還原論生物學——檢查單個大腦組成部分、神經迴路和分子——已經使我們取得了長足的進步，但僅憑它自身無法解釋人腦的運作方式，人腦是我們顱骨內的一個資訊處理器，在宇宙中可能是無與倫比的。我們必須像還原一樣構建，像解剖一樣建造。為了做到這一點，我們需要一種結合分析和綜合的新正規化。還原論之父，法國哲學家勒內·笛卡爾寫道，有必要研究各個部分，然後重新組裝它們以重建整體。
將事物組合在一起，設計出人腦的完整模擬模型，這是一項旨在構建一種奇妙的新科學儀器的任務的目標。目前還沒有完全類似的東西，但我們已經開始構建它。思考這個儀器的一種方式是將其視為有史以來最強大的飛行模擬器——只不過它模擬的不是在開放空間中的飛行，而是模擬大腦中的航行。這個“虛擬大腦”將在超級計算機上執行，並整合神經科學迄今為止產生的所有資料。
數字大腦將成為整個科學界的資源：研究人員將像在最大的望遠鏡上一樣，在上面預留時間進行實驗。他們將使用它來測試關於人腦在健康和疾病狀態下如何運作的理論。他們將利用它來幫助他們開發新的自閉症或精神分裂症診斷測試，以及抑鬱症和阿爾茨海默病的新療法。數萬億神經迴路的佈線圖將啟發類腦計算機和智慧機器人的設計。簡而言之，它將改變神經科學、醫學和資訊科技。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保關於塑造我們今天世界的發現和想法的有影響力的故事的未來。
盒子裡的腦袋
科學家們可能在本十年末開始執行人腦的首次模擬，屆時超級計算機將足夠強大，能夠支援所需的大量計算。該儀器不需要首先解開大腦的所有謎團。相反，它將提供一個框架來容納我們已知的東西，同時使我們能夠對我們不知道的東西做出預測。這些預測將告訴我們未來實驗的目標，以防止浪費精力。我們產生的知識將與現有知識相結合，框架中的“漏洞”將以越來越真實的細節填補，直到最終，我們將擁有一個統一的、工作的大腦模型——一個從整個大腦到分子水平都能準確再現它的模型。
構建這個儀器是人類大腦計劃 (HBP) 的目標，該計劃涉及全球約 130 所大學。HBP 是六個專案之一，它們正在競爭一個耀眼的獎項，歐洲聯盟將在 10 年內為每個獲獎者提供高達 10 億歐元的獎金，獲獎者將於 2013 年 2 月宣佈。
我們需要模擬器至少有兩個原因。僅在歐洲，腦部疾病就影響了 1.8 億人，約佔三分之一——隨著人口老齡化，這個數字還將繼續增長。與此同時，製藥公司並沒有投資於新的神經系統疾病治療方法。對大腦的整體看法將使我們能夠用生物學術語重新分類這些疾病，而不是僅僅將它們視為一系列症狀。這種視角的廣度將使我們能夠向前發展，開發一代有選擇性地針對潛在異常的療法。
第二個原因是計算機技術正迅速接近進一步發展的障礙。儘管處理能力不斷提高，但計算機無法完成動物大腦輕鬆完成的許多工。例如，儘管計算機科學家在視覺識別方面取得了巨大進步，但機器仍然難以利用場景中的上下文，或者像大腦那樣利用任意的資訊碎片來預測未來事件。
此外，由於更強大的計算機需要更多的能量，有一天滿足它們的需求將不再可行。當今超級計算機的效能以每秒千萬億次邏輯運算來衡量。下一代超級計算機預計在 2020 年左右問世，速度將快 1000 倍，並將以每秒百京次運算來衡量。僅第一臺百京級機器可能就會消耗約 20 兆瓦的電力，大致相當於冬季一個小鎮的能源需求。為了創造越來越強大的計算機，以節能的方式執行人類能夠勝任的一些簡單但有用的事情，我們需要一種全新的策略。
我們可以從人腦中汲取靈感，這總比情況更糟，人腦僅用約 20 瓦的功率就能執行一系列智慧功能——比百京級機器少一百萬倍，相當於一個弱燈泡。為此，我們需要了解大腦的多層次組織，從基因到行為。知識就在那裡，但我們需要將它們整合在一起——我們的儀器將提供實現這一目標的平臺。
