对大脑进行逆向工程，会找到AI的明日之光吗？

大脑，可以说是人类身上最奇妙的器官。但有趣的是，关于大脑研究的热度，似乎并不是跟着医学发展曲线前进，而是跟着智能科技的发展前行的。

或许因为人工智能本身就是为了模拟人类智慧出现，于是几乎在人工智能发展的每个周期之中，往往是当我们受算力或应用环境一类基础所限，AI技术无法产生效率上的突破时，便会转向对人脑的研究，试图用计算机来模拟大脑的运转方式。

现如今，虽然深度神经网络应用越来越广泛，我们却也能越来越多地发现人脑运作的特殊性。

例如同样是辨识动物，深度神经网络需要在黑箱中投入大量长颈鹿的图片，才能让AI辨识出“长颈鹿本鹿”。但对于人类儿童来说，通常见过一次长颈鹿图片，就能识别出长颈鹿的骨架。

这一神秘的认知过程，值得被不断探索推演。

对1立方毫米的脑组织进行逆向工程

近年来一项名为Machine Intelligence from Cortical Networks（皮层网络机器智能，以下简称Microns）的项目为行业提供了全新的思路——对于大脑灰质皮层进行“逆向工程”，破解出其中的运行策略，转换成可为机器所用的算法。

这一项目来自2013年奥巴马政府提出的“BRAIN倡议”，通过一亿美金的支持，倡导科学家们从认知科学、神经科学、融合科学等多个角度来对人类大脑的运行方式进行研究。

这一倡议被视作第二个人类基因组计划——后者由多个国家的政府、学术机构共同参与，耗时十三年对人类基因组进行测序。曾经有很多人质疑过人类基因组计划的意义，但如今这一项目正在遗传学研究上发挥着重要意义。

Microns目前是该倡议中完成度最高的项目，由美国高级情报研究计划署主导资助。具体研究方式是，绘制出一块1立方毫米的小鼠脑组织神经元结构，研究其神经元间电路连通的模式，从而逆向推演动物的大脑如何对外界刺激进行反应。

1立方毫米的小鼠脑组织，与人类相比，只达到了人类大脑体积的百万分之一。可即便如此，仍然意味着5万个互相连接的神经元，以及5亿个突触。

我们知道，逆向工程意味着在已知某一产品的最终形态后，重新推演这项产品的诞生过程。那么面对这样庞大的问题，要怎样进行“逆向工程”呢？

从显微镜到DNA，记录神经元运动都有哪些方式？

美国高级情报研究计划署选择和三个研究团队合作，三种方式齐头并进一起对1立方毫米的小鼠脑组织进行研究。

哈佛大学选择的是电子显微镜。通过对大鼠注入荧光蛋白并进行训练，为大鼠播放视频刺激大脑活动，当神经元活动时，荧光蛋白中的钙离子就会融入细胞使其发亮。这时再用激光显微镜记录下神经元活动状况。另一方面，一立方厘米的脑组织被切割成薄片，在高分辨率下显微镜下成像。将活动时的神经元状况和完整的非活动状态下神经元连接状况进行对比映射，从而去挖掘实验鼠的“思维活动方式”。

来自哈佛医学院的专家则选择了另一种方法，他们通过一种特殊的DNA条码对神经元进行标注，通过这种特殊的标注来识别神经元运动。至于脑组织切片，则可以通过基因测序机进行信息分类，从而重现神经元的运动情况。

来自美国科学促进会的团队，则干脆选择数据驱动的方式，通过对脑神经元连接方式的全面记录来构建研究基础。

在计划中，三个团队将一起监测出大脑中数万个神经元的运动情况，并且将脑组织切片的横截面计算拼接，将神经元的活动路径连接起来，构成一幅大脑运动的三维地图。建立在这一基础上，在尝试模拟神经元运动的模式。

逆向工程中的悖论：通过大数据实现少样本？

如此看来，针对大脑的逆向工程除了在研究方式上更为特出，分工上更聚焦细节之外，跟以往的大脑模拟工程等等也并无差别。

但值得注意的是，Microns和其他大脑模拟最大的差别，就在于目标明确。

在13年“BRAIN倡议”被提出时，当时定下的目标是通过研究大脑来研究阿尔茨海默病、自闭症等等疾病。但实际上真正开始启动时，最受关注的项目Microns却将目标圈定在了人工智能应用方面，三个团队每个都配上了至少一位算法科学家，为了把神经学的结果转换成可应用的计算机科学。

如此来看，大脑研究与人工智能之间有种“有事钟无艳，无事夏迎春”的感觉。平时脑科学研究总将目标放在心理学、神经学、医学学科上，可一旦人工智能有热度可蹭，与脑科学有关的类脑计算、认知计算等等，又立刻成为了人工智能的明日之光。

就拿Microns这一个项目来说，就存在着严重的悖论。

首先Microns的目标，是通过对大脑的模拟推演，实现更高效的少样本甚至无样本学习，让神经网络不再需要依靠大量的数据就行建立模型。

而以目前这种对大脑逆向工程的手段来看，Microns率先输出的并不是算法，而是海量的神经元运动数据——每立方毫米的脑组织就会产生1到2 PB的数据。

所以为了处理这些数据，Microns率先要研发出能够承载海量数据的神经网络模型，耗费大量时间进行训练，兴许还要利用上超算。