大脑与电脑，不只是“模仿游戏”

本文来自微信公众号： 经济观察报 （ID：eeo-com-cn） ，作者：李佩珊，头图来自：《模仿游戏》，原文标题：《大脑与计算机之间的隐喻》

在新著《大脑传》中，英国神经科学家马修·科布 （Matthew Cobb） 将人类对于心智和大脑的始于公元前的探索历史娓娓道来。科布将首次把大脑比喻为机器的功劳追踪至17世纪的解剖学家尼古拉斯·斯坦诺 （Nicolaus Steno） 。这位先驱在他的著作中写道：“脑确实是一台机器”。 他认为，我们是如何破解其他机器的玄机的，就应该如何去破解脑的玄机，将其每一部分拆解下来发现其到底有何功能，除此以外，别无他法。

斯坦诺看似超前的想法，也正是科学革命和技术革命纷至而来的时代潮流的产物。在大时代的观念变革中，科布强调，哲学家们和医生们在思考身体的时候很乐意使用机械隐喻。哲学家托马斯·霍布斯也曾写道，所谓的心脏、神经、关节，不过是弹簧、弦线和车轮。毫不意外，随着电气化时代的到来，大脑被比喻为由巨大电网串联起来的电池堆，以及，随着计算机时代的到来，大脑最终被比喻为一台可编程的精妙计算机。

在科布的回溯中， 大脑正是人类发明计算机时作为灵感来源的“原型机”。

冯·诺伊曼对于计算机设想的核心建立在人们对于大脑已有研究的基础上。首先，“0”和“1”的二进制构想来自于当时生物学界对大脑已经达成的普遍看法，“高等生物的神经元具有‘全或无’的特性，处于且仅能处于静息和兴奋这两种状态的一种”。

他对计算机控制的逻辑则来自于神经生理学家麦卡洛克和他的搭档皮茨所设想的神经网络。在他们看来，大脑由一系列放电或者不放电的神经元所构成，一系列的神经元活动可以被简化成“与” （AND） 、“或” （OR） 、“非” （NOT） 命题，从而组成可以计算的神经网 （nervousnet） 。冯·诺伊曼提出，可以用同样具有“全或无”特点的二进制元件，电报继电器或真空管来模拟神经元，进行逻辑计算。

而当1943年，计算机科学之父图灵在纽约的贝尔实验室遇到信息论之父香农时，他们发现了他们的共同兴趣：如何构建一个电子脑 （eletronicbrain） 。图灵和香农热衷于讨论完全模拟人脑的可能性，认为在不久之后，10年或者15年内，人类真的可以造出一台相当于甚至超过人脑的计算机。著名的“图灵测试”则是对这一目标的具体衡量：当人类无法察觉与自己对话的机器是机器时，人脑和机器的区别则被消融了。 这也是为什么图灵测试被称为“模仿游戏”的原因。

从某些意味上来说，计算机领域的发展建立在这场不断模仿人脑的游戏之上。一方面，简化版的神经网络不仅成为了计算机技术的起点，在计算机不断的发展之中，神经网络算法还成为了机器学习的关键算法。

计算机模仿大脑，从大量的示例中进行学习，已经能相当优秀地执行那些比较传统枯燥的脑力劳动，如DeepL那样运用了神经网络算法的翻译软件已经相当令人赞叹。另一方面，算法也如大脑般，发展为了充满复杂而神秘关联的黑箱。正如科布强调的，脑科学家们越是获得了关于大脑的海量数据，越是对大脑的研究陷入困境。

人类模仿大脑制造的智能算法也是如此，人们将海量的数据输入进去并获得结果，但是智能算法如何自我学习运算的逻辑则已难以知晓。

在这种相似性之下，人们已经习惯将大脑比喻为计算机来进行理解。人们将计算机架构的基本组成部分：逻辑电路、内存、长期存储、输入和输出通道，视为大脑的可能构成部件，并从中寻找大脑运行的逻辑。

但作为脑神经科学家的科布， 对这种用计算机来推演大脑的比喻深表怀疑。

首先，计算机和大脑在执行相同任务时，所采取的方法并不一定相同。计算机的储存是被按顺序在磁盘上归档的，擦除磁盘的具体位置就可以消除相应的文档， 但人类记忆并没有被证实按相同的简单方式组织。

科布在书中用了冗长的章节来告诉我们那些专门对于具体图像做出反应的神经元，“祖母细胞” （顾名思义，是只对你祖母的图像作出反应的神经元） ，是公众被误导的想象。事实上，神经元总是在一个网络中共同反应，“即使直接操控特定的细胞或者网络能改变或者恢复某种功能，也并不意味着这种功能就是定位于这个结构中的…… 这些功能通常都需要一个庞大的神经元网络的参与。 ”