批評者說，模擬人腦的目標是無法實現的。他們的主要反對意見之一是，不可能重現大腦 100 萬億個突觸之間的連線，因為我們無法測量它。他們說我們無法測量連線網路是正確的，這就是為什麼我們不打算測量——至少，不是全部。我們打算透過不同的方式重現腦細胞之間無數的連線。
我們方法的關鍵是根據大腦的構建方式來設計基本藍圖：指導其進化過程中構建以及在每個發育中的胎兒中重新構建的一組規則。理論上，這些規則是我們開始構建大腦所需的所有資訊。懷疑論者是對的：它們產生的複雜性令人望而生畏——因此我們需要超級計算機來捕捉它。但是，解開規則本身是一個更容易處理的問題。如果我們成功了，就沒有邏輯理由說明我們不能像生物學那樣應用藍圖，並構建一個“計算機內”的大腦。
我們所說的規則是指控制基因的規則，這些基因導致大腦中存在的細胞型別，以及這些細胞分佈方式和連線方式的底層計劃。我們知道這些規則是存在的，因為我們在為 HBP 奠定基礎時發現了一些規則。我們大約在 20 年前開始這樣做，透過測量單個神經元的特徵。我們收集了大量關於不同神經元型別的幾何特性的資料，並在三維空間中以數字方式重建了數百個神經元。使用一種稱為膜片鉗的細緻方法，該方法涉及將微型玻璃移液管的尖端靠在細胞膜上，以測量其離子通道的電壓，我們還記錄了神經元的電特性。
在 2005 年，模擬單個神經元需要一臺強大的計算機和一個為期三年的博士專案。然而，很明顯，更宏偉的目標很快就會實現，即使我們對這些元素的瞭解不完整，我們也可以模擬更大的大腦回路元素。在洛桑瑞士聯邦理工學院的大腦思維研究所，我們啟動了 HBP 的前身之一，藍色大腦專案。我們將構建我們稱之為“統一計算機模型”的模型——這些模型整合了關於給定大腦回路的所有現有資料和假設，同時協調資訊中的衝突並突出知識的不足之處。
綜合生物學
作為一個測試案例，我們著手構建一個稱為皮質柱的大腦結構的統一模型。柱相當於您筆記型電腦中的處理器。用一個粗略的比喻來說，如果您要將一個微型蘋果去核器穿過皮層，並拔出一個直徑約半毫米、高度 1.5 毫米的組織柱，那將是一個柱。在該組織核心內，您會發現一個非常密集的網路，由數萬個細胞組成。柱是一種如此高效的資訊處理元件設計，以至於一旦進化找到了公式，它就會一遍又一遍地應用這個配方，直到顱骨中沒有更多空間，皮層不得不向內摺疊以創造更多空間——因此，您的大腦才會如此複雜。
柱穿透新皮層的六個垂直層，新皮層是皮層的外層，它與大腦其餘部分的神經連線在每一層中都以不同的方式組織。這些連線的組織方式類似於電話呼叫被分配一個數字地址並透過交換機路由的方式。一個柱中駐留著數百種神經元型別，我們使用 IBM 藍色基因超級計算機，整合了所有關於這些型別如何在每一層中混合的可用資訊，直到我們得到了新生大鼠柱的“配方”。我們還指示計算機允許虛擬神經元以真實神經元的所有方式連線——但僅以這些方式連線。我們花了三年時間構建軟體設施，這反過來又使我們能夠構建這個第一個柱的統一模型。有了它，我們就有了我們稱之為綜合生物學的概念驗證——從全面的生物學知識中模擬大腦——以及它如何作為一種可行且具有創造性的新研究方式。
那時，我們有了一個靜態模型——相當於昏迷大腦中的柱。我們想知道它是否會開始像真實的柱一樣運作，儘管它與活體腦組織切片中的大腦其餘部分隔離，所以我們給它一個衝擊——一些外部刺激。在 2008 年，我們對我們的虛擬柱施加了模擬電脈衝。當我們觀察時，神經元開始相互交談。“尖峰”，或動作電位——大腦的語言——在柱中傳播，因為它開始像一個積體電路一樣工作。尖峰在層之間流動並來回振盪，就像在活體腦切片中一樣。這是我們沒有編入模型的行為；它是由於電路的構建方式而自發出現的。即使刺激停止後，電路仍然保持活躍，並短暫地發展出自己的內部動態，自己表示資訊的方式。
從那時起，我們一直在逐步將世界各地實驗室產生的更多資訊整合到這個柱的統一模型中。我們開發的軟體也在不斷改進，以便我們每週重建柱時，都能使用更多資料、更多規則和更高的準確性進行重建。下一步是整合整個大腦區域的資料，然後是整個大腦的資料——首先是齧齒動物的大腦。
