造脑难题 第6期

从人工智能这个词还没诞生的时候,人们就尝试用电路模拟人脑。近60 年过去了,对人脑的工作模式我们仍然知之甚少。所以,模拟人脑这事,前途是光明的,很光明,道路依旧是曲折的,很曲折。

早在哈佛读搏的时候,马文• 明斯基(Marvin Minsky)做了件让某些教授费解的事。虽然专业是数学,但明斯基的博士论文在当时看来和数学没什么直接关系。1951 年,他设计了一个叫做SNARC 的东西。这是一台计算机,它能像一个真正的大脑那样工作,通过和大脑神经元相似的工作方式用电子元件对外界信号进行反应。换句话说,明斯基设计了一个电子模型来模拟人的大脑。负责论文答辩的个别委员不知该如何评判明斯基的杰作。最后还是冯• 诺依曼对此表示了支持:“总有一天你会发现它们之间存在着密切联系。”

冯• 诺依曼的支持让明斯基获得了博士学位,也让他所创立的新的研究方法得以发扬光大,最终让他成为人工智能领域的一代宗师。在明斯基眼中,人脑不过是一台肉质的机器,或者用现在时髦的叫法是“湿件”(Wetware,以区别于组成电脑的硬件和软件),将人脑和电脑都看成是能够思考的机器,那么要让计算机能够以更加“人性化”的方式工作就是顺理成章的事了。

模拟人脑

在明斯基所处的时代,人们已经对大脑的工作方式有了一定的了解。脑中含有大约一千亿个神经元,每个神经元都与分布在自己周围的上千个神经元联结着。各个神经元之间通过电信号进行交流,当一个神经元收到信号,它会做出相应的反应,并将刺激信号以同样的方式传递给周围的神经元。当时有很多理论试图揭示大脑的工作机制,但是条件所限,人们的认识也仅限于这种小范围的神经元反应的发生,关于这些神经联结构成的神经网络如何使大脑能够完成各种不同的任务,人们还一无所知。

但这对正在哈佛并热情地参与到这场讨论中的明斯基来说已经足够。既然已经知道大脑是通过电信号来进行信息处理等任务的,那么意味着电子模型一定可以模拟大脑的一些基本行为特征,揭示大脑对外部刺激的反应机制,帮助人们进一步了解大脑。于是明斯基就设计了SNARC(Stochastic Neural-Analog Reinforcement Computer, 随机化强化神经模拟计算机)。

SNARC 能够像大脑那样去工作。不像一台普通的计算机,需要靠一套程序指导它如何完成任务,SNARC 不需要程序,它通过人造的神经元来思考。比如,当面对一个迷宫时,SNARC 内部的人造神经元会马上建立一些随机的联结,如果其中一种特定的联结能够帮助机器解决问题,那么这种联结方式在机器中的权重就会增加,并且会持续更长的时间。按照这样的方式,其中几种联结方式最终会构成一个仿真的神经网络,这个网络将协助SNARC最终走出迷宫。

明斯基的SNARC 的伟大之处在于,那还是电子管时代。明斯基试图依靠几百个真空电子管就能模拟上千亿个神经元,通过不断地尝试,让机器像人脑一样能学会解决问题的方法。只是,学会一样东西要花费的时间就是不可预测的了。

目标36.8 Petaflop 和3.2Petabyte

明斯基设计出SNARC 已经是近60 年前的事。正如创造出人工智能一词的约翰• 麦肯锡所说,在人工智能领域,也许再过几十年回头看看,你会发现研究还维持着跟过去差不多的局面。模拟人脑,或者叫“芯片上的大脑”就是个典型的例子。

2009 年,来自7 个国家15 个研究院所的科学家汇集在一起,在德国海德堡大学的物理学家卡尔海因茨• 迈尔(Karlheinz Meier) 的带领下,共同进行一项名为FACETS(Fast Analog Computing with Emergent Transient States)的项目。该项目由欧盟支持,和当年明斯基要做的事相似,他们准备构建一台像大脑一样工作的神经计算机。

现在我们已经知道,大脑就像是一台拥有并行处理功能的计算机。当我们看到一个穿着比基尼的黑发女人从面前走过,眼前出现的只是一幅女人走过的画面,事实上,大脑可能会把这幅画面分成四个部分处理:颜色、动作、外形和距离。在一瞬间,大量信息被同时与过去的记忆相比较:你曾见过的黑发的人、曾从你面前走过的人甚至动物等等。综合这些信息,你的脑会去试图理解眼前所看到的事物。而且,视觉还只是人多种感官中的一个部分。你还会闻到女人身上的香水气息,听到她与身边男友的对话, 同时,因为被她的男友死死盯着而感觉到全身肌肉紧张,紧张地盘算着要不要赶紧跑远一点。这些信息都要由大脑在同一时间处理。

