高薪挖「神經科學家」,蘋果、谷歌想從動物身上汲取 AI 靈感

高薪挖「神經科學家」,蘋果、谷歌想從動物身上汲取 AI 靈感

人工智慧大熱的同時,研究鳥類、小鼠和魚類的神經科學家們成了稀缺人才,幫助各大科技公司提高人工智慧、自動駕駛等技術,現在能夠獲得七位數的薪水,也就是數百萬美元。彭博社發表發表報導,介紹了人工智慧技術浪潮下的神經科學家們。

 

Jaguar是一隻小老鼠。它住在哈佛大學羅蘭研究所(Harvard's Rowland Institute)的實驗室裡。它的主要工作,就是時不時地在一個平台上玩電子遊戲。Jaguar被四周的金屬棒關在一個小平台內,任務是透過感覺找到虛擬盒子的邊緣。為了完成這個任務,它需要伸出右爪,抓住可以360度旋轉的操縱桿,直至感覺到來自機器的回饋。當它到達正確的目標區域時,比如說盒子的邊緣,就會得到一滴糖水作為獎勵。

為了追蹤Jaguar的大腦活動,研究人員對它進行了改造,讓它大腦中的神經元在發射訊號時能發出熒光--可以透過一個固定在它頭骨上的玻璃板看到。然後,平台上方的顯微鏡記錄下Jaguar玩耍時大腦發光的整體圖像。

「在實驗得過程中,你可以教它們新的規則,並觀察成千上萬的神經元學習的過程,看看它們是如何變化的,」負責這項實驗的神經學家麥肯齊·馬西斯(Mackenzie Mathis)說。

在過去的幾十年裡,馬西斯的研究僅僅只聚焦在提高人類對小老鼠和大腦功能的認知上。現在,有越來越多研究動物的科學家,開始協助科技公司開發人工智慧軟體和腦機連接埠軟體,馬西斯就是其中之一。

她想發現小老鼠是如何進行學習的,部分原因是這可以告訴我們如何教電腦學習。例如,觀察小老鼠在視頻遊戲中對意外情況的反應,在未來某一天或許能幫助人類把類似技能傳授給機器人。

哈佛大學羅蘭研究所的神經科學家們對小老鼠進行研究,訓練它們完成包括視訊遊戲和移動操縱桿等任務。其他有一些神經科學家們,正在研究斑胸草雀「唱歌」的技巧。也有一些神經科學家們正在研究綿羊頭骨導電率,還有更多的神經科學家選擇研究果蠅或者蠕蟲等神經結構相對簡單的生物,來獲取更多關於神經元的洞察。

過去的幾年裡,大型科技公司一直在從大學挖走這類人才。馬西斯說,蘋果、Facebook、Google和Twitter都從自己負責的一個獎學金項目中聘用了博士生:「在拿到學位之前,博士生就有工作了。」

當然,動物在推動企業科學研究方面一直在發揮著重要作用,尤其是在醫療領域。但是,要想把解剖斑胸草雀的發聲器官得到的見解轉化到Siri語音辨識軟體上,或者從小老鼠玩視訊遊戲中的反應得到經驗,並轉化為亞馬遜公司運營倉庫中機器人的軟體,則需要完全不同的技術飛躍。

隨著新產業帶來各種各樣的挑戰,揭開動物大腦秘密的競賽變得越來越奇特。

1958年,康乃爾大學神經生物學家法蘭克·羅森布拉特(Frank Rosenblatt)開發出了感知器,這是最早透過電腦模擬大腦結構的設備之一。它透過處理單元的協調工作,也就是羅森布拉特所說的神經元,來確定一張特定照片屬於男人還是女人。這是一種在圖像辨識方面的原始嘗試。

現在,感知器這一概念已經被取代了,Facebook、Google和其他公司將它們龐大的人工智慧計算系統描述為「神經網路」,其中有數百萬個神經元協同工作。

但是,這種新的概念誇大了運算和認知領域的重疊。對於科學家來說,想要複制他們並不能真正理解的東西相當困難。

比如,神經元如何存儲記憶等大腦的運作原理仍然難以琢磨。神經元的數字化對應物只能是有缺陷的模仿品。它們是最基本的處理引擎,經過訓練可以進行大量的統計運算和模式辨識。