我們的努力將很大程度上依賴於一門稱為神經資訊學的學科。來自世界各地的大量與大腦相關的資料需要以連貫的方式彙集在一起，然後挖掘描述大腦組織方式的模式或規則。我們需要以數學方程組的形式捕捉這些規則描述的生物過程，同時開發軟體，使我們能夠在超級計算機上求解這些方程。我們還需要建立軟體，構建一個符合內在生物學規律的大腦。我們稱之為“大腦構建器”。
神經資訊學提供的大腦運作方式的預測——以及新資料完善的預測——將加速我們對大腦功能的理解，而無需測量它的每一個方面。我們可以根據我們正在發現的規則做出預測，然後根據現實檢驗這些預測。我們目前的目標之一是利用賦予某些型別神經元蛋白質的基因知識來預測這些細胞的結構和行為。基因與實際神經元之間的聯絡構成了我們稱之為“資訊學橋樑”的東西，這是綜合生物學為我們提供的捷徑。
科學家們多年來一直利用的另一種資訊學橋樑與基因突變及其與疾病的聯絡有關：具體而言，突變如何改變細胞製造的蛋白質，進而影響神經元的幾何形狀和電特性、它們形成的突觸以及區域性、微迴路中出現的電活動，然後在整個大腦區域廣泛傳播。
例如，理論上，我們可以將某個突變程式設計到模型中，然後觀察該突變如何在生物鏈的每一步影響它。如果由此產生的症狀或症狀群與我們在現實生活中看到的相符，那麼這種虛擬事件鏈就成為疾病機制的候選者，我們甚至可以開始尋找潛在的治療靶點。
這個過程是高度迭代的。我們整合我們能找到的所有資料，並對模型進行程式設計以遵守某些生物學規則，然後執行模擬，並將“輸出”或蛋白質、細胞和電路的最終行為與相關的實驗資料進行比較。如果它們不匹配，我們會返回並檢查資料的準確性並完善生物學規則。如果它們匹配，我們會引入更多資料，新增更多細節，同時將我們的模型擴充套件到大腦的更大一部分。隨著軟體的改進，資料整合變得更快和自動化，模型表現得更像實際的生物學。當我們對細胞和突觸的知識仍然不完整時，模擬整個大腦似乎不再是一個不可能的夢想。
為了推動這項事業，我們需要資料，而且需要大量資料。倫理問題限制了神經科學家可以對人腦進行的實驗，但幸運的是，所有哺乳動物的大腦都是按照共同的規則構建的，只是存在物種特異性的變異。我們對哺乳動物大腦遺傳學的大部分了解來自小鼠，而猴子為我們提供了關於認知的寶貴見解。因此，我們可以首先構建一個齧齒動物大腦的統一模型，然後將其用作開發我們的人腦模型的起始模板——逐步整合細節。因此，小鼠、大鼠和人腦的模型將並行發展。
神經科學家生成的資料將幫助我們識別控制大腦組織的規則，並透過實驗驗證我們的外推——那些預測的因果鏈——是否與生物學真相相符。在認知層面，我們知道非常小的嬰兒對數字概念 1、2 和 3 有一些掌握，但對更高的數字沒有掌握。當我們最終能夠模擬新生兒的大腦時，該模型必須概括嬰兒能做什麼和不能做什麼。
我們需要的許多資料已經存在，但它們不易獲取。HBP 的一個主要挑戰是將它們彙集和組織起來。以醫療領域為例：這些資料對我們來說將非常有價值，不僅因為功能障礙告訴我們正常功能，還因為我們產生的任何模型都必須像健康的大腦一樣運作，然後在生病的方式上與真實的大腦相同。因此，患者的腦部掃描將成為豐富的資訊來源。
目前，每次患者進行掃描時，該掃描都儲存在數字檔案中。世界各地的醫院儲存著數百萬份掃描件，儘管它們已經被用於研究目的，但研究是以如此零散的方式進行的，以至於它們仍然是一個很大程度上未開發的資源。如果我們能夠將這些掃描件彙集到網際網路可訪問的“雲”上，並將它們與患者的記錄以及生化和遺傳資訊一起收集起來，醫生就可以跨越大量患者人群尋找定義疾病的模式。這種策略的力量將來自於能夠用數學方法精確找出所有疾病之間的差異和相似之處。一個名為阿爾茨海默病神經影像學倡議的多大學合作專案正試圖透過收集大量痴呆症患者和健康對照組受試者的神經影像學、腦脊液和血液記錄來做到這一點。
計算的未來