这也是为什么科布号召，脑科学家应该竭力用本世纪余下的时间去努力研究透彻果蝇那样简单动物的脑，搞清楚这25000个神经元的联系就已经够复杂了。

其次，计算机建立在二进制之上， 意味着只有0或1两个离散状态，而神经元可以在连续范围内调节它们的活动。

科布从被人们遗忘的史料中打捞出了构建出了冯·诺伊曼的对二进制计算机的自我质疑。早在1946年，冯·诺伊曼就忧心忡忡地发现科学家们对于大脑和计算机之间的联系的关注可能是错误的：神经系统实际上并没有按照数字的方式运行。神经元的放电频率会随着外界刺激的增加而增加，“这意味着神经元在表征外部世界时并不是数字化的”。

事实上，他此时相当悲观地认为研究“世界上最复杂的物体”——人脑是一个错误。而如果研究更简单物种的神经系统，即使人们弄清楚了数字部分，也就是神经的部分，模拟 （体液） 部分将变得更难理解。倘若人类真的得以模拟出参照现实中人脑的神经系统的实体模型，这模型将会复杂巨大到现实宇宙容纳不下。

在冯·诺伊曼生前出版的最后一本关于大脑和计算机之间关系的著作，《计算机与人脑》 （The Computer and the Brain） 中，冯·诺伊曼总结了自己以上观点，并且承认大脑不仅远比机器复杂，而且大脑似乎沿着他最初设想的不同路线来实现其功能。

几乎盖棺论定般地，他认为使用二进制的计算机完全不适合用来模拟大脑。这是因为他已经几乎可以论定， 大脑的逻辑结构，和逻辑学、数学的逻辑结构完全不同， 那么，“从评估中枢神经系统真正使用的数学或逻辑语音的角度来看，我们使用的数学的外在形式完全不适合做这样的工作。”

最近的科学研究也证实了这一点。法国神经科学家罗曼·布雷特 （Romain Brette） 的发现从根本上质疑了大脑和计算机底层架构上的一致性，即神经编码。科学家们受到大脑和计算机之间隐喻的影响，将技术意义层面上的刺激和神经元之间的联系，转移到了表征意义上神经元编码彻底代表了刺激。

事实上，神经网络是如何以一种最佳的解码方式将信号传递给脑中的理想化观察者的“下游结构” （downstream structure） ，至今是未知的，甚至在简单的模型中也没有明确的假说。那么，这种隐喻会导致科学家们只关注感觉和神经元之间的联系， 而忽视动物的行为真正对神经元的影响。

匈牙利神经科学家盖伊尔吉·布萨基的研究结果更为激进。在他的《由内而外的脑》一书中，布萨基指出，大脑事实上并不是在通过编码表征信息，而是构建了信息。在他看来，脑并不是简单被动地接受刺激，然后通过神经编码来表征他们，而是通过积极地搜索各种可能性来测试各种可能的选择。这无疑是对于用计算机来比喻大脑的隐喻的全盘推翻。

无论是从脑科学，还是计算机科学的角度，这种将大脑比作计算机的隐喻寿命或许都将不再延续。 科布敏锐地指出，这种隐喻被作用到人们对于计算机的研究之中，让人们盲觉，缩小了真正该研究的范围。

最近的几十年来，AI技术的迅猛发展，似乎验证了图灵的计算机将通过模仿超越人脑。1997年，超级电脑“深蓝” （DeepBlue） 击败了国际象棋世界冠军卡斯巴罗夫，而在2014年，聊天机器人尤金·古斯特曼 （Eugene Goostman） 在图灵逝世60周年纪念日的活动上，愚弄了超过30%的对话者，被有争议地认定通过了图灵测试。不管怎么说，这是一个里程碑式的成就，仿佛证明了图灵对于计算机最终将全面超越人脑的乐观估计终极成为现实。

而如今，事情在向一些不可预估的方向滑去。社交平台上的机器人水军足以影响美国大学，来自深度学习技术 （deeplearning） 的深度伪造视频已经对国际政治造成影响。 在某些方面而言，计算机确实超越了人脑，但这种超越为人类未来所投下的阴影甚至有超过光明的趋势。 这是因为我们长久以来在将大脑比作计算机的隐喻下，对于研究大脑中如何形成情感和伦理机制并如何将其运用到计算机中存在忽视、力有不逮，而这本来可能是这一个世纪来我们可能已经有所突破的方向。

本文来自微信公众号： 经济观察报 （ID：eeo-com-cn） ，作者：李佩珊