这在电脑里叫多线程处理。这样的方式显然可以提高处理速度。目前的大多数超级计算机,比如“模拟地球”(Earth Simulator)或者“蓝色基因”(Blue Gene)都是大型的并行处理系统,只不过和人类的大脑相比,它们实在不属于一个等级。人类的大脑拥有上千亿个神经元,而能够运行软件彻底模拟人脑的电脑目前还不可能存在。研究人员估计,那样的电脑需要具备36.8 Petaflop 的运算能力(相当于每秒进行36800 万亿次浮点运算),以及3.2Petabyte( 约相当于3276Tb) 的存储能力。

海因茨• 迈尔领导下的FACETS 团队的人工大脑芯片有20 万个人造的神经元以及5000 万个突触。在数量级上,它和一个真正的人脑差距非常大。“我们的芯片拥有的神经元数目不多,不过以后可以通过集合更多的芯片来提高能力。”迈尔如是说。

亨利• 马科拉姆(Henry Markram) 指导着另一个与FACETS 类似的项目,IBM 的蓝脑计划(Blue Brain)。他将自己的工作解释为“在平面的由硅制成的芯片上重建三维的大脑模型”。他认为,包括自己和欧洲的同行在内,直到目前为止,他们所做出来的芯片离模拟人脑的功能还差得远。他的蓝脑计划只是要模仿哺乳动物大脑的基本构件――大脑皮层单元(neocortical column),通过它,神经科学家可以在不使用真实脑组织的情况下进行实验、测试假说、以及分析药物的效果。大脑皮层单元是大脑最小的细胞网络,马科拉姆说:“想一想森林,然后把1 万棵树挤在一起,直到没有一点空隙,这就是皮层单元的样子。”马科拉姆的蓝脑目前运行在IBM 公司的蓝色基因超级计算机系统上。

斯坦福大学的硅脑(Brains In Silicon)计划则有两个目标:利用目前对大脑工作方式的了解设计制作一台超级计算机,然后用这台计算机作为工具,继续研究大脑的工作方式。古阿宾纳• 波汉(Kwabena Boahen)是硅脑计划的首席研究员,也是斯坦福大学生物工程学的副教授。他解释说,目前的难点在于,人脑中每个神经元可通过多达3 万个神经突触与其他神经元相联结,而用晶体管来实现类似的联结,每个突触的功能必须用20 个晶体管才能实现。人脑中约有220 万亿个突触,要设计一个如此庞大的结构困难可想而知。

超越大脑

在《灵魂机器的时代》一书中,人工智能领域的预言家雷• 库兹维尔曾经提醒人们,未来的机器“将不但拥有像人类一样的智能,而且还能够拥有意识、情绪以及所有那些原属于灵魂范畴的特质”。他认为,高精度的大脑扫描技术将会完全探明大脑细微的结构以及神经元的具体联结情况。然后,伴随着分子计算、纳米计算乃至量子计算这样的全新技术的飞速发展,人类完全有可能制造出类人的人工智能体⋯⋯再辅以基因工程手段,人们将最终能够长生不老,“整个宇宙都将充斥着被唤醒的智能!”

当然这都是后话。

眼下,FACETS 的负责人迈尔清楚,要使未来的人工大脑工作,必须有一个全新的计算理论。FACETS 团队中的一个小组正在就此开展工作。

而无论是蓝脑、硅脑还是FACETS,离搞清楚大脑的工作模式,并从简单到复杂地制造出实用的人工大脑还有一段不短的路要走。迈尔说,作为第一步FACETS 可能会先为家用计算机设计一个小设备,它能处理非常复杂的输入数据并提供一个简单的结果,例如进行互联网搜索。

海因茨• 迈尔等人还准备继续升级他们的芯片,将大量芯片整合在一起,组成10 亿个神经元以及10 万亿个神经突触的超级芯片。如果雷• 库兹维尔的预言是对的,那么这块超级芯片的升级就不会止步于与人脑平级的程度。迈尔相信,一定可以将芯片部件的尺寸降至分子级。“这样,我们就能制造出完全不同的计算机设备,它们具有优异的性能,在某些时候,它们的表现也许可与大脑媲美,甚至超越大脑。

神经突触

在神经元之间,一个神经元的轴突与另一个神经元的树突或胞体相联系。这种联系结构称为突触。大脑皮层每个神经细胞可有3 万个突触。不同的神经元通过在突触间释放神经化学递质进行沟通。类似硅脑和蓝脑这样致力于研究人脑工作方式的项目是有益的,比如,他们的成果可以让我们进一步了解如何提高神经元的信息传导效率,或者如何开发各种精神类药物。