如何再造一個(gè)硅基大腦

洪 波

清華大學(xué)為先書院院長、生物醫(yī)學(xué)工程學(xué)院教授

當(dāng)今人類的生產(chǎn)生活已經(jīng)被人工智能的浪潮裹挾，這不是第一次，也不會(huì)是最后一次。有智能行為的東西，很容易觸動(dòng)人類內(nèi)心的好奇和同情。人們喜歡和自己養(yǎng)的貓狗互動(dòng)，跟我們喜歡和GPT胡亂聊天，喜歡看機(jī)器狗摔倒爬起，其實(shí)是一樣的心理。這種心理的背后深層次的原因，是人類總是試圖認(rèn)識(shí)自身的思維和行為，從心理行為層面，從生理機(jī)制層面，甚至是從計(jì)算機(jī)制層面。如果從計(jì)算機(jī)制層面搞清楚了，那再造一個(gè)硅基大腦就有希望了。

物理學(xué)家費(fèi)曼說過：我造不出來的東西，我就還沒理解。（What I cannot create, I do not understand.）反之，如果我們還沒有理解，當(dāng)然也就造不出來。要造出一個(gè)硅基大腦，使它像生物大腦一樣有感知、有記憶、有決策、有行動(dòng)，我們必須努力觀察和發(fā)現(xiàn)生物大腦運(yùn)行的機(jī)制，并把它們構(gòu)建成數(shù)學(xué)模型，感知、記憶、決策和行動(dòng)才能在硅基的計(jì)算機(jī)中復(fù)現(xiàn)。

這是一本很有雄心的書，作者林賽試圖用10個(gè)數(shù)學(xué)模型來回答生物大腦的計(jì)算機(jī)制究竟是什么。這也是一本安靜的書，不適合那些想從腦科學(xué)中淘金，拿去人工智能領(lǐng)域變現(xiàn)的匆匆過客。如果你稍有一點(diǎn)耐心，坐下來一兩小時(shí)，試著讀一章，你就會(huì)被其中有趣而深刻的故事所吸引，一定會(huì)在某個(gè)地方受到震撼，得到啟發(fā)。不要擔(dān)心數(shù)學(xué)模型的深?yuàn)W，正文里沒有一個(gè)公式，即使是附錄里的公式也是極其克制而簡潔的。

疫情防控期間，偶然的機(jī)會(huì)讀了本書的英文版Models of the Mind，立刻被作者試圖用10大數(shù)學(xué)模型總結(jié)大腦運(yùn)行機(jī)制的雄心所打動(dòng)。作者還用講故事的方式，介紹了這些數(shù)學(xué)模型背后的科學(xué)家以及他們之間的互動(dòng)，硬核模型背后又平添了人性的溫度。湛廬能選中這本書翻譯出版，對(duì)那些試圖理解智能本質(zhì)的人們是一件幸事。你盡可以把它當(dāng)作一本大腦建模的旅游攻略，在其中走一遍會(huì)大開眼界，最重要的是，下次你想去哪個(gè)模型景點(diǎn)深度游的時(shí)候，就有了一張系統(tǒng)的文獻(xiàn)地圖和人物關(guān)系圖。作者顯然是計(jì)算神經(jīng)科學(xué)領(lǐng)域的資深旅行者，對(duì)過去一個(gè)世紀(jì)腦科學(xué)和大腦建模的歷史了解得很通透。

這個(gè)星球上有兩種智能：生物智能和機(jī)器智能。生物智能是從自然界億萬年的生物進(jìn)化中涌現(xiàn)出來的，是生命體為了自身生存，不斷攝取環(huán)境中的物質(zhì)和能量，自下而上自監(jiān)督訓(xùn)練出來的，簡單講是靠投喂物質(zhì)和能量得到的生物體內(nèi)活的碳基的神經(jīng)結(jié)構(gòu)；機(jī)器智能是人類受到生物智能，特別是人類自身智能行為的啟發(fā)，自上而下設(shè)計(jì)出來的，需要人為設(shè)定目標(biāo)并監(jiān)督訓(xùn)練。在當(dāng)前階段，機(jī)器智能主要靠人為提供的計(jì)算體系和海量數(shù)據(jù)，簡單講是靠投喂信息得到的計(jì)算機(jī)里無生命的硅基神經(jīng)網(wǎng)絡(luò)。這兩者的差別是不言而喻的，我深信前者更加優(yōu)雅，背后的數(shù)學(xué)模型也更加簡潔。

