罗尔定理黄铁军：电脑传奇（下篇）电脑涅槃
8.电脑之路
人脑是强人工智能最好的和唯一的参照物。正如欧盟“人类大脑计划(Human Brain Project)”建议报告中指出的：“除人脑以外，没有任何一个自然或人工系统能够具有对新环境与新挑战的自适应能力、对新信息与新技能的自动获取能力、在复杂环境下进行有效决策并稳定工作直至几十年的能力。没有任何系统能够在多处损伤的情况下保持像人脑一样好的鲁棒性，在处理同样复杂的任务时，没有任何人工系统能够媲美人脑的低能耗性。” 人脑是宇宙中已知的最复杂的对象。冯·诺伊曼1946年11月写给维纳的信中曾提到，“为了理解自动机的功能及背后的一般原理，我们选择了太阳底下最复杂的对象”，并因此否决了麦卡洛克和皮茨的 “逻辑大脑”模型。皮茨显然没有放弃这个对他来说唯一真正重要的问题，他在1955年（也就是人工智能概念出现前一年）曾指出：“（一派人）企图模拟神经系统，而纽厄尔则企图模拟心智……但殊途同归。” 制造真正的“电脑”，是走“结构”路线？还是“功能”路线？
任何客观对象都可以分为“结构”和“功能”两个层次：基元按照特定结构组成对象，拥有特定结构的对象表现出特定功能。简言之，结构是功能的基础，功能是结构的表现。大脑的“结构”是指各种神经元（神经细胞）通过神经突触连接而成的复杂神经网络，“功能”是指大脑神经网络表现出的动力学行为，即思维和意识现象。所谓大脑奥秘这个终极性难题，实际上是指“大脑（结构）何以产生智能（功能）？”或简称为“理解智能”难题。 问题在于：“制造智能”（制造出具有类脑智能的机器）是否必须先“理解智能”？
nap积分肯定回答似乎是显然的，因为“科学是技术的基础和前提”。但事实上，人类历史上重大技术突破往往都在其科学原理揭示之前。以飞机为例，莱特兄弟1903年发明飞机。冯·卡门1908年在巴黎亲眼目睹了飞行表演后才相信，并下决心搞清楚飞机为什么会飞。直到1946年，他才和钱学森系统地提出空气动力学。这样的例子不胜枚举：从中国的四大发明，到日常生活中的乐器，甚至浆糊，都是先成功实践，后揭示出科学原理（即使像“浆糊为什么能够粘连”这种看似简单的问题，要回答也并不容易）。制造真正的“电脑”，同样应从结构入手，通过解析大脑（主要是皮层神经网络结构以及作为结构基元的神经元和突触的功能）和仿真大脑，制造出能够产生类似功能的机器，之后尝试理解机器智能，并最终理解生物大脑的智能。简言之，“先结构，后功能”，因为“功能源于结构”。
为了和经典计算机区分，真正的“电脑”可称为“类脑计算机”或“神经计算机”，是仿照生物神经网络，采用神经形态器件构造的，以多尺度非线性时空信息处理为中心的智能机器。具体来说，是从结构层次仿真入手，采用微纳光电器件模拟生物神经元和神经突触的信息处理功能，仿照大脑皮层神经网络和生物感知器官构造出仿生神经网络，在仿真精度达到一定程度后，加以外界刺激训练，使之产生与生物大脑类似的信息处理功能和系统行为。背后的基本理念是绕过“理解智能”这个更为困难的科学难题，先通过结构仿真等工程技术手段制造出类脑计算机，再通过训练间接达到智能模拟的目的。这条技术路线可总结为：结构层次模仿脑，器件层次逼近脑，智能层次超越脑。
刘文玺 张媛9.解析大脑
中国发展的根本目的解析大脑的结构在现代计算机出现之前就开始了。神经科学的百年历史，就是一首解析大脑的壮歌。1906年，诺贝尔生理学或医学奖授予“研究神经系统结构”的卡米洛·高尔基(Camilo Golgi, 1843-1926)和圣地亚哥·拉蒙-卡哈尔(Santiago Ramon y Cajal，1852-1934)。他们提出神经元染法，并绘制了大量精美的生物神经网络图谱，沿用至今。
神经元（即神经细胞）是生物神经网络的基本单元。对于它的功能，1943年，麦卡洛克和
皮茨想象成“全或无”的逻辑开关。但是，生物神经元真是这样吗？这个问题在1939年就有人思考，而且不止思考，还“撸起袖子说干就干”。但神经元那么小，撸袖子有什么用！刚刚博士后出站回到剑桥大学的阿兰·霍奇金(Alan Hodgkin, 1914-1998)和他的博士后安德鲁·赫胥黎(Andrew Huxley, 1917-2012)脑子急转弯：个大神经元！他们选中了大西洋乌贼的巨神经元：轴突和耳机线差不多，插入0.1毫米的电极绰绰有余！他们自制工具，很快就测到这个神经元的静息电位和动作电位，实验结果发表在Nature上。恰在此时，二战爆发，两人弃笔从戎。直到1946年，也就是冯·诺伊曼在给维纳的信中想到“借助‘显微镜’……在细胞层次上更深入地认识神经机制”的那一年，霍奇金和赫胥黎重新拿起膜片钳，又花了6年时间，精细测量神经元传递电信号（神经脉冲，更准确地称为“动作电位”）的动态过程，并给出了精确描述这一动力学过程的微分方程，称为霍奇金-赫胥黎方程（Hodgkin-Huxley方程，简称HH方程）。HH模型对不同类型的神经元具有通用性，1963年，两人因此获得诺贝尔奖。
接下来是解析神经突触，这一历史重任转到中国人肩上。中国现代神经科学奠基人冯德培(1907-1995)和张香桐(1907-2007)对神经可塑性研究做出了杰出贡献。在霍奇金-赫胥黎方程发表的1952年，张香桐就发现树突具有电兴奋性，树突上的突触可能对神经元的兴奋精
