撰文｜雷文茜

责编｜李   娟

 

●　●　●

 

从幼年时期的偶像阿童木，到近年风靡一时的《西部世界》，形形色色的智能机器人在屏幕上已活跃多年。一个有趣的现象是，与超能力相比，人们更惊诧于机器可以拥有和人类近乎一样的大脑，以及大脑带来的思维和情感方式。

 

人类大脑的魅力来自于其重要性和独特性。长久以来，关于大脑的研究发展迅速，但是我们距离真正的人造大脑到底还有多远？人们孜孜不倦的研究人造大脑的目的何在？

 

有人做过一个生动的比喻，如果以车来比喻计算机和大脑的信息处理能力的话，人类大脑可以算作一级方程式赛车，而目前最强大的超级计算机，只能等同于已经停产了的莫斯科人汽车。人脑神经细胞每秒可以完成信息传递和交换数达1000亿次，功能远远超过世界最强大计算机。而更令人惊叹的是，人脑消耗的能量如果换算成电功率的话仅为25瓦，并且大部分能量都用于大脑的日常运转。如此高效的信息处理系统，科学家们自然不会放弃研究和开发人造大脑的机会。

目前，人们对大脑的内部结构已经有了一定程度的认知。成年人的大脑约重1.2–1.4 kg，约为人体总重量的2%。大脑包括端脑，脑干和小脑。脑干主要作为连接端脑、小脑和脊髓的重要通道，小脑是运动的主要调节中枢，端脑是脊椎动物脑的高级神经系统的主要部分，分为左右两半球，可以控制运动、产生感觉及实现高级脑功能等。端脑主要包括大脑皮层和基底核，大脑皮层是主要由神经元的胞体组成的覆盖在端脑表面的灰质，皮层深处则为神经纤维形成的白质，白质中又有灰质团块，即为基底核。

 

尽管皮质的厚度仅为2~3 mm, 但是它是赋予大脑高效荣誉的原因所在：皮质是人类的思考总部，所有的想法、决定几乎都产生于此。这是因为皮质是神经元的聚集地，约三分之二的神经元在此运作，一块针头大小的皮质，就含有近三万神经元。各个神经元依靠自身的成百上千的突触互相联系，大脑的基本功能就是基于神经元所构成的网络系统。一个神经元本不突出，但是上百亿的神经元组成的复杂网络森林就可以创造无穷可能。各个神经元依靠化学信号与电子信号彼此交流，由于突触数量之多，信号传递距离短，以及信号分子多样性等等，使大脑的信息处理能力远非计算机所能企及【1，2】。

 

那么，人造大脑的研究意义就仅限于创造更加高效的信息处理系统么？答案并不是如此简单。人们希望创造出拥有和人类大脑相近的具有认知功能的硬件和软件系统，在以下科学研究领域均具有重要意义【3】：

 

1 在认知神经科学领域，建立可靠的大脑模型有助于理解大脑工作的深层机制。

 

2 在人工智能科学领域，有一点一直备受争论：是否能够创造出具有人类全部功能的机械。思维实验证明这种期待在理论上是可以实现的。

 

3 创造拥有哺乳类动物（尤其是人类）同样复杂的神经中枢系统的机器，最终目标是创造出表现出类人类行为和智能的“强人工智能”。

 

01 培养皿里的迷你“大脑”

 

早在2013年，科学家们就试图利用多能干细胞在体外培养大脑类器官，并且成功得到了可以反应大脑早期发育过程的豌豆大小类大脑组织【4】。

 

大脑类器官的培养主要可以概括为四个步骤：

 

1 在合适培养条件下培养人类多能干细胞直到拟胚体；

 

2 拟胚体在神经诱导培养基中培养生成神经外胚层；

 

3 将培养体转移到基质胶滴中，于分化培养基条件下进行培养，在基质胶和培养基的共同作用下神经外胚层细胞开始增殖生长。但是由于脉管系统的缺失，类器官生长尺寸一般较小；

 

4 将类器官转移到旋转生物反应器中，使其进一步生长。旋转生物反应器的使用是类器官培养中一个创新突破，可以促使培养基中的营养物质进入类器官内部的细胞中，从而缩短细胞倍增时间、促进细胞增殖、丰富细胞外基质成分。经过20~30天如上述的3D培养，就可以获得具有特定人类大脑区域，例如前额皮质、枕叶、海马和视网膜等的大脑类器官。实验过程中，各个阶段条件的控制是需要细心把握的。

