當 IBM 的深藍超級計算機在 1997 年的著名比賽中險勝世界象棋冠軍加里·卡斯帕羅夫時，它依靠的是純粹的蠻力。 這臺機器每秒評估約 2 億個潛在的棋盤走法，而其血肉之軀的對手最多每秒只考慮三個。 但是，儘管深藍取得了勝利，但在視覺、聽覺、模式識別和學習等領域，計算機並不是人腦的真正競爭對手。 例如，計算機無法與我們僅憑朋友走路的方式就從遠處認出朋友的能力相提並論。 而在執行效率方面，根本無法比擬。 一臺典型的房間大小的超級計算機的重量大約是人腦的 1,000 倍，佔用的空間是人腦的 10,000 倍，消耗的電力是人腦的百萬倍，而人腦只是一個甜瓜大小的神經組織團塊。
大腦如何在神經元之間以相對緩慢的千分之一秒的速度傳輸化學訊號的情況下，最終比最強大的數字處理器更快、更有效地執行某些任務？ 秘密似乎在於大腦如何組織其慢速作用的電子元件。
大腦不執行編碼指令； 而是啟用神經元之間的連線，或突觸。 每次這樣的啟用都相當於執行一條數字指令，因此可以將大腦每秒啟用的連線數與計算機在同一時間內執行的指令數進行比較。 突觸活動是驚人的：每秒 1 千萬億 (1016) 個神經連線。 這需要一百萬臺英特爾奔騰驅動的計算機才能達到這個速度——再加上幾百兆瓦的電力來驅動它們。
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，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
現在，一個規模雖小但富有創新精神的工程師社群正在複製神經元組織和功能方面取得重大進展。 研究人員談到已將神經連線的結構變形為矽電路，從而創造出神經形態微晶片。 如果成功，這項工作可能會為盲人帶來可植入的矽視網膜，為聾人帶來可以使用單個 9 伏電池持續使用 30 年的聲音處理器，或者為機器人和其他智慧機器帶來低成本、高效的視覺、音訊或嗅覺識別晶片。
我們在賓夕法尼亞大學的團隊最初專注於變形視網膜——眼睛後部內襯的半毫米厚的組織薄片。 視網膜由五層專門的神經細胞組成，預處理傳入的視覺影像以提取有用的資訊，而無需大腦花費大量精力。 我們選擇視網膜是因為解剖學家已經充分記錄了該感覺系統。 然後，我們進一步變形構建這些生物電路的發育機制——我們將這個過程稱為變態變形。
神經形態視網膜
視網膜中近一百萬個神經節細胞比較從六個到數百個光感受器組接收的視覺訊號，每組解釋視覺場中小部分割槽域中發生的事情。 隨著給定區域的光強度等特徵發生變化，每個神經節細胞都會沿著視神經向大腦傳輸電脈衝（稱為尖峰）。 每個細胞的放電量與光強度隨時間和空間的相對變化成正比——而不是與絕對輸入水平成正比。 因此，神經的敏感度會隨著整體光強度的增加而減弱以適應，例如，從黎明到正午觀察到的天空光照水平的五十年增長。
米莎·A·馬霍瓦爾德在獲得生物學學士學位後不久，以及著名的微電子技術專家卡弗·米德，率先在加州理工學院努力用矽複製視網膜。 在他們開創性的工作中，馬霍瓦爾德和米德在電子上覆制了視網膜五層中的前三層。 其他研究人員，其中幾位曾在米德的加州理工學院實驗室（包括作者）工作過，也變形了視覺系統的後續階段以及聽覺系統。 卡里姆·扎格魯爾在 2001 年在我實驗室攻讀博士學位時，變形了視網膜的所有五層，從而有可能模擬神經節細胞（視網膜的輸出神經元）傳送到大腦的視覺資訊。 他的矽視網膜晶片 Visio1 複製了視網膜四種主要神經節細胞型別的反應，這些細胞型別匯入並共同構成視神經的 90% [參見左側插圖]。
扎格魯爾用單獨的電壓輸出表示眼睛電路中每個神經元的電活動。 電壓控制著電晶體在電路中的給定位置和其他點之間傳導的電流，模仿身體如何調節神經突觸的反應。 電子光電感測器檢測到的光會影響電路中該部分的電壓，這類似於它影響視網膜中相應細胞的方式。 透過在他晶片上平鋪這個基本電路的副本，扎格魯爾複製了視網膜五層細胞層中的活動。