细调节起重要作用。1992年，国际神经网络学会授予张香桐终身成就奖，评价他“……为树突电流在神经整合中起重要作用这一概念提供了直接证据……这一卓越成就，为我们将来发展使用微分方程和连续时间变数的神经网络，而不再使用数字脉冲逻辑的电子计算机奠定了基础”。1998年，托斯迪克斯(Tsodyks)和亨利·马克拉姆(Henry Markram, 1962- )等构建了神经突触计算模型。同年，毕国强和蒲慕明提出了神经突触脉冲时间依赖的可塑性机制 (Spike-Timing Dependent Plasticity, STDP) ：反复出现的突触前脉冲有助于紧随其后产生的突触后动作电位并将导致长期增强，相反的时间关系将导致长期抑制。2000年，宋森等给出了STDP的数学模型。2016年，蒲慕明院士因为发现“……神经细胞如何依据对现实世界的体验，建立新连接或者改变原有连接强度”，获得美国神经学学会格鲁伯神经科学奖。
神经突触虽然微小，但对越来越精密的探测仪器来说，并无突破不了的障碍。人类全身神经突触数量达到百万亿，神经元数量达到千亿。虽然庞大繁杂，但仍然是一个复杂度有限的物理结构。2008年，美国工程院把“大脑反向工程”列为本世纪14个重大工程问题之一。2013年以来，欧洲“人类大脑计划”以及美、日、韩和我国的“脑计划”相继登场，都把大脑结构图谱绘制作为重要内容。2014年，华中科技大学“单细胞分辨的全脑显微光学切片断层成
像技术与仪器”获得国家技术发明奖二等奖，并被欧洲“人类大脑计划”用作鼠脑仿真的基础数据。2016年3月，美国情报高级研究计划署(IARPA)启动大脑皮层网络机器智能(MICrONS)计划，对1立方毫米的大脑皮层进行反向工程，并运用这些发现改善机器学习和人工智能算法。2016年4月，全球脑计划研讨会(Global Brain Workshop 2016)提出，需要应对3大 6挑战，第一个挑战就是绘制大脑结构图谱：“在10年内，我们希望能够完成包括但不限于以下动物大脑的解析：果蝇、斑马鱼、鼠、狨猴，并将开发出大型脑图谱绘制分析工具。”仿佛是为了证明这个预测，2016年9月8日，日本东海大学宣布绘制出包括十多万个神经元的果蝇大脑神经网络三维模型。
我国已经将“多模态跨尺度生物医学成像”列为“十三五”国家重大科技基础设施，由北京大学和中国科学院生物物理所等联合建设。这一平台融合光、声、电、磁、核素、电子等成像范式，提供从埃米到米、从微秒到小时跨越10个空间与时间尺度的解析能力，将分步骤实现多种模式动物大脑的高精度动态解析。
10.仿真大脑韩启德简历
仿真大脑的努力可以追溯到20世纪80年代。1972年，美国生物学家杰拉尔德·艾德曼(Geral
d Maurice Edelman, 1929-2014)因发现免疫系统抗体的化学结构而获得诺贝尔生理学或医学奖。1978年左右，他转向意识研究。他的基本思想可概括为“神经体选择理论(neuronal group selection)”，即神经系统产生感知、行为、学习、记忆以及意识的机理与生物适应自然环境的自然选择机制类似，因此被称为“神经达尔文主义”(Neural Darwinism) 。为了验证这一学说，从1981年开始，他提出了统称为“综合神经建模(synthetic neural modeling)”的理论，即逼近真实解剖和生理数据的神经系统大规模仿真，并研制了一系列名为“Darwin（达尔文）”的“仿脑机”(Brain-Based-Devices, BBD) 。仿脑机仿真的是不同脑区（如海马或小脑），通过从多种仿真神经回路中进行选择而实现学习。起初是软件，1992年开始采用硬件。以2005~2007年研制的达尔文10号和11号为例，仿真约50个脑区、10万个神经元和140万个突触连接，通过模拟啮齿类动物走迷宫的过程，理解大脑空间记忆的形成过程。基于仿脑机的足球机器人在2004年至2006年参加RoboCup机器人足球公开赛，曾5局全胜卡内基梅隆大学的经典人工智能系统。yintu
现代微电子学和大规模集成电路先驱、加州理工学院教授卡弗·米德(Carver Andress Mead, 1934- )也是在20世纪80年代兴趣转向生物神经系统的。与艾德曼关注神经元体和神经环路不同，米德的关注点在神经元的硬件实现，开创了“神经形态工程(neuromorphic
engineering)”这个方向 ，提出采用亚阈值模拟电路来仿真脉冲神经网络，并提出了“神经形态处理器(neuromorphic processors)”的概念。1989年5月，米德在ISCAS(International Symposium on Circuits and Systems)会议期间组织了“模拟集成神经系统(Analog Integrated Neural Systems)”研讨会，主要参会人员至今仍然活跃在这一领域。米德在1989年招收的博士生博阿汉(Kwabena Boahen)于2005年加入斯坦福大学，成立了“硅脑(Brains in Silicon)”实验室。2009年，研制出了神经形态电路板Neurogrid。每块板有16颗芯片，每颗芯片内集成了65536个神经元，每个神经元用340个亚阈值工作状态的晶体管模拟。这样一块Neurogrid板就支持100万个神经元和60亿个突触联结，能耗只有5瓦，在神经系统模拟方面可媲美能耗1兆瓦的超级计算机。