 

而科学家之所以希望建立这样的体外大脑组织模型，则是希望可以更好的研究大脑早期的发育以及多种神经类疾病。因为小鼠等动物模型脑部发育和人类大脑发育存在明显差异，例如小鼠大脑内不具有人类大脑的外脑室下区和内纤维层等关键部分，有关于神经疾病的研究仅依靠动物实验难以取得成果。研究人员利用3D培养，成功构建了头小畸形患者的大脑类器官，在体外解剖试验类器官后，验证了此类疾病的发病机理。由此可见，这种人工培养的大脑类器官为精神疾病的研究提供了更精确的工具。

 

在后续的研究中，通过改善培养条件，例如降低多能干细胞数量、优化神经诱导培养基和增加脑源性神经营养因子等，研究者可以培养大脑类器官长达九个月。在来自31个人类大脑类器官的80000个细胞中，利用单细胞RNA测序方法，研究者发现在六个月培养后，类器官拥有七种神经细胞，包括视网膜细胞和皮层细胞，表明大脑类器官具有细胞多样性。研究中还发现类器官中的视网膜细胞具有光响应的功能，为未来调控类器官的神经网络活性和物理感应提供了可能【5】。

 

此外，有研究人员发展了另一种3D培养生成层状大脑皮质结构的方法，这种层状大脑皮质结构被称为人类大脑皮层球状体【6】。这种培养方法的关键是人诱导多能干细胞的悬浮培养以及培养过程中各种培养基和抑制剂的调控。

 

主要培养步骤如下：

 

首先将人诱导多能干细胞集落自饲养层细胞上酶处理脱离下来，随后将悬浮的细胞集落转移到具有去除成纤维细胞生长因子的分离血清培养基中，在低粘附培养盘上培养。几小时内，细胞集落会形成球体结构。为了得到快速高效的神经诱导效果，研究者利用小分子抑制了骨形态发生蛋白(bone morphogenetic protein，BMP)和转化生长因子(transforming growth factor-β，TGF-β)信号通路。悬浮培养的第六天，悬浮球体被转移到含有FGF2和表皮生长因子的无血清培养基中。第25天开始，利用脑衍生神经营养因子促进细胞分化。第43天起，仅用神经细胞培养基对球体进行培养，随后得到最终的大脑皮质球体。研究者利用转录谱在两个时间点对大脑皮质球体和人胎儿脑组织进行了对比，经机器学习算法分析后，发现球状体和大脑发育过程中直到中孕晚期都具有一定程度的重叠。利用抗体验证和阵列断层X射线成像技术等实验，研究者发现球体包含人类大脑皮质表层和深层的神经细胞，细胞表现出自发活动，周围被胶质细胞包围，且可以形成功能性突触。

 

最近，研究者利用这种方法，调整了培养条件，得到了具有谷氨酸能和伽马氨基丁酸(Gamma amino butyric acid, GABA)能神经细胞的类似前脑背侧和前脑腹侧的球状体，将两种球状体在试管中共同培养后，研究者分析了二者的相互作用并观测到了中间神经元的跳跃迁移。这种迁移广泛存在于正常胎儿脑组织中，有利于之后中间神经元与谷氨酸能神经元的功能性结合以及微生理系统的生成，而提摩西综合症患者脑组织中此类迁移表现出明显异常。研究结果表明此大脑球体有希望被应用于大脑发育和神经类疾病的探索【7】。

 

02 机器能够思考吗？

 

另外一些研究者，他们的目光并不在培养盘里的类脑组织上，而是在思考是否可以使机器具有与人类相同的思考功能。

 

