马克拉姆的人工脑之梦

顾凡及

2023年9月30日原本应该是欧盟人脑计划（EU Human Brain Project， HBP）[1]的到期之日。该计划曾拟用10年时间、投资10亿欧元以建立人工脑为目标吸引了全球的眼光，但该目标在计划启动两年不到即被取消了，其牵头人马克拉姆（H. Markram）也黯然下台。但是，他在其主导的由瑞士政府支持的蓝脑计划（Blue Brain Project， BBP）[2]中仍然坚持这一研究目标。2019年，他将其重建数字脑的思想系统化，称以此为核心的所谓“仿真神经科学”（simulation neuroscience）将是神经科学发展过程中，继哲学思辨、实验和理论之后的新阶段[3]。其实，重建人工脑这种思想并非他的独创，这也是许多人的梦想。例如美国发明家霍金斯（J. Hawkins）提出的以新皮层柱为单元的所谓“千脑理论”[4]，也有异曲同工之妙的类似思想。

如果以这些想法为目标进行研究，不但耗资巨大，能否实现还在未定之天。所以对以马克拉姆“仿真神经科学”为代表的思想讨论一下，还是很有意义的。

几千年来，我们对脑的认识经历了哲学思辨、实验和理论三个阶段。哲学思辨依靠直觉和类比思维，无法提供经验证据；为寻找证据，实验神经科学中的还原论思想家们对脑的许多组成部分作了深入研究，但也产生了大量互不相关的数据集和知识；理论神经科学应用抽象思维而使之脱离脑的细节，这可能会促进人工智能的发展，但是否会促进对脑结构和功能之间因果关系的理解，仍存在疑问。为了继续前进，脑研究需要新的思维方式和新的方法——整合和预测思维，马克拉姆认为这就是仿真神经科学的特点。催生仿真神经科学的主要驱动因素是：在脑组织的多个层次上已生成大量数据，需要把它們整合起来，以追踪在所有这些层次内和跨层次间交互作用的因果链。

在实验和理论阶段，神经科学沿着三条主要路径发展：神经元成像，其目的是对脑中不同类型的细胞进行分类；连接性成像，其目的是确定单个神经元之间、神经元群之间以及脑区之间的连接；功能成像则试图将脑功能和行为与脑的结构联系起来。

马克拉姆早年在神经元的实验研究方面取得过不俗的成绩，其中影响最大的是有关依赖于锋电位定时的突触可塑性（spike timing-dependent synaptic plasticity， STDP）研究。该研究表明，突触前和突触后动作电位的相对定时（timing）会影响神经元之间的耦合强度，从而与学习机制有关。1990年代，他对当时脑科学研究的现状不满意，“我知道我在科学上可以这样二三十年地做下去，但这无助于让我们认识脑是如何工作的”“全世界每年都会发表6万篇有关脑研究的论文，每篇都是出色的研究，但每一篇都局限于一隅”。他认为，如果按照现在的方法，按部就班地测量各个物种在不同年龄段、不同条件（健康和疾病状态）下，脑内每个基因、蛋白质、细胞、突触与回路，那么即使再过100年或者更长时间，也还是解决不了问题。为此，他呼吁现在是改变脑研究方法论的时候了，因为目前的脑研究无论是实验还是理论，都受制于脑的多尺度（层次）和复杂性的局限[5]。

他认为，要摆脱现有研究的障碍，应该把实验和理论方法结合起来，即所谓的仿真神经科学，重建符合实验数据的精细数字脑，形成脑结构和功能的统一，也可进一步检验和发展新理论。仿真神经科学的目标是建立脑的数字拷贝。由于现有数据既非无所不包，也没有完整的脑成像，也不大可能仅仅靠实验就能获得。这需要阐明细胞结构原理以合成所有的神经元和神经胶质细胞，还需要阐明分子组织和相互作用原理，离子通道和受体如何在神经元中形成和分布的原理，突触连接原理，脑区如何连接的原理，最终，脑如何与身体耦合的原理，并需要通过阐明所有这些原理建立数字拷贝。如果这些原理都是正确的话，那么依靠它们就可以预测数据中的巨大缺失。为此，仿真神经科学利用高性能计算，通过整合和预测思维来解决研究脑的问题：把实验和理论方法整合起来，把分散的数据集和知识整合在一起，把多个尺度上的脑结构和功能整合在一起，再加上填补空白的预测方法。

