本文發表於《大眾科學》的前部落格網路，反映了作者的觀點，不一定反映《大眾科學》的觀點
超級計算機可能很快就能達到大腦的算力，但對於大腦如何運作，我們知之甚少
在“對科學來說太難了？”中，我採訪了科學家們，詢問他們渴望探索但認為無法研究的想法。例如，它們可能涉及超出可能性的機器，例如像太陽一樣大的粒子加速器，或者它們可能完全不道德，例如涉及人類的致命實驗。此專題旨在審視不可能的夢想，科學中看似棘手的問題。然而，“對科學來說太難了？”末尾的問號表明，沒有什麼是不可能的。
科學家：路易斯·貝滕科特，洛斯阿拉莫斯國家實驗室的研究科學家，聖塔菲研究所教授。
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，您將有助於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。
想法： 大腦是我們所知的最強大的計算機，“理解大腦是科學的終極挑戰之一，”貝滕科特說。“這是使人類與眾不同的原因。我們想知道它做什麼以及它是如何工作的。”
人腦大約有 1000 億個神經元，大約有 1000 萬億（一百萬個十億）個連線將這些細胞連線在一起，每個連線或突觸通常每秒發射約 10 次。然而，迄今為止最先進的計算機現在幾乎足夠強大來模擬它，貝滕科特解釋道。
例如，據估計人腦的視覺皮層以大約每秒一千萬億次浮點運算（petaflop）的速度執行。世界上有史以來最強大的超級計算機現在能夠實現千萬億次級效能——目前最快的是中國的“天河一號A”系統，最大效能可達 2.57 千萬億次浮點運算，而 藍色巨人 預計將於今年在伊利諾伊大學上線，不僅峰值效能可能高達 10 千萬億次浮點運算，而且應該能夠實現至少 1 千萬億次浮點運算的持續效能。
“除了千萬億次級計算之外，美國能源部已經制定了百億億次級計算的計劃，這又快了一千倍，”貝滕科特說。“我們可能會在 2018 年或 2020 年看到它。”
至少有兩個小組目前正在嘗試模擬人腦，包括 IBM 阿爾馬登研究中心的達門德拉·莫德哈領導的小組和洛桑聯邦理工學院的亨利·馬克拉姆領導的小組。“模擬人腦的工作方式可能有助於闡明如何解決認知障礙，”貝滕科特說。“最終，這可能會闡明我們的意識是如何運作的。”
問題： 科學家在使用超級計算機時面臨的主要挑戰是，以一種充分利用機器設計方式的方式分解他們想要解決的問題。如今，超級計算機透過將成千上萬個處理器連線在一起而提高效能，每個處理器處理一個難題的一部分。然而，並非所有問題都適合這種策略，包括那些需要難題的每個部分與許多其他部分通訊的問題。這意味著模擬密集連線節點的複雜網路（例如，人腦）非常困難。
“網路中的複雜性目前是一個非常困難的問題，但我們可以在某種程度上透過處理能力繞過它，”貝滕科特說。“足夠快的計算可以模擬如此複雜的網路。這只是一個能量效率較低的解決方案。大腦可以用大約 20 到 30 瓦的功率完成的事情，千萬億次級的超級計算機需要兆瓦級的功率才能完成。”
此外，將每個突觸描述為每秒發射約 10 次的簡單模型未能捕捉到真實系統的全部複雜性。“當然，要描述生物神經元或突觸，你需要做更多的計算，”貝滕科特說。
儘管如此，模擬人腦的更大挑戰在於，對於大腦如何運作，我們仍然知之甚少。“很明顯，我們沒有類似於人類可以做的事情的模型或理論，”貝滕科特說。“如果我們要求最好的計算機演算法檢視自然物體或影像來識別它們，它們的成功率接近 70% 到 90%。這聽起來可能不錯，但如果您在過馬路並且只有 90% 的機會識別出汽車，您將活不長。”
模擬人腦的能力也引發了許多圍繞人工智慧的道德和倫理問題。“你面臨著創造人造生命或意識，或者創造一個旨在為您服務的人腦模擬的問題，”貝滕科特說。“還有一個事實是，您可能會想象使其比我們的大腦更快更強大，以實現它們接管的通常科幻情景。”
有人可能還會爭辯說，嘗試模擬意識“是在削弱我們人性的神秘感，這也許是太難或太危險的事情，”貝滕科特指出。
解決方案？ 在嘗試模擬人腦之前，模擬更簡單的大腦（例如昆蟲的大腦）是有意義的。另一種方法是模擬人腦的一部分而不是整體——事實上，貝滕科特和他的同事正在研究模擬人類視覺皮層。
貝滕科特指出，為了理解視覺，人們必須超越僅僅模擬神經元和突觸。“視覺需要大量的反饋——大腦關注特定的物體和特徵，例如面孔，將其他物體排除在外，從一個物體移動到另一個物體，創造越來越高階的場景表示，所有這些都主要是潛意識的，”他說。“因此，我們必須確保我們擁有正確的視覺機制理論和模型。”
此外，大腦一天可能會接收萬億畫素的資訊，一生中接收的資訊量還要多出數千倍，“沒有人嘗試用如此多的資料訓練大腦的計算機模型，”他補充道。“我們將嘗試使用 Flickr 上的照片和 YouTube 上的影片，讓計算機獲得更長更長的視覺體驗，看看它們如何改進——換句話說，給它們一個有點像嬰兒的發育期。”
“我們從神經科學中獲得的關於大腦如何運作的知識越多，我們就越能建立系統級模型，在計算機上測試它們，修補它們並再次測試它們，以進行持續的實驗和進步迴圈，”貝滕科特說。“這將產生很大的不同。”
路易斯·貝滕科特的圖片：聖塔菲研究所
*
如果您有想推薦我提問的科學家，或者您是一位科學家，並且有一個您認為對科學來說可能太難的想法，請透過電子郵件傳送至toohardforscience@gmail.com
透過關注#2hard4sci 標籤在Twitter上關注對科學來說太難了？。
關於作者：查爾斯·Q·崔是《大眾科學》的撰稿人。他的作品也曾出現在《紐約時報》、《科學》、《自然》、《連線》和《生活科學》等刊物上。在他的業餘時間，他已經走遍了七大洲。在Twitter上關注他@cqchoi。
所表達的觀點是作者的觀點，不一定代表《大眾科學》的觀點。