“机器能否思考？”这个问题曾困扰人们多年，很多科学家也给出了不同意见，其中最著名的可能要算是“图灵实验”。英国著名数学家、逻辑家、被称作“人工智能之父”艾伦·图灵在1950年发表了那篇名垂青史的论文“计算机械与智力”。与其直接回答机器是否能思考，图灵选择提出并解释另外一个问题——“人类目前能够想象到的计算机可能在模仿游戏中表现合格么？”。图灵提出的一种模仿游戏为：设计三个角色，评判者（人类），一名人类和一台计算机，测试仅通过非接触的文字对话，评判者对对方是人类还是计算机做出判断。若计算机能够骗过30%的评判者，那么就说明这台计算机拥有和人类一样的思考能力。图灵之所以要做出这样的替换，主要是为了避开“思考”这个难以界定的词【8】。

 

令人兴奋是，在“2014图灵测试”大会上，聊天程序“尤金·古斯特曼”（Eugene Goostman）首次“通过”了图灵测试。“尤金·古斯特曼”的设定是一名13岁的乌克兰小男孩，在5分钟的对话内，这个程序骗过了超过30%的人，没有被识破计算机的身份，因此成为了首例经过认证的图灵测试通过者。虽然图灵测试的内容并不完善，例如“30%”这个指标的正确性、以及测试本身并不能涵盖或代表“思考”，但是随着图灵当年的预测得以成真，为未来真正实现机器的“思考”能量提供了积极支持【9】。

 

03 人造大脑，科学家的终极挑战

 

在各种人工智能程序不断被开发的过程中，相对的硬件发展也取得了成果，其中引人注目的就是有关“人造突触”的研究。

 

突触是神经细胞间以及神经细胞与其他细胞传递化学信号或电信号的关键部位。突触分为化学突触与电突触两种，在化学突触中，冲动传到突触前末梢,触发前膜中的二价钙离子（Ca2+）通道开放，在Ca2+的作用下突触泡与突触前膜融合后开口，内含的递质被排放到突触间隙。被释放的递质，扩散通过突触间隙，到达突触后膜，与位于后膜中的受体结合，形成递质受体复合体，触发受体改变构型，开放通道，导致形成兴奋性突触后电位或抑制性突触后电位。电突触为双向传递突触，发挥的作用类似于电阻。高等动物神经细胞上存在大量的突触，这也是大脑可以快速接收处理信息的重要原因之一。

 

最近的一项研究中，研究者制备了一种纳米电子原件，一层薄铁电物质BiFeO3 (BFO)夹杂在(Ca,Ce)MnO3 (CCMO)电极和Pt/Co亚微米柱之间形成一个三明治结构。铁电层的电阻，可用类似于神经元电信号的电压脉冲来调整。低电阻条件下，突触联系（synaptic connection）会很强；高电阻情况下，突触联系会较弱。正是基于此种调节电阻的能力，研究者实现了人工神经突触的学习能力【10】。

 

而另一组研究人员，也构筑了一种新型有机材料人造突触。这种人造突触由三个电极构成，每个电极又由柔性薄膜组成，三个电极之间由盐水电解液连接。其中，两个电极之间的电流由第三个电极控制。研究者通过反复的充电放电来模拟人类的学习过程，通过反复试验可以预测电极到达一定电位状态所需电压，一旦达到所需值则会维持稳定。研究者在所制备的人工突触上进行了15000次测量，研究人工突触在神经网络中的排列方式，随之又测试了神经网络对数字的辨别能力，发现其准确度高达97%。不仅如此，此设备还适用于信号的识别，与传统晶体管只有0和1两种状态不同，研究者在这种人造突触上实现了500种状态，对神经元形态计算机模拟提供了重要的意义【11】。

 

在软件和硬件都相应取得一定进步之后，目前究竟有没有初步成型的人造大脑问世呢？

 

答案是肯定的。加拿大滑铁卢大学的研究者在2014年发表了人类大脑模拟系统——Spaun（Semantic Pointer Architecture Unified Network，语义指针架构统一网络）。Spaun除了拥有250万只虚拟神经元，还拥有一只28*28分辨率（784像素）的电子眼和一条可以在纸上写画的机械臂。虽然250万只神经元并不算是一个突破，毕竟IBM公司已经成功制备含有5300亿个模拟神经元的系统。但是Spaun能够帮助人们进一步理解行为的产生机制。

 

