这只线虫不简单！大脑被高精度还原，可动态蠕动前行( 三 ) _神经元

下一阶段，天演团队计划让这只“赛博线虫”实现避障、觅食等更复杂的智能任务。
事实上，类脑智能研究一直是个全球性课题。
国际上，包括欧盟脑计划支持的Blue Brain项目、美国脑计划等都在进行类脑研究；科技巨头如谷歌，近5年一直在发布脑图谱、脑工具；高校研究机构如MIT，用19个线虫模拟神经元实现了自动驾驶控制……
然而，单从类脑研究来看，各团队的研究方向却有很大不同，甚至有相当一部分团队藉由先设计芯片、再设计算法的方式来实现类脑计算。
但这样的研究，反而会被芯片等硬件约束了算法的设计与实现，最终与实现类脑智能的目标相距甚远。
相较之，天演团队选择从实现AI的角度，去研究并实现类脑智能。
但即便如此，费尽心力建模一个线虫大脑，真的有意义吗？
线虫“大脑”，有什么用？
若是用一句话来概括这个问题，那便是：

这是迈出人造智能生命的关键一步。

文章插图

自人工智能诞生以来，把“机器打造得像人一样” ，便成为了研究人员一直努力研发的方向。
然而随着时间的推移，哪怕到了现今以深度学习为主的发展阶段，人工智能还是没有达到真正意义上的智能程度。
即便是像2016年AlphaGo轰动世界的那场围棋比赛，也只是刷新了人们对于人工智能的认知。
但也正如CMU教授Hans Moravec所述：

要让电脑像成年人一样下棋是相对容易的；但是要让电脑拥有一岁小孩水平的感知和行动能力，却是相当困难，甚至是不可能的。

那么，问题到底出在了哪里？
在2016年的时候，智源研究院院长黄铁军就给出过答案。
他认为，深度学习本质上依赖于人工神经网络，而生物的智能所依靠的是生物神经网络。
其中，人工神经网络更接近于“实现功能”，而生物神经网络模拟的则是“实现功能的结构”，二者在“体量”上便不是一个级别的，后者明显要庞大得多，也更重要——
因为结构决定功能，而生物神经网络才是智能的载体。
因此，黄铁军基于这种情况下所提出的“解法”是：

从脑机理模拟的角度出发。

简单来说，就是要去探索生脑大脑内部的“运作模式”，这才是通向通用人工智能的途径之一。

文章插图

无独有偶，在更早的2009年，瑞士洛桑联邦理工学院的Henry Markram教授也提出过类似的观点。
【这只线虫不简单！大脑被高精度还原，可动态蠕动前行】当时他宣布了一个计划——将在理解大脑结构的基础之上，用超级计算机建立大脑模型。
这项计划后来得到了欧盟的大力支持和关注，因为这种方式的意义不仅仅是理解人类大脑智能的本身，甚至还可能为脑疾病找到别样的治疗方法。
但问题也接踵而至，要想模拟人类整个大脑神经网络，靠计算机是相当困难的。
这不仅仅是因为计算模拟的复杂度，更是因为生物大脑本身的复杂度。
毕竟人类大脑的含有神经元数量高达1011，其所需的计算量和成本可见一斑。
而人类实际上通过大脑去做推理、创作等一系列行为时，所消耗的功耗仅为20-25瓦。
也就是说生物大脑具备了“高智能”、“低功耗”的特性。