該晶片模擬了電壓啟用的離子通道導致神經節細胞（以及大腦其餘部分的神經元）放電尖峰的方式。 為了實現這一點，扎格魯爾安裝了將電流反饋到電路中同一位置的電晶體。 當這種反饋電流到達時，它會進一步增加電壓，從而反過來招募更多的反饋電流並導致額外的放大。 一旦達到某個初始水平，這種再生效應就會加速，將電壓一直拉昇到最高水平，從而產生尖峰。
扎格魯爾的神經形態晶片功耗為 60 毫瓦，僅為 PC 功耗的千分之一。 憑藉其低功耗需求，這種矽視網膜可以為全眼內假體鋪平道路——攝像頭、處理器和刺激器都植入患有視網膜色素變性或黃斑變性（損害光感受器但保留神經節細胞的疾病）的盲人眼睛內。 目前正在開發的視網膜假體，例如南加州大學開發的視網膜假體，提供所謂的磷光視覺——接受者將世界感知為光點的網格，這是由植入眼睛內的微電極刺激神經節細胞引起的——並且需要一臺可穿戴計算機來處理連線到患者眼鏡的攝像機捕獲的影像。 由於微電極陣列非常小（小於 10 畫素 x 10 畫素），患者會體驗到管狀視野——需要頭部移動來掃描場景。
或者，使用眼睛本身作為攝像頭可以解決“伸頸”問題，而我們晶片的 3,600 個神經節細胞輸出應該可以提供接近正常的視覺。 生物相容性封裝材料和刺激介面需要進一步改進，才能使高保真假體成為現實，可能在 2010 年之前實現。 還需要更好地瞭解各種視網膜細胞型別如何響應刺激以及它們如何促進感知。 在此期間，這種神經形態晶片可以在汽車或安全應用或機器人或工廠自動化系統中用作感測器。
變態變形神經連線
我們透過變形視網膜獲得的節能效果令人鼓舞，這個結果開始讓我思考大腦實際上是如何實現高效率的。 米德在二十年前就很有先見之明地認識到，即使計算技術設法沿著摩爾定律的道路繼續發展（摩爾定律指出積體電路每平方英寸的電晶體數量每 18 個月翻一番），我們所知的計算機也無法達到像大腦一樣的效率。 但是，否則如何實現呢？ 九年前，我突然想到了解決方案。
我意識到，高效執行來自於硬體針對手頭任務的定製程度。 傳統計算機不允許進行這種調整； 而是定製軟體。 今天的計算機對每項工作都使用一些通用工具； 軟體只是更改工具的使用順序。 相比之下，定製硬體是大腦和神經形態晶片的共同之處——它們都在各個連線的層面上進行程式設計。 它們根據具體工作調整工具。 但是大腦如何自定義自身呢？ 如果我們可以將這種機制轉化為矽——變態變形——我們就可以讓我們的神經形態晶片以相同的方式自行修改。 因此，我們不需要費力地逆向工程大腦的電路。 我開始研究神經發育，希望能更多地瞭解身體如何精確地生產出它需要的工具。
構建大腦的神經網路——一萬億 (1012) 個神經元透過 1 千萬億 (1016) 個突觸連線——是一項艱鉅的任務。 儘管人類 DNA 包含相當於十億位元的資訊，但這個數量不足以指定所有這些神經元應該去哪裡以及它們應該如何連線。 在早期發育過程中利用其遺傳資訊後，大腦透過神經元之間的內部相互作用以及與身體外部世界的外部相互作用進一步自定義自身。 換句話說，感覺神經元會根據感覺輸入自行連線。 調節這個過程的總體規則非常簡單：一起放電的神經元會連線在一起。 也就是說，在神經元接收到的所有訊號中，它接受那些在其活躍時始終活躍的神經元的訊號，而忽略其餘訊號。
為了瞭解一層神經元如何與另一層神經元連線，神經科學家研究了青蛙的視網膜-頂蓋投影，該投影將其視網膜連線到頂蓋（中腦中處理感覺器官輸入的區域）。 他們發現，將一層神經元連線到另一層神經元分兩個階段進行。 新生神經元在多肢樹狀結構中延伸出突起（臂）。 最長的臂成為軸突，即細胞的輸出線； 其餘的充當樹突，即其輸入線。 然後，軸突繼續生長，由其尖端的變形蟲狀結構牽引。 科學家稱之為生長錐的這種結構會感知神經通訊訊號的先驅鋪設的化學梯度，從而引導軸突到達頂蓋細胞城市中的正確街道，但可以說，沒有到達正確的房子。
