顧凡及
2023年9月30日原本應(yīng)該是歐盟人腦計劃(EU Human Brain Project, HBP)[1]的到期之日。該計劃曾擬用10年時間、投資10億歐元以建立人工腦為目標吸引了全球的眼光,但該目標在計劃啟動兩年不到即被取消了,其牽頭人馬克拉姆(H. Markram)也黯然下臺。但是,他在其主導的由瑞士政府支持的藍腦計劃(Blue Brain Project, BBP)[2]中仍然堅持這一研究目標。2019年,他將其重建數(shù)字腦的思想系統(tǒng)化,稱以此為核心的所謂“仿真神經(jīng)科學”(simulation neuroscience)將是神經(jīng)科學發(fā)展過程中,繼哲學思辨、實驗和理論之后的新階段[3]。其實,重建人工腦這種思想并非他的獨創(chuàng),這也是許多人的夢想。例如美國發(fā)明家霍金斯(J. Hawkins)提出的以新皮層柱為單元的所謂“千腦理論”[4],也有異曲同工之妙的類似思想。
如果以這些想法為目標進行研究,不但耗資巨大,能否實現(xiàn)還在未定之天。所以對以馬克拉姆“仿真神經(jīng)科學”為代表的思想討論一下,還是很有意義的。
幾千年來,我們對腦的認識經(jīng)歷了哲學思辨、實驗和理論三個階段。哲學思辨依靠直覺和類比思維,無法提供經(jīng)驗證據(jù);為尋找證據(jù),實驗神經(jīng)科學中的還原論思想家們對腦的許多組成部分作了深入研究,但也產(chǎn)生了大量互不相關(guān)的數(shù)據(jù)集和知識;理論神經(jīng)科學應(yīng)用抽象思維而使之脫離腦的細節(jié),這可能會促進人工智能的發(fā)展,但是否會促進對腦結(jié)構(gòu)和功能之間因果關(guān)系的理解,仍存在疑問。為了繼續(xù)前進,腦研究需要新的思維方式和新的方法——整合和預測思維,馬克拉姆認為這就是仿真神經(jīng)科學的特點。催生仿真神經(jīng)科學的主要驅(qū)動因素是:在腦組織的多個層次上已生成大量數(shù)據(jù),需要把它們整合起來,以追蹤在所有這些層次內(nèi)和跨層次間交互作用的因果鏈。
在實驗和理論階段,神經(jīng)科學沿著三條主要路徑發(fā)展:神經(jīng)元成像,其目的是對腦中不同類型的細胞進行分類;連接性成像,其目的是確定單個神經(jīng)元之間、神經(jīng)元群之間以及腦區(qū)之間的連接;功能成像則試圖將腦功能和行為與腦的結(jié)構(gòu)聯(lián)系起來。
馬克拉姆早年在神經(jīng)元的實驗研究方面取得過不俗的成績,其中影響最大的是有關(guān)依賴于鋒電位定時的突觸可塑性(spike timing-dependent synaptic plasticity, STDP)研究。該研究表明,突觸前和突觸后動作電位的相對定時(timing)會影響神經(jīng)元之間的耦合強度,從而與學習機制有關(guān)。1990年代,他對當時腦科學研究的現(xiàn)狀不滿意,“我知道我在科學上可以這樣二三十年地做下去,但這無助于讓我們認識腦是如何工作的”“全世界每年都會發(fā)表6萬篇有關(guān)腦研究的論文,每篇都是出色的研究,但每一篇都局限于一隅”。他認為,如果按照現(xiàn)在的方法,按部就班地測量各個物種在不同年齡段、不同條件(健康和疾病狀態(tài))下,腦內(nèi)每個基因、蛋白質(zhì)、細胞、突觸與回路,那么即使再過100年或者更長時間,也還是解決不了問題。為此,他呼吁現(xiàn)在是改變腦研究方法論的時候了,因為目前的腦研究無論是實驗還是理論,都受制于腦的多尺度(層次)和復雜性的局限[5]。