我們通常高估了人類頂層設(shè)計(jì)的智慧，低估了自然進(jìn)化的智慧。我們也一定高估了人工智能發(fā)展的快變量――算力和數(shù)據(jù)，低估了人工智能顛覆性發(fā)展的慢變量――自然界放在我們眼前的生物智能結(jié)構(gòu)。朝菌不知晦朔，蟪蛄不知春秋，在自然進(jìn)化的生物智能面前，人類就是朝菌和蟪蛄。 這本書提醒我們，其實(shí)今天如日中天的人工智能就是在努力模仿生物神經(jīng)網(wǎng)絡(luò)的核心結(jié)構(gòu)和動(dòng)態(tài)規(guī)律，只是人工智能的快速迭代，模糊了背后的神經(jīng)科學(xué)背景。

書中的10個(gè)模型可以分為兩類：一類是功能輸出型的大腦模型，這類模型對(duì)人工神經(jīng)網(wǎng)絡(luò)和人工智能的發(fā)展起到了非常直接的推動(dòng)作用；另一類是數(shù)學(xué)抽象型的大腦模型，為腦科學(xué)研究提供了信息論、系統(tǒng)論與概率論的分析視角和工具。我重點(diǎn)提一下7個(gè)經(jīng)典的功能輸出型的大腦模型，它們?cè)谶^去70年人工智能的發(fā)展歷程中發(fā)揮了關(guān)鍵性的作用。

