将大脑上传到云端有多难?

假设我们已经解决了传感器和肌肉以及所有其他的问题, 并且接受已经上传的大脑将不会真实的反应我们的思想 。 那么问题来了:上传我们的大脑 。 但是大脑到 底是什么呢?这个词大多数时候指的是大脑皮层, 可能还有一些大脑皮层下结构, 包括杏仁核, 海马体以及基底神经节 。 但是中枢神经系统实际上还包括其他一些不 那么重要的结构, 例如小脑, 丘脑, 下丘脑, 延髓及脑干 。
制造连接
如果我们考虑整个中枢神经系统, 那么我们要面对的就是平均约860亿个神经元, 而它们中的每一个大约与10000个其他神经元“相互交流”, 这样总的连接 数就接近8600亿 。 这是一个天文数字 。 所以我们到底要将什么上传到计算机里呢?每一个神经元的种类, 大小以及几何结构吗?它当下的膜电势?轴突的大小和 位置以及髓鞘化状态?树突树的完全几何结构?或者不同离子泵的位置?还是不同神经递质的数量, 位置, 和状态?这些中的任意一种都可能是至关重要的, 并且只 有最先进的计算机模型(并且也只能包括少数几个神经元)才能将它们考虑在内 。 这一问题的关键是, 我们不知道到底是什么决定了我们是谁, 并且不同于其他任何 一个人(我甚至没有在谈论学习的问题) 。
退一步来说——也只有我们有合适的工具来一次性记录上述提到的所有这些参数的情况下——我们能尝试移植任何东西 。 然而, 一个神经元就可能就会需要大约成千 上万条信息来描述 。 如果你仅仅考虑神经元的数量, 这个数就已经达到zetta域(供参考, 顺序是 kilo, mega, giga, tera, peta, exa以及zetta每往右增大一步需要乘以1000(zetta也就是1021)) 。 这个数量过于 巨大, 以至于现今的计算机科学不能将其作为一个整体来操作 。 至今为止我们还仅仅在讨论大脑的容量, 我们同时也需要保证这个模型能够实时运转, 因为没有人会 乐意接受一个转得比人脑还慢的电子大脑 。 纯粹从技术角度来看, 我们远远(真的远远)还达不到将大脑电子化的水平 。

【将大脑上传到云端有多难?】更让人难以接受的是, 研究发现摩尔定律(Moore’s Law)——该定律指出计算机性能每18个月就会倍增——即将达到极限, 也就是说我们可能永远也达不到所需的技术水平 。 人类脑计划预见到了这一问题, 并且 一开始就计划好了只用简化的神经元和突触模型 。 如果你对更精确的模型感兴趣, 可以看一看智能蠕虫计划(OpenWorm), 但这一计划也只停留在模拟少数 几个神经元的水平 。
机器中的鸟
将一个人的大脑移植到机器中, 这一设想不论是在文学作品还是大银幕上都很常见 。 由于最近人工智能领域的进展, 全世界对这一想法又燃起了兴趣 。 然而, 关于到底什么是人工智能, 它的目标是什么, 人们可能并没有搞清楚 。
当媒体报道人工智能的时候, 他们一般指的是机器学习以及机器人学, 这二者并不致力于理解大脑或认知(当然也有一些例外, 比如Pierre-Yves Oudeyer的著作) 。 这一混淆可能是由于一些新设计的算法可以让机器完美地完成一些以前被认为只有人类才能完成的事情——比如辨识图像, 开车等等 。
即使机器学习和机器人学进展神速, 我们也不能从中获得生物大脑的运转规律(至少是不能直接获得) 。 如果我们想知道这方面的知识, 就得着眼于神经科学更确切 的说是计算神经科学 。 人工智能与神经科学的关系就像飞行技术与鸟类学的关系 。 虽然飞翔的鸟类激发了早期的飞行尝试, 但这些早期尝试早就被抛弃了, 应用航空 学专门技术能设计更为有效的飞行器(速度, 有效载荷等) 。 要更好的了解鸟类, 就必须求助于鸟类学和生物学 。 因此, 因为人工智能的进步就谈论将大脑上传到计算机, 这和将羽毛粘到飞机上假装那是一只人造鸟没有什么区别 。

推荐阅读