將目標縮小到頂蓋中的正確房子需要第二步，但科學家們並不詳細瞭解這個過程。 然而，眾所周知，相鄰的視網膜神經節細胞傾向於一起放電。 這一事實讓我推測，軸突可以透過追蹤活躍頂蓋神經元釋放的化學氣味來找到其在頂蓋中的視網膜細胞鄰居，因為其鄰居最有可能位於這條蹤跡的源頭。 一旦軸突與頂蓋神經元的樹突樹狀結構接觸，它們之間就會形成突觸，瞧，兩個一起放電的神經元就連線在一起了。
2001 年，我實驗室的博士生布萊恩·塔巴構建了一個以大腦發育過程的這個方面為模型的晶片。 由於金屬線無法重新佈線，他決定重新佈線尖峰。 他利用了扎格魯爾的 Visio1 晶片每次其 3,600 個神經節細胞之一發出尖峰時都會輸出一個唯一的 13 位地址的事實。 傳輸地址而不是尖峰繞過了晶片擁有的有限數量的輸入/輸出引腳。 地址由接收晶片解碼，接收晶片在其矽神經元馬賽克中的正確位置重新建立尖峰。 這種技術產生了一個在兩個晶片中的相應位置之間執行的虛擬軸突束——矽視神經。 如果我們將一個地址替換為另一個地址，我們將屬於一個神經元（原始地址）的虛擬軸突重新路由到另一個位置（替換地址）。 我們可以透過將替換儲存在資料庫（查詢表）中並使用原始地址來檢索它們，從而將這些我們稱之為軟線的線路路由到我們想要的任何地方。
在塔巴的人工頂蓋晶片（他將其命名為 Neurotrope1）中，軟線啟用梯度感應電路（矽生長錐）以及附近的矽神經元，這些矽神經元位於蜂窩狀晶格的細胞中。 當啟用時，這些矽神經元將電荷釋放到晶格中，塔巴將晶格設計為像電晶體一樣傳導電荷。 電荷在晶格中擴散，很像頂蓋細胞釋放的化學物質在神經組織中擴散一樣。 矽生長錐感知到這種模擬的擴散化學物質，並透過更新查詢表，將其軟線向上拉向梯度——朝向電荷的矽神經元源。 由於電荷必須由矽神經元釋放並由矽生長錐同時感知，因此軟線最終連線了同時活躍的神經元。 因此，Neurotrope1 將一起放電的神經元連線在一起，就像真實生長的軸突中發生的那樣。
塔巴從 Visio1 晶片和 Neurotrope1 晶片之間雜亂的佈線開始，透過隨機啟用矽神經節細胞片，成功地模擬了相鄰視網膜神經節細胞一起放電的趨勢。 在刺激了數千個片後，他觀察到晶片之間軟線佈線的顯著變化。 相鄰的人工神經節細胞現在連線到矽頂蓋中比初始連線近兩倍的神經元。 然而，由於噪聲和可變性，佈線並不完美：矽視網膜中相鄰細胞的末端並沒有最終在矽頂蓋中彼此相鄰。 我們想知道被認為是大腦皮層功能基礎的複雜佈線模式是如何產生的——以及我們是否可以從自然界獲得更多提示來改進我們的系統。
皮層圖
為了找出答案，我們必須仔細研究神經科學對皮層（負責認知的腦區）連線的瞭解。 皮層的面積為 16 英寸直徑，像摺紙一樣摺疊起來以適應顱骨內部。 在這片神奇的畫布上，嬰兒期繪製了外部世界的地圖。 最好的例子是科學家稱之為 V1 區（初級視覺皮層）的區域，來自視神經的視覺資訊首先進入皮層。 不僅影像的長度和寬度尺寸被對映到 V1，而且其中物體的邊緣方向也被對映到 V1。 因此，V1 中的神經元對特定角度（垂直線、水平線等）的邊緣反應最佳。 相同的方向偏好每毫米左右重複一次，從而可以檢測視覺場景不同區域中邊緣的方向。
神經生物學家大衛·H·休伯爾和託斯滕·N·維塞爾因在 1960 年代發現 V1 圖而分享了諾貝爾醫學獎，他們提出了一個用於構建視覺皮層的佈線圖——我們發現這個圖令人望而生畏。 根據他們的模型，每個皮層細胞都連線到兩組丘腦細胞，丘腦細胞充當視網膜訊號到達皮層的中繼站。 一組丘腦細胞應該對黑暗區域的感知做出反應（我們用 Visio1 的 Off 細胞模擬），而另一組應該對光線的感知做出反應（就像我們的 Visio1 的 On 細胞一樣）。 為了使皮層細胞偏愛垂直邊緣，例如，兩組細胞都應設定為沿垂直線排列，但應略微位移，以便 Off 細胞恰好位於 On 細胞的左側。 這樣，當垂直邊緣位於正確位置時，視覺場中物體的垂直邊緣將啟用所有 Off 細胞和所有 On 細胞。 另一方面，水平邊緣將僅啟用每組細胞中的一半細胞。 因此，當存在垂直邊緣時，皮層細胞將接收到兩倍的輸入並做出更強烈的反應。
