人腦功能之謎一直困擾著科學家。 一直以來，人們都在嘗試模仿人腦。 人腦計畫就是這樣的嘗試之一。 科學家現在處於什麼階段？ 有成功嗎？
人腦是我們所知道的最神秘的生物電腦。 事實上，儘管幾個世紀以來科學家們努力以越來越複雜的方式來了解它，但我們對它的了解還不夠。 只有最新的技術才能為我們提供以前只能猜測的真實知識。 這並沒有改變我們距離完全認識還很遠的事實。 現代科學家處於什麼階段？
也很有趣： 什麼是神經網絡以及它們如何工作？
在1950年代，當「人工智慧」一詞首次出現在科學界，人工智慧研究人員成功證明你可以教機器做你自己做不到的事情時，他們對此感到興奮。 機器可以學習、自行證明數學定理（例如，艾倫·紐厄爾和赫伯特·西蒙於 1955 年開發的邏輯理論家程式），或下跳棋並擊敗人類（亞瑟的程式）塞繆爾（ IBM 工程師，後來成為史丹佛大學教授）讓科學界相信，完全模擬人腦只需幾年時間。
幾十年過去了，儘管運算能力有了巨大的成長，但人工神經網路和人工智慧演算法與深度機器學習的發展，我們仍然距離模擬大腦的碎片還很遠。 簡而言之，20 世紀下半葉的人工智慧先驅大大低估了我們海龜體內這種「果凍狀物質」的能力，其中 90% 是水。
也很有趣： ChatGPT：簡單的使用說明
出生時，人類大腦重約 300 克。完全發育的成人大腦重約 1,5 公斤。 這1,5公斤包含了我們的整個宇宙和我們所擁有的所有心智能力。 不只有意識的，如抽象思考、創造力，還有那些我們沒有意識到的：運動的動力、循環系統的控制、呼吸等等。
科學家普遍認為，人腦由大約 100 億個神經元組成。 我們不知道它們的確切數量，而且每個人類個體的數量可能有所不同。 但我們假設這是真的，而且這個數字並沒有那麼小。 100 億是很多，但現代超級電腦可以模擬更大的物體。 然而，問題在於神經元比 3D 圖形中的紋素、影像中的像素或任何其他僅用一小段程式碼即可描述的物件要複雜得多。
我們大腦中的神經元是相互連結的。 這些不是物理連接，因為單一神經元產生的電脈衝會迅速傳播到整個身體，這實際上會使其無法發揮作用。 我們大腦中信息傳輸是基於電（脈衝）和化學（神經傳導物質）的信息。 每個神經元（讓我們回想一下現在流行的神經元形象，即具有特徵樹突的「樹」）可以藉助多達一萬個突觸連接與其他神經元連接。
同意，一個神經細胞的 10000 個連接比晶體管中的邏輯閘複雜得多。 如果我們嘗試計算神經元之間所有可能連接的數量以及它們在任何給定時刻（僅一個）可以獲得的狀態，我們將得到一個巨大的數字，遠遠超過整個可觀測宇宙中原子的估計數量。 使用這種方法，許多專門研究神經生物學並具有電腦科學背景的科學家認為，即使以目前的知識水平及其預期的發展水平，對如此複雜的器官進行完整模擬也是一項超出我們能力的任務。很長時間。 但這並不意味著科學家甚麼都不做，也沒有任何成果。 讓我們來看看一些旨在模擬人類思維的項目，即使不是整個人類思維，至少也是其中的一部分。
另請閱讀： ChatGPT 的 7 個最酷的用途
2013年，日本沖繩工業大學的科學家和德國於利希研究中心的研究人員聯手，使用了當時地球上最強大的超級電腦之一（稱為K Computer，500年Top2011排行榜的領先者）的運算能力8,16 PFLOPS（或每秒 8,16 兆次浮點運算）來嘗試只模擬大腦的一部分。 一般來說，模擬包括繪製 1,73 億個神經元的工作，這些神經元共同創建了一個由 10,4 兆個突觸連接組成的網路。 這比你頭骨裡的生物「果凍」的潛力略多一點。 模擬使用了 1 Sparc82944 VIIIfx 處理器的全部功能（一個系統的時脈頻率為 64 GHz，有 2 個核心）。 這個方法有效嗎？