• 單個(gè)神經(jīng)細(xì)胞的動(dòng)力學(xué)模型。烏賊粗大的神經(jīng)纖維給了科學(xué)家精確測(cè)量細(xì)胞膜內(nèi)外電流的機(jī)會(huì)，再借鑒電子電路的思想，定量刻畫了一個(gè)神經(jīng)細(xì)胞是如何放電的，構(gòu)建了泄漏整合發(fā)放（Leaky Integrate-and-Fire，LIF）模型和霍奇金-赫胥黎（Hodgkin-Huxley，HH）模型，這成為后來的脈沖神經(jīng)網(wǎng)絡(luò)的出發(fā)點(diǎn)和依據(jù)。一個(gè)神經(jīng)細(xì)胞雖然簡單，但是離子通道豐富多變的動(dòng)力學(xué)特性，以及神經(jīng)細(xì)胞樹突的豐富形態(tài)，為脈沖神經(jīng)網(wǎng)絡(luò)建模帶來了極大的想象空間。
• 多層前向神經(jīng)網(wǎng)絡(luò)感知機(jī)。把單個(gè)人工神經(jīng)細(xì)胞拼接起來，形成多層結(jié)構(gòu)，并發(fā)展出相應(yīng)的學(xué)習(xí)算法，這樣建成的感知機(jī)可以識(shí)別手寫體數(shù)字，成為第一個(gè)有用的人工神經(jīng)網(wǎng)絡(luò)。感知機(jī)看上去像一個(gè)玩具模型，但它無愧于一個(gè)頂天立地的智能英雄，一方面開啟人工神經(jīng)網(wǎng)絡(luò)的工業(yè)化應(yīng)用，另一方面把圖靈所提出的可學(xué)習(xí)可教育的機(jī)器變成了現(xiàn)實(shí)，使智能理論邁出了一大步。
• 模仿視覺大腦的卷積神經(jīng)網(wǎng)絡(luò)。把貓的初級(jí)視覺皮層簡單細(xì)胞和復(fù)雜細(xì)胞處理圖像邊緣的機(jī)制，抽象為兩個(gè)層次的圖像卷積操作，并模仿視覺通路的層次化結(jié)構(gòu)，不斷重復(fù)這樣的分層卷積，最終構(gòu)建了能夠識(shí)別復(fù)雜圖像的卷積神經(jīng)網(wǎng)絡(luò)。這個(gè)多層結(jié)構(gòu)幾乎復(fù)制了猴子和人類的腹側(cè)視覺通路。 加上反向傳播算法的發(fā)明，以及此后網(wǎng)絡(luò)深度的快速提升，開啟了基于深度學(xué)習(xí)網(wǎng)絡(luò)的智能新時(shí)代。
• 模仿海馬等大腦認(rèn)知模塊的循環(huán)神經(jīng)網(wǎng)絡(luò)。把記憶等大腦內(nèi)生狀態(tài)抽象為循環(huán)連接的神經(jīng)網(wǎng)絡(luò)，基于神經(jīng)可塑性的赫布法則，把需要記憶或者臨時(shí)處理的信息（及其序列），以吸引子的方式隱藏在復(fù)雜的網(wǎng)絡(luò)連接系數(shù)中，構(gòu)建出霍普菲爾德網(wǎng)絡(luò)、玻爾茲曼機(jī)、連續(xù)吸引子網(wǎng)絡(luò)等。這一升級(jí)，使人工神經(jīng)網(wǎng)絡(luò)有了動(dòng)態(tài)的隱空間，網(wǎng)絡(luò)的行為也變得更加靈活而智能。
• 大腦運(yùn)動(dòng)控制的群體向量模型。猴子運(yùn)動(dòng)皮層單個(gè)神經(jīng)細(xì)胞總是偏好某個(gè)特定方向，大量運(yùn)動(dòng)腦區(qū)的神經(jīng)細(xì)胞用放電頻率來投票，共同決定了手的運(yùn)動(dòng)。在數(shù)學(xué)上，用一個(gè)簡單的線性回歸模型，就可以從一群神經(jīng)細(xì)胞放電頻率推算出猴子的手如何運(yùn)動(dòng)。這一模型雖然存在爭(zhēng)議，但它幾乎是腦機(jī)接口解碼運(yùn)動(dòng)參數(shù)的標(biāo)準(zhǔn)算法，非�？煽�。有時(shí)候我甚至懷疑，這是運(yùn)動(dòng)皮層神經(jīng)細(xì)胞在粗暴算法的逼迫之下快速學(xué)習(xí)和適應(yīng)的結(jié)果，而不是什么解碼。
• 模仿生物獎(jiǎng)懲學(xué)習(xí)行為的強(qiáng)化學(xué)習(xí)算法。生物體在環(huán)境中尋求獎(jiǎng)勵(lì)的過程是不斷探索、不斷更新預(yù)期的過程，大腦深部的神經(jīng)細(xì)胞會(huì)根據(jù)預(yù)期誤差的大小，釋放適量的多巴胺，來指導(dǎo)生物體的下一步行動(dòng)。這種機(jī)制對(duì)應(yīng)的數(shù)學(xué)模型就是著名的強(qiáng)化學(xué)習(xí)算法――時(shí)間差分學(xué)習(xí)。如果把游戲終局時(shí)的獎(jiǎng)勵(lì)，通過深度學(xué)習(xí)網(wǎng)絡(luò)投射到玩家當(dāng)前位置的預(yù)期，強(qiáng)化學(xué)習(xí)會(huì)更加精準(zhǔn)有效，于是就催生了DeepMind Alpha系列的各種超級(jí)智能。
• 生物神經(jīng)網(wǎng)絡(luò)陰陽平衡的機(jī)制模型。大腦是由千億個(gè)神經(jīng)細(xì)胞連接形成的復(fù)雜網(wǎng)絡(luò)，這些細(xì)胞是如何協(xié)作，確保這個(gè)復(fù)雜系統(tǒng)不會(huì)崩潰的呢？背后是興奮性和抑制性神經(jīng)細(xì)胞之間的陰陽平衡。這兩類神經(jīng)細(xì)胞可能一直處于勢(shì)均力敵的拔河狀態(tài)，神經(jīng)活動(dòng)中觀測(cè)到的所謂噪聲和震蕩實(shí)際上就是這兩種力量來回拉鋸。這種拉鋸狀態(tài)使得大腦可以快速有效地處理外界的輸入。拔河力量失衡的大腦，就會(huì)出現(xiàn)癲癇或者其他精神疾病。