玩視訊遊戲的小老鼠正在幫助研究人員解開神經網路的秘密。儘管如此,隨著科技行業追逐所謂的通用人工智慧(artificial general intelligence,簡稱AGI) ,這兩個領域之間的壁壘已經變得沒有那麼強大了。通用人工智慧的目標,是打造一個功能上有感知能力的機器,它可以自己解決問題,而不是依靠人類來訓練它。

讓一些倫理學家感到沒有那麼焦慮的是,我們離通用人工智慧還有很長的路要走,但許多電腦科學家和神經科學家認為大腦會給我們指明道路。另外,有一些公司正在努力研究腦機連接埠技術,比如,讓義肢能像自然肢體一樣活動,或者讓人們將知識下載到大腦中。

伊隆·馬斯克(Elon Musk)領導的Neuralink就是這樣一家公司,由科技富豪布萊恩·約翰遜(Bryan Johnson)運營的Kernel也有同樣的「野心」。神經科學家正在為這些創業公司提供各種建議,包括如何穿過頭骨傳導海量訊息,以及確保電極不會在實驗對象身上引起感染。

在馬西斯的哈佛實驗室裡,這兩種研究所共有的科學原理是顯而易見的。

「這是我們的小老鼠宮殿,」她一邊說,一邊打開一個房間的門,裡面有幾十隻關在塑料籠子裡的小老鼠。這些動物蹦蹦跳跳地走跑來走跑去,一邊看著來訪者,一邊晃著頭,抽動著鬍鬚。

它們居住的地方非常乾淨,只散發出一絲囓齒動物的氣息。整個房間中被紅光籠罩著,以確保這類本性在夜間活動的生物能夠在白天保持清醒,隨時準備為科學做出貢獻。

相對應的研究有開頭提到的虛擬盒子遊戲和一種看起來難度更大的瑪利歐賽車遊戲。

在後面一種研究中,一隻小老鼠跨坐在兩個定制的電動圓盤上,爪子放在兩邊的凹槽裡。螢幕上顯示的是一個綠色通道,末端是一個藍色矩形。

進行實驗的小老鼠需要駕車試圖接近藍色矩形,整個過程中,它必須小心駕駛以保持車行駛在虛擬的道路上。和人類一樣,這些小老鼠在玩遊戲的過程中,目光也略顯呆滯。整個實驗大約會持續半個小時。

透過顯微鏡觀察它們的大腦,可以記錄大量的訊息。

 「我們可以同時覆蓋它們大部分的感覺、運動皮層和決策區域,」馬西斯說。研究人員有時會改變遊戲的規則和控制方式,例如,讓操縱桿產生之字形運動而不是直線運動,然後尋找神經元活動方式的差異。

馬西斯也一直致力於破壞小老鼠一部分神經元,比如與學習相關的神經元,以觀察其餘神經元的反應。

圍繞著整個研究,一個早期的結論是:當涉及到解碼(理解)時,在運動皮層之外,感覺皮層似乎扮演了一個更大的角色,這與之前的研究發展有所不同。她說:「這些神經元不僅僅只是專注於一件特定的事情。」

馬西斯研究的主要目的之一是想要了解更多關於動物如何快速適應物理環境變化的知識。

例如,當你拿起一個未知重量的物體時,你的大腦會迅速計算出身體需要施加多大的力。目前,機器人還不能做到這一點,但擁有小老鼠神經元學習模式的機器人有可能做到。

馬西斯說,小老鼠有很大的可能幫助彌補這一差距。它們的大腦非常複雜,擁有進行高層次決策的能力;但同時它也足夠簡單,可以讓研究人員在合理時間內推斷出大腦之中神經元的聯繫。

