“仿真腦”能為我們做什么？

米糯牛

人腦那自傲、強大而又神秘無比的信息處理功能一直令人癡迷。就在最近半年里，“造腦行動”又有了新的進展：IBM和Qualcomm兩大巨頭先后發布了基于神經擬態技術的“腦芯片”。

IBM的SyNAPSE芯片號稱模擬了一百萬個神經元細胞和超過兩億個神經突觸連接，初具人工大腦的規模。Qualcomm公司4月公布的Zeroth芯片也在硅片上高效地模擬了腦神經元，裝載了該芯片的機器小車還能運用“受到人腦啟發的算法”完成尋路、躲避障礙等任務。不過，仿真腦的時代真的要來臨了嗎？其實我們不止存在著技術上的巨大困難，連制造仿真腦的目標也是一個值得思考的問題。

機械化任務：人腦模式沒市場

當今流行的電子設備和人腦在形態上沒有半點相似，在計算原理上也基本不搭界，然而這些電子設備在相當一部分任務中卻表現得相當出色。這些任務包括設備控制、大規模批量處理、長時間重復作業等等。無論是在自動化生產的車間里，或是運營上千臺網絡計算機的“服務器農場”里，甚至在更加新潮的無人管理的大型倉庫里，那些原來由“人腦+人肉”完成的任務現在都已經轉交給了機電設備，它們的高效、精確和可靠已經達到了令人腦難以企及的高度。而相比之下，探索、學習和適應環境才是人腦真正有優勢的領域。

學習創造：人腦模式也未必更好

然而，在學習和創造領域，模仿人腦模式也未必比現有的計算機技術更有優勢。很多原本被認為是人腦獨霸的工作，譬如人臉識別、國際象棋、音樂創作等等，現在也慢慢出現了被電腦取代的苗頭。而完成這些任務的電腦，也并沒有采取人腦的信息處理模式。為什么諸如探索、學習、創造這樣本應由人腦固守的領地也會被攻破？這要追溯到人腦的一個底層缺陷—記憶能力不足。

大腦的基本構成細胞是神經元細胞，這種細胞可以組成高效的信息網絡，但它并不是很好的記憶元件。神經元細胞從功能上來說像是一個傳聲筒，你這頭傳話進去，它在另一頭變個聲音傳話出來。這種結構能夠迅速完成一些信號變換，但是卻不適用于長期儲存信息。相比之下，電子元件或者磁性元件能夠長期保持在“電位高”“電位低”或者“磁極南”“磁極北”的狀態，信息一旦寫入就很久不會遺忘。除此以外，電磁元件的狀態只要通過簡單的操作就能在幾微秒內翻轉變換，所以信息不但存得久，而且可以迅速進行更改。然而，在神經元細胞構成的大腦網絡中，要想快速改變狀態就不那么容易了。

像識臉、下棋、作曲這些任務固然需要學習、聯想和創造，但更重要的其實是積累龐大的信息數據庫作為支持。而人腦要花超過電腦很多倍的時間才能儲備足夠的數據。如果在仿真腦的研究領域，記憶能力不足的問題沒有得到解決，那么仿真腦在這些學習任務上也就沒了優勢。

人腦至今領跑的項目：運動控制

那么在人腦的功能里，究竟有哪些是電子設備至今還難以企及的呢？孤懸于海中的一盞明燈乃是人腦對肢體運動的控制。

人體的運動神經信號傳輸質量其實遠遠比不上電子設備。人體中的神經脈沖信號常年經受著各種噪聲和擾動的影響。此外，神經信號的延遲也十分可觀，神經脈沖的傳播速度平均下來只有幾十米/秒，就算完成一次最簡單的脊髓反射也需要花費掉30毫秒之巨。而在這30毫秒之內，一個不算太高端的嵌入式控制器（假定1000Hz采樣率）已經完成了30次微調控。

然而，在這些巨大的劣勢之下，人類居然還能完成跑跳投捻推揉等各種動作，行動的過程中還能根據外界環境的變化實時調節動作。這些重重挑戰簡直就是機械疙瘩和硅片腦袋的噩夢。

如果真要用芯片來制造仿真腦，運動能力大概會是一個不錯的研究方向。而仿真的神經網絡能否讓機器人運動自如，這還需要更多研究才能下結論。

從研究角度講，仿真腦可以幫助人類揭開腦科學中的謎團。而從實用技術角度看，造腦的目的則應該是剝離出人腦真正強勢的功能，制造出超越人腦且超越電腦的新體制智能設備——在肢體運動控制這樣的領域，人腦模式的表現依然值得期待。要想制造出具有人腦般性能的芯片，研究者們還有很長的路要走。