最後但並非最不重要的一點是，計算問題。最新一代的藍色基因是一種百億億次級野獸，由近 30 萬個處理器組成， packed 在 72 個冰箱的空間內。百億億次級足以在細胞細節水平上模擬一個擁有 2 億神經元的大鼠大腦，但不足以模擬一個擁有 890 億神經元的人腦。為了實現這一目標，我們需要一臺百京級超級計算機，即使如此，分子水平的人腦模擬也將超出我們的能力範圍。
世界各地的團隊都在競相構建這樣的計算機。當它們問世時，就像前幾代超級計算機一樣，它們很可能被調整為模擬物理過程，例如核物理中使用的過程。生物模擬有不同的要求，在與大型計算機制造商和其他工業合作伙伴的合作中，我們的高效能計算專家聯盟將配置一臺這樣的機器，用於模擬大腦的任務。他們還將開發軟體，使我們能夠構建從最低解析度到最高解析度的統一模型，以便在我們的模擬器中，可以放大和縮小分子、細胞和整個大腦。
一旦我們的腦模擬器建成，研究人員將能夠使用軟體樣本設定計算機內實驗，就像他們使用生物樣本一樣，但有一些關鍵的區別。為了讓您瞭解這些可能是什麼，請考慮科學家目前如何透過使用基因被“敲除”的小鼠來尋找疾病的根源。他們必須繁殖小鼠，這既耗時又昂貴，而且並非總是可行——例如，如果敲除對胚胎是致命的——即使人們撇開圍繞動物實驗的倫理問題不談。
使用計算機內大腦，他們將能夠敲除一個虛擬基因，並在不同年齡和以獨特方式運作的“人類”大腦中看到結果。他們將能夠在儘可能多的不同條件下重複實驗，使用相同的模型，從而確保動物無法獲得的徹底性。這不僅可以加快製藥研究人員確定潛在藥物靶點的過程，還將改變臨床試驗的進行方式。選擇目標人群將容易得多，並且無效或具有不可接受的副作用的藥物將被更快地過濾掉，結果是整個研發管道將得到加速並提高效率。
我們從這些模擬中學到的東西也將反饋到計算機的設計中，揭示進化是如何產生一個具有彈性的、能夠大規模快速、同步地執行多項任務——同時消耗與燈泡相同的能量——並且具有巨大記憶容量的大腦的。
類腦計算機晶片將用於構建所謂的神經形態計算機。HBP 將在矽晶片上印刷大腦電路，建立在歐盟專案 BrainScaleS 和 SpiNNaker 開發的技術基礎上。
我們在儀器上執行的第一個全腦模擬將缺乏人腦的一個基本特徵：它們不會像兒童那樣發育。從出生開始，皮層就形成了，這是神經元的增殖、遷移和修剪以及我們稱之為可塑性的過程的結果，可塑性高度依賴於經驗。相反，我們的模型將從任何任意年齡開始，跳過多年的發展，並從那裡繼續捕捉經驗。我們將需要構建機器，使模型能夠響應來自環境的輸入而發生變化。
虛擬大腦的試金石將是當我們將其連線到身體的虛擬軟體表示並在逼真的虛擬環境中放置它時。然後，計算機內大腦將能夠接收來自環境的資訊並對其採取行動。只有在取得這一成就之後，我們才能教會它技能，並判斷它是否真正具有智慧。因為我們知道人腦中存在冗餘——也就是說，一個神經系統可以補償另一個神經系統——我們可以開始找到哪些方面的大腦功能對於智慧行為至關重要。
HBP 提出了重要的倫理問題。即使模擬人腦的工具還很遙遠，詢問構建一個擁有比人腦更多皮質柱或將類人智慧與數字運算能力結合起來的虛擬大腦是否負責任也是合理的，該數字運算能力比 IBM 的深藍（其國際象棋計算機）大一百萬倍。
我們不是唯一一個在試圖扭轉大腦研究碎片化局面方面設定高標準的人。2010 年 5 月，總部位於西雅圖的艾倫腦科學研究所啟動了艾倫人腦圖譜，目標是繪製人腦中所有活躍基因的圖譜。
資金很可能是任何試圖進行此類嘗試的團體的主要限制因素。就我們而言，只有在我們獲得所需支援的情況下，目標才能實現。超級計算機很昂貴，HBP 的最終成本很可能與人類基因組計劃的成本相當或超過。在 2013 年 2 月，我們將知道我們是否獲得了綠燈。與此同時，我們繼續推進我們相信將為我們提供對自身身份的無與倫比的洞察力的事業，作為能夠思考卡拉瓦喬繪畫的明暗對比或量子物理學悖論的生物。
本文以“人類大腦計劃”為標題在印刷版上發表。