脑是由基因、蛋白质、细胞、突触和脑区所组成的多维网络，它处于一个不断变化着的相互作用中。脑功能是以电、化学和机械链式相互作用的形式涌现出来的。由于没有科学证据表明可以忽略这些相互作用类型中的任何一种，因此要想认识多尺度脑的所有方面，唯一的方法是重建和仿真所有这些类型的相互作用。然后通过仿真实验、改进实验方法，检验和生成假设和理论、做出预测、提出新的实验建议。

在笔者看来，虽然马克拉姆正确指出了在神经科学的研究思想中，发生过从哲学思辨到实验，以及从实验到理论的飞跃。但是他错误地认为这些阶段都已成为过去，当下需要进入他所谓的“仿真神经科学”的新阶段。他指出了仿真在科研中的作用，但是夸大过度了。

他错误地将研究人脑的“重要性”等同于解决问题的“可能性”。揭开人脑之谜确实非常重要，相比于其他门类的科学技术，脑科学的进展速度确实相形见绌。但是这种重要性和紧迫性并不等同于解决问题的可能性。正如他自己指出的，脑研究面临一系列难于在近期解决的根本困难，甚至对神经元分类这样一个看起来相对容易解决的问题，他承认人脑中有约860亿个神经元，每个神经元都是独一无二的。进一步，如果把神经元分类比喻为人口普查，那么即使做了详细的人口普查，也并不等于解决了社会的运行问题。拷贝的精髓是不能简化！不要说脑这样复杂的系统，物理上相对简单得多的系统也需要做大量简化后，得出“理想化”的模型，才能研究其背后的原理。马克拉姆所开的药方——数字重建脑的前提却是要“如果”能正确阐明脑在各层次的工作原理。如果我们真能阐明这些原理，那么神经科学就已经研究清楚了，不需要再去倡导什么“仿真神经科学”了。目前神经科学还仅仅处于幼年期，解决脑功能机制之谜还来日方长。

他的再一个错误是错误估计了神经科学研究的现状。在他看来，神经科学的实验阶段早已过去，甚至理论阶段也已过去。但是美国著名神经科学家拉马钱德兰在1998年时估计神经科学依然还是处于法拉第时代，还没有到麦克斯韦时代。事实上绝大多数神经科学家都认同神经科学现在还没有一个概括脑功能的哪怕是很粗浅的理论框架。诚然，在神经科学的个别层次，例如轴突层次，由于积累了大量的实验数据，再加上霍奇金和赫胥黎在适当简化之后建立了轴突细胞膜的模型，把实验阶段上升到了理论阶段，阐明了神经脉冲产生和传播的机制，并将仿真结果与实验结果比较，验证了他们的理论和模型的正确性。然而，在神经元以上的层次，除个别特殊情况，目前还没有类似的成功理论和模型，许多领域还是一片空白，怎么能通过仿真来填补大片空白领域和重建数字人脑呢？

建模和仿真是计算神经科学（或称理论神经科学、数学神经科学）的重要内容和手段。这一领域的先驱早就指出建模和仿真的作用是组织数据（把看似互不相关的数据联系起来）、挖掘数据背后的关系（主要是建模的作用），并通过仿真检验这些原理或者假设，进行在生物实验上难于实现的仿真实验，预测可能的实验结果。马克拉姆在文中强调了这些作用，就是整合和预测，但这并非是他的首创。他只讲仿真不谈建模，实际上建模才是整合和预测的关键。需要注意的是建模一定要简化，模型本身就是对原型的简化，它忽略了大量次要因素，使主要现象背后的因果关系突出出来。虽然马克拉姆在全文中没有一处提到建模，但是他所强调的仿真前提——搞清楚脑各个层次背后的原理，不正是建模的另一种说法吗？不幸的是，他不仅没有使用建模这一更为清楚的概念，完全忽略了建模的简化本质（整个物理学的成就正好说明了这种简化或者理想化的重要性），反而强调了拷贝一切细节（尽管他承认现在有许多细节都还不知道，原理也不清楚），重建（且不论在这样的情况下能否重建）和一个生物脑一样多尺度和一样复杂的数字脑，那么他对现在生物脑研究中所碰到的主要障碍和壁垒——多尺度和复杂性——在数字脑的研究中也同样会碰到，那么是否还需要像俄罗斯套娃一样再对他的数字脑进行仿真呢？所以在笔者看来马克拉姆的“仿真神经科学”是对“计算神经科学”的一种倒退或许说“反动”，他舍弃了建模的合理内核，而代之以实际上做不到的“拷贝”。