根據科學家的說法，是的，但另一方面…這取決於你如何看待它。 這台超級電腦運行了大約 40 分鐘，僅模擬了上述大腦神經網路片段的 1 秒運行。 因此，雖然模擬完全可以說是成功的，但從模擬的效果、計算時間和類比量來看，我們面臨著多麼巨大的問題。 並且必須記住，隨著神經元數量的增加，突觸網路的複雜性不是線性增加，而是指數級增加！ 即使是目前速度最快的美國超級電腦 Frontier（運行在橡樹嶺國家實驗室，計算能力高達 1102 PFLOPS，即日本 K 計算機的 135 倍）用於完成同樣的任務，也不意味著Frontier 可以模擬（使用相同的模型參數）大135 倍的神經網路。 對 1,73 億個神經元網路的一秒進行同樣的模擬，在美國超級電腦上持續的時間不是 40 分鐘，而是不到 18 秒。 但這仍然遠遠超出了真正的即時網路模擬，並且只是我們腦中的一小部分。 模擬整個大腦的運作仍屬於科幻小說的範疇。 但科學家們仍在嘗試。
另請閱讀： 關於量子計算機 簡單來說
人腦計畫（HBP）的規模和為該科學計畫分配的資金可以與另一個與人類有關的計畫——著名的「人類基因」計畫（從1990年持續到2003年）進行比較。 為了充分了解人類基因組，人腦計畫旨在幫助科學家更好地了解我們的大腦。 然而，自 2013 年以來一直在進行的人腦計畫原本預計在經過十年的研究後（即 2023 年）結束，但它甚至還沒有接近模擬整個大腦。 那麼，科學家們計劃透過這項研究實現什麼目標呢？
HBP 的主要目標不是模擬整個大腦，因為我希望我們已經證明這項任務超出了我們當今文明的能力。 目標是至少部分掌握大腦的複雜性。 這將有助於醫學、電腦科學、神經學等科學的發展，以及受我們思維工作方式啟發的技術的發展。
HBP 計畫的成果之一是創建了大腦研究數位平台 EBRAINS。 EBRAINS 是一個開源平台，使世界各地的研究人員能夠使用安全雲端環境中提供的數位工具。 換句話說，EBRAINS 為科學家提供了建模和分析大腦各個區域功能的工具。
HBP 和 EBRAINS 創建的虛擬大腦模擬程式就是這樣的工具之一。 該工具完全無法模擬整個大腦的工作，但它允許新藥研究人員模擬它們對神經元組的影響。 反過來，這將使科學家能夠開發出可用於治療阿茲海默症、憂鬱症、帕金森氏症等複雜疾病的新療法。
也很有趣：
美國研究機構發起的一個更大、更新的計畫是美國大腦計畫（US BRAIN Initiative）。 這是另一個為期多年、耗資數十億美元的研究項目，旨在繪製人類連結組圖。 什麼是連接？ 這是該生物體的一組神經連結。 正如基因組是遺傳鏈的完整圖譜，蛋白質組是給定生物體蛋白質的完整圖譜。 我們已經知道人類基因組，它的發現花費了數十億美元。 如今，基因組測試已廣泛使用，例如，針對是否有缺陷的基因測試花費數百美元。 完整的基因組稍微昂貴一些，但仍然比第一次讀取人類 DNA 的成本低幾個數量級。
讓我們回到 Connectome 和美國 BRAIN 計畫。 這個項目的目的是什麼？ 馬裡蘭州貝塞斯達美國國家心理健康研究所所長喬許‧戈登(Josh Gordon) 表示：「了解所有類型的腦細胞、它們如何相互連結以及它們如何相互作用，將開闢一套全新的療法，今天我們將採用這種療法。”根本無法想像。” 目前，世界上最大的神經細胞類型目錄正在創建和系統開發。 目錄稱為 BRAIN Initiative Cell Census Network (BICCN)，描述了大腦中有多少種不同類型的細胞、它們的比例、它們的空間分佈以及它們之間發生的相互作用。
這種方法從何而來？ 來自了解大腦如何運作的需要。 MindScope 計畫的首席科學家、神經科學家Christoph Koch 在《自然》雜誌上的聲明中解釋了這種方法的優點，該計畫由西雅圖艾倫腦科學研究所實施：「就像化學中沒有元素週期表一樣沒有意義。如果不了解個別細胞類型的存在和功能，那麼理解大腦就沒有意義。”
如果我們假設實現了能夠逐個細胞掃描的技術潛力，例如重建人腦，那麼這種方法將意味著即使我們成功了（這在今天是不現實的），我們仍然不明白為什麼大腦按照實際情況運作。 我們談論的大腦是活的生物器官還是它的數位化、假設克隆的對應物，這並不重要。 大腦和目錄 BICCN 是理解每個神經迴路的結構和運作的起點，因此也是理解控制所有物種的複雜行為的起點，這些物種具有像大腦一樣複雜的器官。
研究仍在繼續，科學家們不斷在專門創建的網站上展示他們的新成果。 因此，我相信很快就會有更多有趣的發現等著我們。
也很有趣：
查看評論
很快就有可能移除每個人的不必要的大腦...