他認為,要擺脫現(xiàn)有研究的障礙,應(yīng)該把實驗和理論方法結(jié)合起來,即所謂的仿真神經(jīng)科學,重建符合實驗數(shù)據(jù)的精細數(shù)字腦,形成腦結(jié)構(gòu)和功能的統(tǒng)一,也可進一步檢驗和發(fā)展新理論。仿真神經(jīng)科學的目標是建立腦的數(shù)字拷貝。由于現(xiàn)有數(shù)據(jù)既非無所不包,也沒有完整的腦成像,也不大可能僅僅靠實驗就能獲得。這需要闡明細胞結(jié)構(gòu)原理以合成所有的神經(jīng)元和神經(jīng)膠質(zhì)細胞,還需要闡明分子組織和相互作用原理,離子通道和受體如何在神經(jīng)元中形成和分布的原理,突觸連接原理,腦區(qū)如何連接的原理,最終,腦如何與身體耦合的原理,并需要通過闡明所有這些原理建立數(shù)字拷貝。如果這些原理都是正確的話,那么依靠它們就可以預測數(shù)據(jù)中的巨大缺失。為此,仿真神經(jīng)科學利用高性能計算,通過整合和預測思維來解決研究腦的問題:把實驗和理論方法整合起來,把分散的數(shù)據(jù)集和知識整合在一起,把多個尺度上的腦結(jié)構(gòu)和功能整合在一起,再加上填補空白的預測方法。
腦是由基因、蛋白質(zhì)、細胞、突觸和腦區(qū)所組成的多維網(wǎng)絡(luò),它處于一個不斷變化著的相互作用中。腦功能是以電、化學和機械鏈式相互作用的形式涌現(xiàn)出來的。由于沒有科學證據(jù)表明可以忽略這些相互作用類型中的任何一種,因此要想認識多尺度腦的所有方面,唯一的方法是重建和仿真所有這些類型的相互作用。然后通過仿真實驗、改進實驗方法,檢驗和生成假設(shè)和理論、做出預測、提出新的實驗建議。
在筆者看來,雖然馬克拉姆正確指出了在神經(jīng)科學的研究思想中,發(fā)生過從哲學思辨到實驗,以及從實驗到理論的飛躍。但是他錯誤地認為這些階段都已成為過去,當下需要進入他所謂的“仿真神經(jīng)科學”的新階段。他指出了仿真在科研中的作用,但是夸大過度了。
他錯誤地將研究人腦的“重要性”等同于解決問題的“可能性”。揭開人腦之謎確實非常重要,相比于其他門類的科學技術(shù),腦科學的進展速度確實相形見絀。但是這種重要性和緊迫性并不等同于解決問題的可能性。正如他自己指出的,腦研究面臨一系列難于在近期解決的根本困難,甚至對神經(jīng)元分類這樣一個看起來相對容易解決的問題,他承認人腦中有約860億個神經(jīng)元,每個神經(jīng)元都是獨一無二的。進一步,如果把神經(jīng)元分類比喻為人口普查,那么即使做了詳細的人口普查,也并不等于解決了社會的運行問題。拷貝的精髓是不能簡化!不要說腦這樣復雜的系統(tǒng),物理上相對簡單得多的系統(tǒng)也需要做大量簡化后,得出“理想化”的模型,才能研究其背后的原理。馬克拉姆所開的藥方——數(shù)字重建腦的前提卻是要“如果”能正確闡明腦在各層次的工作原理。如果我們真能闡明這些原理,那么神經(jīng)科學就已經(jīng)研究清楚了,不需要再去倡導什么“仿真神經(jīng)科學”了。目前神經(jīng)科學還僅僅處于幼年期,解決腦功能機制之謎還來日方長。
他的再一個錯誤是錯誤估計了神經(jīng)科學研究的現(xiàn)狀。在他看來,神經(jīng)科學的實驗階段早已過去,甚至理論階段也已過去。但是美國著名神經(jīng)科學家拉馬錢德蘭在1998年時估計神經(jīng)科學依然還是處于法拉第時代,還沒有到麥克斯韋時代。事實上絕大多數(shù)神經(jīng)科學家都認同神經(jīng)科學現(xiàn)在還沒有一個概括腦功能的哪怕是很粗淺的理論框架。誠然,在神經(jīng)科學的個別層次,例如軸突層次,由于積累了大量的實驗數(shù)據(jù),再加上霍奇金和赫胥黎在適當簡化之后建立了軸突細胞膜的模型,把實驗階段上升到了理論階段,闡明了神經(jīng)脈沖產(chǎn)生和傳播的機制,并將仿真結(jié)果與實驗結(jié)果比較,驗證了他們的理論和模型的正確性。然而,在神經(jīng)元以上的層次,除個別特殊情況,目前還沒有類似的成功理論和模型,許多領(lǐng)域還是一片空白,怎么能通過仿真來填補大片空白領(lǐng)域和重建數(shù)字人腦呢?