直到最近,人類才開發出足夠強大的電腦來捕捉、處理和分析小老鼠大腦中大約7500萬神經元的一個子集所產生的大量數據。

而人工智慧軟體只是在最近幾年才發展到足以自動化大部分研究過程的地步。

馬西斯和她的丈夫,神經系統科學家艾力克斯·馬西斯(Alex Mathis),開發了一種名為DeepLabCut的開源軟體,來追蹤他們研究對象的動作。

這個應用程式使用圖像辨識技術,跟蹤小老鼠在玩遊戲時的微小動作變化,並觀察它對糖水獎勵的反應。

馬西斯和艾力克斯·馬西斯。

科學家們過去常常靠人工來完成這類工作,小老鼠只要喝一口水就要在筆記本上記下來。依靠這個軟體,可以在幾分鐘內完成之前需要花費數週或者數月的瑣碎體力勞動。

艾力克斯說:「2015年有篇關於靈長類動物的論文,在研究猴子日常活動的過程中--比如伸手拿東西--追蹤了相當多的身體部位變化,比如指關節、四肢和一隻手臂等等。後來,這篇論文的第一作者寫信給我,說如果有DeepLabCut的幫助,他可以提前兩年拿到博士學位。」

現在,有200多個研究中心正在使用DeepLabCut跟蹤各種動物的行為動作。

這類軟體和數據分析工具,引發了神經科學家對科技公司的興趣,就像科技公司對神經科學家對動物認知理解的興趣一樣。

現代從事大腦研究的科學家必須知道如何編碼並處理大量訊息,就像Google的人工智慧研究員為了改進廣告算法或者讓汽車自動并線所做的那樣。

以動物為中心的神經科學家也習慣於使用非常規的方法進行研究。「你往往會散發著牛仔氣息的有創意的人。」 麥肯齊說,「總有些人,願意把自己職業生涯押注到研究黑匣子上。」

提姆·奧奇(Tim Otchy)不拿小老鼠做實驗。他的研究對像是鳥類。

奧奇是波士頓大學的助理教授,右臂上紋著一隻斑胸草雀--一隻矮矮胖胖的小鳥,喙是亮橙色的,在樹枝上若有所思地凝視著天空。

「我真的很喜歡鳥,」他坐在一間擺滿書籍的辦公室裡說道。

上世紀90年代末,奧奇在喬治亞理工學院攻讀機械工程專業,此前在一家專門從事自動化工廠系統研發的公司工作。

他的工作是教機器人辨識小工具或者汽車零部件等對象,並在它們從傳送帶上下來時對它們進行分類。「我很難接受去做這些事情,」他說:「這些都是孩子們能做的事情。」

工作中的挫敗感,促使他下決心揭開感知、決策和學習的內在機理。他離開了工廠,最終轉向神經科學和斑胸草雀。

像斑胸草雀這樣的鳴禽,有著不同尋常的技能。大多數生物本能地知道如何發出聲音,而斑胸草雀則學會模仿它們所聽到的聲音,然後變換音調,展示它們對聲音的一些語義理解。

經過幾十年的研究,我們已經確定了雀類大腦中發出這種行為的結構,也就是眾所周知的鳴叫核心。

對這一領域的研究,讓人們對神經迴路如何運作有了更深入的了解,進而為其他關於人類如何運動、感覺和情緒的研究提供了參考訊息。

弄清楚鳥類如何互相模仿的,可能有助於解釋我們如何做同樣的事情,這可能對教授機器去學習語言技能來說很重要。

鳥類對自己叫聲有類似於語義的理解,如果科學家能夠從中得到見解,可以應用到語音辨識軟體上。

在波士頓大學的一個鳥舍,奧奇與大約300隻鳥一起工作。在其中一項實驗中,研究人員將為一隻斑胸草雀配備一些電子裝置,比如有電池可以為連接在頭骨上的大量電子設備提供動力。

然後,這隻鳥被放在一個微波爐大小的隔音箱內,連續鳴叫幾天。奧奇和他的團隊則會透過類似於馬西斯用在老鼠身上的機制,來觀察斑胸草雀的大腦。

隨著研究人員對斑胸草雀的鳴叫有越來越多的理解,它們對斑胸草雀大腦的運作方式也有了更精確的理解。

「雖然現在我們還不知道人類怎麼將騎自行車、駕駛直升機、說日語等訊息存儲在大腦中儲存的,」奧奇說。「但總有一天,我們會知道。」

奧奇在波士頓大學的實驗室裡。

在奧奇來到現在的實驗室之前,他的前任提姆·加德納(Tim Gardner)請假在馬斯克的Neuralink工作。這家公司致力於擁超高速電腦處理器來增強人類大腦的能力。