Spaun内部的结构严格依照人类大脑的某些结构进行构建，包括前额皮质（VLPFC、DLPFC、OFC部分）、基底核（basal ganglia）和丘脑（thalamus）。其中应用的运算也完全基于生理学原理，包括脉冲电压和神经递质。因为科学家们希望Spaun系统可以像真正的大脑一样运作：电子眼接收的信号通过模拟丘脑区域处理后，数据存放在模拟神经元中，随后模拟基底核可以给出指令促使模拟皮质完成任务。在这个工程中科学家需要向Spaun出示字母或符号来指示它如何处理存储的信息。

 

Spaun可以完成8项任务，包括对展示图案进行重复绘画、加法算数、简单的数列规律推理等。在未来，研究者希望Spaun可以拥有学习的能力，即根据完成任务来自主重构神经元，进而具备完成新任务的能力，成为更接近人类大脑的模型【12】。

 

说到人造大脑，有一项雄心勃勃的计划不得不提起，那就是著名的“蓝脑计划”。

 

“蓝脑计划”是Ecole Polytechnique Federale de Lausanne的脑科学中心于2005年与IBM合作发起了一项哺乳动物大脑逆向工程,致力于利用超级计算机模拟哺乳类动物大脑。该计划旨在通过超级计算机来“复制”人脑所有的活动，以及在其内部发生的各种反应。该计划的领军人物亨利·马克莱姆在一次演讲中说到：构建的人类大脑模型将帮助我们对抗疾病，并更真实地认识世界。

 

该计划的研究者不仅对数十亿的神经细胞进行了大量研究，神经细胞之间的通讯和连接也成为研究重点。根据所得到的数据，他们已经能够构建新皮层的三维立体模型，并将神经元之间互相通信的规则进行编码。该项目的研究者在2005年完成了单细胞模型的构建，2007年度过新皮层单元研究的数据驱动处理阶段，2008年构建了含有上百万细胞的人造新皮层单元。2011年成功构建了含有100个新皮层单元的脑部微回路。目前，该项目研究者已经重构出了幼龄大鼠新皮层中一小部分的认知功能和电学行为。而人类大脑，在完成大鼠脑结构的构建后，研究者预计2023年可以完成【13】。

 

我们“看”到的99%的东西，其实都是我们大脑对周围信息进行处理和推断的结果，换句话说，世界的样子是大脑告诉我们的。待“蓝脑计划”以及以上所有人造大脑研究进入最终极实验过程阶段，我们可以通过人造大脑来理解这种信息处理过程，那么，世界还会是我们现在看到的样子么？答案仍为未知。这也许是人造大脑研究久经不衰的原因之一吧——人类在认识自己、认识世界的路上注定越走越远，直至真相。

 

参考文献及相关网络内容：

1.https://en.wikipedia.org/wiki/Human_brain

2.http://www.a-hospital.com/w/%e5%a4%a7%e8%84%91

3.https://en.wikipedia.org/wiki/Artificial_brain

4.Lancaster M A, Renner M, Martin C A, et al. Cerebral organoids model human brain development and microcephaly[J]. Nature, 2013, 501(7467): 373-379.

5.Quadrato G, Nguyen T, Macosko E Z, et al. Cell diversity and network dynamics in photosensitive human brain organoids[J]. Nature, 2017, 545(7652): 48-53.

6.Paşca A M, Sloan S A, Clarke L E, et al. Functional cortical neurons and astrocytes from human pluripotent stem cells in 3D culture[J]. Nature methods, 2015, 12(7): 671-678.

7.Birey F, Andersen J, Makinson C D, et al. Assembly of functionally integrated human forebrain spheroids[J]. Nature, 2017.

8.https://en.wikipedia.org/wiki/Turing_test

9.https://en.wikipedia.org/wiki/Eugene_Goostman

10.Boyn S, Grollier J, Lecerf G, et al. Learning through ferroelectric domain dynamics in solid-state synapses[J]. Nature Communications, 2017, 8: 14736.

11.van de Burgt Y, Lubberman E, Fuller E J, et al. A non-volatile organic electrochemical device as a low-voltage artificial synapse for neuromorphic computing[J]. Nature Materials, 2017, 16(4): 414-418.

12.Eliasmith C, Stewart T C, Choo X, et al. A large-scale model of the functioning brain[J]. science, 2012, 338(6111): 1202-1205.

13.https://en.wikipedia.org/wiki/Blue_Brain_Project