建模和仿真是計算神經(jīng)科學(或稱理論神經(jīng)科學、數(shù)學神經(jīng)科學)的重要內(nèi)容和手段。這一領(lǐng)域的先驅(qū)早就指出建模和仿真的作用是組織數(shù)據(jù)(把看似互不相關(guān)的數(shù)據(jù)聯(lián)系起來)、挖掘數(shù)據(jù)背后的關(guān)系(主要是建模的作用),并通過仿真檢驗這些原理或者假設(shè),進行在生物實驗上難于實現(xiàn)的仿真實驗,預測可能的實驗結(jié)果。馬克拉姆在文中強調(diào)了這些作用,就是整合和預測,但這并非是他的首創(chuàng)。他只講仿真不談建模,實際上建模才是整合和預測的關(guān)鍵。需要注意的是建模一定要簡化,模型本身就是對原型的簡化,它忽略了大量次要因素,使主要現(xiàn)象背后的因果關(guān)系突出出來。雖然馬克拉姆在全文中沒有一處提到建模,但是他所強調(diào)的仿真前提——搞清楚腦各個層次背后的原理,不正是建模的另一種說法嗎?不幸的是,他不僅沒有使用建模這一更為清楚的概念,完全忽略了建模的簡化本質(zhì)(整個物理學的成就正好說明了這種簡化或者理想化的重要性),反而強調(diào)了拷貝一切細節(jié)(盡管他承認現(xiàn)在有許多細節(jié)都還不知道,原理也不清楚),重建(且不論在這樣的情況下能否重建)和一個生物腦一樣多尺度和一樣復雜的數(shù)字腦,那么他對現(xiàn)在生物腦研究中所碰到的主要障礙和壁壘——多尺度和復雜性——在數(shù)字腦的研究中也同樣會碰到,那么是否還需要像俄羅斯套娃一樣再對他的數(shù)字腦進行仿真呢?所以在筆者看來馬克拉姆的“仿真神經(jīng)科學”是對“計算神經(jīng)科學”的一種倒退或許說“反動”,他舍棄了建模的合理內(nèi)核,而代之以實際上做不到的“拷貝”。
馬克拉姆還有一錯誤就是迷信只要加大計算機的算力,就能解決腦研究中所遇到的所有問題。計算機的算力固然依舊在按照摩爾定律指數(shù)式上升(且不論作為經(jīng)驗總結(jié)的摩爾定律是否能無限地永遠成立),但是并非所有問題都能僅僅依靠加強計算機算力就能解決的。長期氣象預報就是一個例子,問題的關(guān)鍵不在于算力,而在于氣象現(xiàn)象的混沌本質(zhì)。許多科學家早就指出,腦并非是一個計算系統(tǒng),甚至也不是單純的信息處理系統(tǒng),而是某種提取意義的系統(tǒng)。馬克拉姆認同腦的多尺度和復雜性,他只提到了因果鏈(其實只是線性因果鏈),而沒有提到主宰腦的循環(huán)因果關(guān)系(腦的各個層次的內(nèi)部以及各個層次之間存在著復雜的雙向的相互作用,互為因果),有許多問題并非單靠加強計算機算力就能解決的。
在馬克拉姆領(lǐng)銜申請以數(shù)字重建人腦的歐盟人腦計劃時,筆者對其目標就提出過疑問。當時一位好心的同事曾勸告筆者:“這些都是一些聰明人,他們不會想不到連我們也能想到的問題!”確實,在筆者看來馬克拉姆并非對這些問題全無覺察。關(guān)于數(shù)字重建全腦(開始是鼠腦、最終是人腦)的問題,馬克拉姆在其2009年尚未更新過的藍腦計劃網(wǎng)站的“問答欄”中是這樣說的:“以目前和可預見未來的計算機技術(shù)而論,看來還不大可能仿真一個精確到細胞和突觸復雜性水平(分子層次以上)的哺乳動物腦?!?