業內人士對馬斯克的這一願景感到非常興奮,加德納的離開也在神經科學家和學生中引起了不小的轟動(加德納沒有回復記者的置評請求,他將把實驗室搬到俄勒岡大學,也將兼職留在Neuralink)。

「目前,這只是一個幻想,但在遙遠的將來,我們真的可以把訊息直接寫進大腦……這太神奇了,」奧奇說。「我很希望能夠為做到這一點做出哪怕是很小的貢獻。」

在人工智慧領域,鳴禽研究人員是最炙手可熱的一類僱員。

在加州大學柏克萊分校完成學位論文並在蘋果公司工作一段時間後,錢寧·摩爾(Channing Moore)加入了Google的語音理解小組,主要開發與Google圖像辨識軟體一樣複雜的語音辨識系統,能夠區分出警報聲和嬰兒的哭泣聲。

在英特爾公司,柏克萊分校的另一位博士泰勒·李(Tyler Lee)正在利用自己對斑紋雀的研究,來改進語音處理技術。這種技術最終有望應用於Siri等語音助理中。

「我們正試圖提出非常相似的問題,」他說。「我怎樣接收聽覺輸入,然後以一種我可以理解一個人在說什麼的方式來處理它?他們處於什麼樣的噪音中,他們處於什麼樣的環境中?」

柏克萊大學教授傅瑞德里克·休尼森(Frederic Theunissen)是摩爾和李曾經所在實驗室的負責人。他監督的許多重要研究都能產生許多潛在的應用。

「如果你對自動語音辨識、語義理解等感興趣,你就會發現,這需要一套特殊的技能,」 休尼森說。

基於聲紋的設備安全系統就是一個例子。另一方面的應用是減少電話和視頻的噪音訊息。這個應用來自於摩爾對鳥類析除噪聲的研究。斑胸草雀的神經元能夠從周圍的噪音中分辨出另一隻雀的叫聲。

自雷根時代(上世紀70年代)以來,學術界一直試圖宣稱這是屬於神經科學的時代,但在本世紀初,年輕的神經科學研究生的發展前景也很渺茫,也沒有多少人原因在這一領域學習研究。

根據美國教育部的統計,15年前,美國所有的大學中只有不到1500名神經科學大學生,而獲得博士學位的只有不到400人。就算只有這些人,各大高校也沒有給他們提供足夠的全職工作或者助學金。

2005年,當德魯·羅布森(Drew Robson)從普林斯頓大學數學系畢業時,他的大學輔導員給了他一條令人難忘的建議:無論你做什麼,都不要從事神經科學。

羅布森並沒有放在心上,而是和他的女友珍妮佛·李(Jennifer Li)一起來到了羅蘭研究所。

他們見證了這個領域的飛速發展,現在美國的高校每年會授予大約5000個神經科學學士學位和600個博士學位。羅布森表示:「過去10年,我們經歷了爆炸式的增長。」

羅布森所在的團隊研究斑馬魚,這是鰷魚家族中的成員,它們年幼的時候身體是透明的,研究人員可以直接看到它們的神經元。

羅布森和李發明了一種特殊的移動顯微鏡,可以幫助他們記錄魚游動的時候哪些神經元是活躍的。為了捕捉斑馬魚行為的不同方面,它們可能會改變水流的方向--導致它們轉身或更努力地朝同一方向游。

在德魯·羅布森和詹妮弗·李所在的哈佛實驗室中,數百種斑馬魚正在被用來做研究。

像許多同齡人一樣,羅布森和李非常了解大腦科學和人工智慧技術之間的關係。

去年,這對夫婦買了一輛特斯拉,在看到自動駕駛技術不斷發展的時候,他們非常開心。

在特斯拉躲避其他車輛的時候,會讓他們想起斑馬魚在發現捕食者的時候採取的策略:迅速從捕獵模式轉化為快速游動模式。

隨著他們在斑馬魚上的研究越來越深入,有朝一日可能會為特斯拉自動駕駛系統中的神經網路提供訊息,這家公司正在試圖推動自動駕駛技術從基本的目標辨識發展到能做出類似於人類的決策。