起初，我們被這些佈線模式所需的細節嚇倒了。 我們必須根據每個細胞的方向偏好連線每個細胞，然後系統地修改這些佈線模式，以使方向偏好平滑變化，相鄰細胞具有相似的偏好。 與皮層中一樣，相同的方向必須每毫米重複一次，這些矽細胞與視網膜中的相鄰位置連線。 塔巴的生長錐當然無法應對這種複雜性。 在 2002 年底，我們尋找一種完全擺脫這種噩夢的方法。 最後，我們在一個五十年前的實驗中找到了答案。
在 1950 年代，著名的英國計算機科學家艾倫·圖靈展示了諸如豹子的斑點或奶牛的斑紋之類的有序圖案如何從隨機噪聲中自發產生。 我們希望我們可以使用類似的技術為我們的晶片建立具有相似方向模式的相鄰區域。 圖靈的想法是他透過在曼徹斯特大學的第一批電子計算機之一上執行模擬進行了測試，他的想法是，模型皮膚細胞會不加區分地分泌黑色染料或漂白劑。 透過在細胞之間引入變化，使它們產生略微不同量的染料和漂白劑，圖靈產生了斑點、斑紋甚至斑馬狀條紋。 這些細微的初始差異被吸墨和漂白放大，從而產生全有或全無的圖案。 我們想知道這個概念是否適用於皮層圖。
用矽構建大腦
五年前，計算神經科學家米莎·佐迪克斯和他在以色列雷霍沃特魏茨曼科學研究所的同事證明，實際上，類似的過程可以在軟體模擬中生成類似皮層的地圖。 保羅·梅羅拉，我實驗室的另一位博士生，接受了讓這種自組織過程在矽中工作的挑戰。 我們知道，在微細加工過程中引入的化學摻雜劑（雜質）是隨機落下的，這在原本相同的電晶體之間引入了變化，因此我們認為這個過程可以捕捉到自然界中基因表達的隨機性。 據推測，這是從豹到豹的斑點圖案和從人到人的方向圖圖案的變化來源。 儘管自然界中建立這些圖案的細胞表達相同的基因，但它們產生不同量的相應染料或離子通道蛋白。
考慮到這個類比，梅羅拉設計了一個單一的矽神經元並平鋪它以建立一個馬賽克，其中神經元之間存在類似神經元的興奮性和抑制性連線，這起到了吸墨和漂白的作用。 當我們在 2003 年啟動晶片時，出現了活動模式——類似於豹子的斑點。 當我們呈現具有不同方向的邊緣時，不同的細胞組變得活躍起來。 透過用不同的顏色標記這些不同組的位置，我們獲得了類似於幼年雪貂 V1 區成像的方向偏好圖。
在將視網膜的五層變形為矽之後，我們的目標轉向對視覺皮層的全部六層也做同樣的事情。 我們已經邁出了第一步，透過變形皮層的輸入層 IV 層，獲得了不成熟形式的方向偏好圖。 然而，皮層厚度為 3 毫米，比視網膜厚五倍，而變形所有六層皮層需要每單位面積具有更多電晶體的積體電路。
今天的晶片製造商可以將一百萬個電晶體和 10 米長的導線塞進一平方毫米的矽片上。 到本十年末，晶片密度將僅比皮層組織密度低 10 倍； 皮層每立方毫米有 1 億個突觸和 3 公里的軸突。
研究人員將在裝置數量方面接近與皮層匹敵，但他們將如何處理一平方釐米矽片上的十億個電晶體？ 使用標準方法設計這些高密度奈米技術晶片將需要數千名工程師。 迄今為止，設計工程師的數量增加了 100 倍，同時英特爾處理器中的電晶體數量增加了 10,000 倍。 相比之下，果蠅基因數量僅增加一倍，達到人類的水平，就使進化力量能夠構建出神經元數量增加 1000 萬倍的大腦。 更復雜的發展過程透過詳細闡述相對簡單的配方，使複雜性的增加成為可能。 同樣，變形神經發育過程而不是簡單地變形神經電路，為處理未來奈米電子系統中的複雜性帶來了巨大的希望。