對于是否可用一臺計算機來真實地仿真人腦的問題,他當時認為:“這很少可能,也沒有這個必要。要這樣做是非常困難的,因為腦內(nèi)的每個分子就是一臺功能強大的計算機,而我們得仿真以千兆計的分子的結(jié)構(gòu)和功能,還得仿真這些分子相互作用所遵循的全部規(guī)律。你至少需要比現(xiàn)在大千兆倍和快千兆倍的超級計算機。哺乳動物自己就能繁殖,我們無需用計算機來復制哺乳動物。這不是我的目的。我們只是想認識生物系統(tǒng)是如何工作的,又為什么會失常,這將造福于人類?!睂Α拔覀冋娴哪茉斐鲆粋€這樣的人工腦,它會有意識嗎?”的問題,他當時的回答是:“我真的不知道。如果意識僅僅是通過非常大量的相互作用產(chǎn)生的,那么也許有可能吧。但是我們對意識究竟是什么都不知道,所以很難說?!辈贿^現(xiàn)在這些內(nèi)容已經(jīng)從藍腦計劃的網(wǎng)頁中刪掉了。至于馬克拉姆為什么會在腦研究并未在上述問題上取得突破性進展的情況下在同一年內(nèi)發(fā)生這樣大的變化,也許只能去問他自己了。
總之,馬克拉姆提出的“仿真神經(jīng)科學”并沒有什么有益的新思想,其核心——重建腦的數(shù)字拷貝,不僅無益,而且使追隨者誤入歧途。他自己從2005年開始的藍腦計劃和一度使他名聲大噪的歐盟人腦計劃的實踐結(jié)果,都說明了這一思想的破產(chǎn)。事實上按他這一路線去研究,真正有所成就的主要限于神經(jīng)元水平,即使在神經(jīng)回路水平有所成就,也一直停留在現(xiàn)象階段,并未實現(xiàn)和闡明認知功能,更不要說更高層次了。綜上所述,神經(jīng)科學不會進入什么“仿真神經(jīng)科學”的新階段,計算機仿真是、也只是檢驗理論和模型的一種手段?,F(xiàn)在和將來很長一段時間里,神經(jīng)科學的發(fā)展依然取決于實驗和理論的結(jié)合,去發(fā)現(xiàn)局部的機制和原理,而很不可能重建人腦的數(shù)字拷貝!
[1]維基百科. Human Brain Project. https://en.wikipedia.org/w/index. php?title=Human_Brain_Project&oldid=1133768049
[2]維基百科. Blue Brain Project. https://en.wikipedia.org/w/index. php?title=Blue_Brain_Project&oldid=1137911574
[3]Fan X, Markram H. A brief history of simulation neuroscience. Frontiers in Neuroinformatics, 2019, 13: 1-28.
[4]霍金斯. 千腦智能. 廖璐, 等譯, 杭州: 浙江教育出版社, 2021.
[5]Markram H. The human brain project. Scientific American, 2012,(6): 50-55.
關(guān)鍵詞:人工腦 仿真神經(jīng)科學 歐盟人腦計劃 藍腦計劃 ■