「這需要更多的數量級數據,」李說。「如果你從生物學的角度出發,你基本上可以『作弊』,看看解決方案應該是什麼,而不必重新發明輪子。」羅布森說,他不介意有一天去幫助特斯拉解決這類問題。

斑馬魚的神經元可以在它們幼小的時候透過透明的頭骨看到。這為繪製出更複雜的決策過程,以及用機器來複製這些過程提供了便利。在神經科學領域,公共機構和企業之間的邊界不斷變化並消失不見,提出了一個問題:最終誰將控制人類和機器之間可能的合併?長期以來進行超前研究的大學,如今正面臨擁有更強大電腦和更豐富資料集的科技公司的競爭。

在一所普通大學剛剛獲得博士學位的畢業生,進入高校一年大概能夠賺5萬美元,而科技公司能夠提供6位數的年薪,甚至更高。

克里斯·佛萊(Chris Fry)曾經也是研究斑馬魚的學者,在離開實驗室的15年後,已經成為了Twitter高級工程副總裁,年薪高達1030萬美元。「有大量的人才從學術界流失,」馬西斯表示,「留在學術界,只是一種選擇了。」

除了薪水之外,還有其他很多因素吸引神經科學家加入企業。

比如給他們從事更令人興奮、更奇怪工作的機會,而不必花太多時間去申請研究資助。不過,轉身投向業界,也可能意味著切斷有前途的研究路線,或者隨著同事們逐漸變得隨波逐流。

當加德納去Neuralink工作的時候,一名博士生看到他請假,就直接換了學校。

羅布森和李在他們編程的核磁共振成像儀旁。

今年9月份,李和羅布森將會前往德國圖賓根的馬克斯·普朗克生物控制論研究所(Max Planck Institute for Biological Cyber​​netics)學習。

他們之所以留在學術界,因為他們喜歡羅布森所說的「校園環境」的自由和靈活性。「是的,動物實驗會對無害、無助的動物做出非自然的事情。但也可以從人性化的角度出發--這才是我們可能想看到的人工智慧。」

四年前,在他們完成可跟蹤顯微鏡之前,李和羅布森使用一種粘合明膠讓小斑馬魚在一個地方游上幾個小時,來測量它們的神經元是如何運作的。一天早上,他們兩個來到實驗室,發現了一個大驚喜:他們留下的一條幼魚在游動18個小時後仍然在游動,這遠遠超出了他們的預期。

 「這隻動物是冠軍,」羅布森說。「完美,」李補充道。「它的行為是完美的。」

但由於實驗的嚴謹性,研究人員無法將這位英雄留給下來,但他們也做了件好事:李和羅布森將它的母親安置在一個特殊的水族箱裡,作為寵物飼養。他們給它取名為傅瑞德(Fred),來自艾米·阿克爾(Amy Acker)在電視劇《夜行天使》(Angel)中扮演的聰明伶俐的角色。

羅布森和李表示,人工智慧和腦機連接埠技術的發展將迫使人類變得更加人性化。畢竟,如果我們的目標之一是將我們的道德觀念灌輸給機器,我們將不得不比以往更多地思考道德本身。誰應該擁有強化思維的能力?自動駕駛汽車應該拯救乘客還是行人?在機器能夠媲美人類之前,它們該有多聰明?

「從根本來說,這是一個道德問題--你該如何看待生命?」在大學時學過哲學的李說。

「它迫使我們思考,嚴格要求自己遵守的道德底線到底能夠歸結為什麼,」羅布森說「你必須做出承諾。」

 

36Kr
作者

36氪(36Kr.com)累計發表超過10.8萬條包含圖文、音訊、影片在內的優質內容。氪原創內容體系涵蓋新創公司、大公司、投資機構、地方產業與二級市場等內容模組,設置有快訊、深度商業報導

使用 Facebook 留言
發表回應
謹慎發言,尊重彼此。按此展開留言規則