马克拉姆还有一错误就是迷信只要加大计算机的算力，就能解决脑研究中所遇到的所有问题。计算机的算力固然依旧在按照摩尔定律指数式上升（且不论作为经验总结的摩尔定律是否能无限地永远成立），但是并非所有问题都能仅仅依靠加强计算机算力就能解决的。长期气象预报就是一个例子，问题的关键不在于算力，而在于气象现象的混沌本质。许多科学家早就指出，脑并非是一个计算系统，甚至也不是单纯的信息处理系统，而是某种提取意义的系统。马克拉姆认同脑的多尺度和复杂性，他只提到了因果链（其实只是线性因果链），而没有提到主宰脑的循环因果关系（脑的各个层次的内部以及各个层次之间存在着复杂的双向的相互作用，互为因果），有许多问题并非单靠加强计算机算力就能解决的。

在马克拉姆领衔申请以数字重建人脑的欧盟人脑计划时，笔者对其目标就提出过疑问。当时一位好心的同事曾劝告笔者：“这些都是一些聪明人，他们不会想不到连我们也能想到的问题！”确实，在笔者看来马克拉姆并非对这些问题全无觉察。关于数字重建全脑（开始是鼠脑、最终是人脑）的问题，马克拉姆在其2009年尚未更新过的蓝脑计划网站的“问答栏”中是这样说的：“以目前和可预见未来的计算机技术而论，看来还不大可能仿真一个精确到细胞和突触复杂性水平（分子层次以上）的哺乳动物脑。” 对于是否可用一台计算机来真实地仿真人脑的问题，他当时认为：“这很少可能，也没有这个必要。要这样做是非常困难的，因为脑内的每个分子就是一台功能强大的计算机，而我们得仿真以千兆计的分子的结构和功能，还得仿真这些分子相互作用所遵循的全部规律。你至少需要比现在大千兆倍和快千兆倍的超级计算机。哺乳动物自己就能繁殖，我们无需用计算机来复制哺乳动物。这不是我的目的。我们只是想认识生物系统是如何工作的，又为什么会失常，这将造福于人类。”对“我们真的能造出一个这样的人工脑，它会有意识吗？”的问题，他当时的回答是：“我真的不知道。如果意识仅仅是通过非常大量的相互作用产生的，那么也许有可能吧。但是我们对意识究竟是什么都不知道，所以很难说。”不过现在这些内容已经从蓝脑计划的网页中删掉了。至于马克拉姆为什么会在脑研究并未在上述问题上取得突破性进展的情况下在同一年内发生这样大的变化，也许只能去问他自己了。

总之，马克拉姆提出的“仿真神经科学”并没有什么有益的新思想，其核心——重建脑的数字拷贝，不仅无益，而且使追随者误入歧途。他自己从2005年开始的蓝脑计划和一度使他名声大噪的欧盟人脑计划的实践结果，都说明了这一思想的破产。事实上按他这一路线去研究，真正有所成就的主要限于神经元水平，即使在神经回路水平有所成就，也一直停留在现象阶段，并未实现和阐明认知功能，更不要说更高层次了。综上所述，神经科学不会进入什么“仿真神经科学”的新阶段，计算机仿真是、也只是检验理论和模型的一种手段。现在和将来很长一段时间里，神经科学的发展依然取决于实验和理论的结合，去发现局部的机制和原理，而很不可能重建人脑的数字拷贝！

[1]维基百科. Human Brain Project. https：//en.wikipedia.org/w/index. php？title=Human_Brain_Project&oldid=1133768049

[2]维基百科. Blue Brain Project. https：//en.wikipedia.org/w/index. php？title=Blue_Brain_Project&oldid=1137911574

[3]Fan X， Markram H. A brief history of simulation neuroscience. Frontiers in Neuroinformatics， 2019， 13： 1-28.

[4]霍金斯. 千腦智能. 廖璐， 等译， 杭州： 浙江教育出版社， 2021.

[5]Markram H. The human brain project. Scientific American， 2012，（6）： 50-55.

关键词：人工脑 仿真神经科学 欧盟人脑计划 蓝脑计划 ■