-brain in a decade [J]. Brain-Mind Magazine, 2013, (2): 4-6.

[22] 顧凡及. 從藍(lán)腦計劃到人腦計劃: 歐盟腦研究計劃評介[J]. 科學(xué), 2013, 65(4): 16-20.

[23] 顧凡及. 尖端創(chuàng)新神經(jīng)技術(shù)腦研究計劃: 美國腦研究計劃評介[J].科學(xué), 2013, 65(5): 19-23.

[24] 顧凡及. 歐盟和美國兩大腦研究計劃之近況[J]. 科學(xué), 2014, 66(5): 16-21 .

[25] 顧凡及. 腦海探險: 人類怎樣認(rèn)識自己[M]. 上海: 上?？茖W(xué)技術(shù)出版社, 2014.

Interdisciplinary studies on brain science with information science

GU Fan-ji
School of Life Sciences, Fudan University, Shanghai 200433, China

Studies on the brain and mind have been the frontier of scientific researches in the 21st century, their interdisciplinary studies with information science play a key role in such research. A historical review, an introduction about the state of the art, and a perspective of this interdisciplinary field are given in this article.

interdisciplinary studies, biological cybernetics, computational neuroscience, neuromorphic engineering, brain-like machine

(編輯：溫 文)

10.3969/j.issn.0253-9608.2015.01.004

?通信作者，E-mail：fjgu@fudan.edu.cn