對大腦進行逆向工程，會找到AI的明日之光嗎？

大腦，可以說是人類身上最奇妙的器官。但有趣的是，關於大腦研究的熱度，似乎並不是跟著醫學發展曲線前進，而是跟著智慧科技的發展前行的。

或許因為人工智慧本身就是為了模擬人類智慧出現，於是幾乎在人工智慧發展的每個週期之中，往往是當我們受算力或應用環境一類基礎所限，AI技術無法產生效率上的突破時，便會轉向對人腦的研究，試圖用電腦來模擬大腦的運轉方式。

現如今，雖然深度神經網路應用越來越廣泛，我們卻也能越來越多地發現人腦運作的特殊性。

例如同樣是辨識動物，深度神經網路需要在黑箱中投入大量長頸鹿的圖片，才能讓AI辨識出「長頸鹿本鹿」。但對於人類兒童來說，通常見過一次長頸鹿圖片，就能識別出長頸鹿的骨架。

這一神祕的認知過程，值得被不斷探索推演。

對1立方毫米的腦組織進行逆向工程

近年來一項名為Machine Intelligence from Cortical Networks（皮層網路機器智慧，以下簡稱Microns）的項目為行業提供了全新的思路——對於大腦灰質皮層進行「逆向工程」，破解出其中的運行策略，轉換成可為機器所用的演算法。

這一項目來自2013年歐巴馬政府提出的「BRAIN倡議」，通過一億美金的支持，倡導科學家們從認知科學、神經科學、融合科學等多個角度來對人類大腦的運行方式進行研究。

這一倡議被視作第二個人類基因組計畫——後者由多個國家的政府、學術機構共同參與，耗時十三年對人類基因組進行測序。曾經有很多人質疑過人類基因組計畫的意義，但如今這一項目正在遺傳學研究上發揮著重要意義。

Microns目前是該倡議中完成度最高的項目，由美國情報高等研究計畫署主導資助。具體研究方式是，繪製出一塊1立方毫米的小鼠腦組織神經元結構，研究其神經元間電路連通的模式，進而逆向推演動物的大腦如何對外界刺激進行反應。

1立方毫米的小鼠腦組織，與人類相比，只達到了人類大腦體積的百萬分之一。可即便如此，仍然意味著5萬個互相連接的神經元，以及5億個突觸。

我們知道，逆向工程意味著在已知某一產品的最終形態後，重新推演這項產品的誕生過程。那麼面對這樣龐大的問題，要怎樣進行「逆向工程」呢？

從顯微鏡到DNA，記錄神經元運動都有哪些方式？

美國情報高等研究計劃署選擇和三個研究團隊合作，三種方式齊頭並進一起對1立方毫米的小鼠腦組織進行研究。

哈佛大學選擇的是電子顯微鏡。透過對大鼠注入螢光蛋白並進行訓練，為大鼠播放影片刺激大腦活動，當神經元活動時，螢光蛋白中的鈣離子就會融入細胞使其發亮。這時再用激光顯微鏡記錄下神經元活動狀況。另一方面，一立方釐米的腦組織被切割成薄片，在高解析度下顯微鏡下成像。將活動時的神經元狀況和完整的非活動狀態下神經元連接狀況進行對比映射，進而去挖掘實驗鼠的「思維活動方式」。

來自哈佛醫學院的專家則選擇了另一種方法，他們通過一種特殊的DNA條碼對神經元進行標註，通過這種特殊的標註來識別神經元運動。至於腦組織切片，則可以通過基因測序機進行訊息分類，進而重現神經元的運動情況。

來自美國科學促進會的團隊，則乾脆選擇數據驅動的方式，透過對腦神經元連接方式的全面記錄來構建研究基礎。

在計畫中，三個團隊將一起監測出大腦中數萬個神經元的運動情況，並且將腦組織切片的橫截面計算拼接，將神經元的活動路徑連接起來，構成一幅大腦運動的3D地圖。建立在這一基礎上，在嘗試模擬神經元運動的模式。