神经科学家能否理解计算机微处理器？

选自：TheEconomist

整理：机器之心编辑部

论文地址：

但美国科学公共图书馆（thePublicLibraryofScience，PLOS）的计算生物学版面最近发表了一篇论文，该论文利用神经科学家最爱的类比——把大脑比作算机，质疑更多信息是否等同于更加理解。计算机与大脑类似，通过围绕复杂电路进行电处理来处理信息；但它又与大脑的工作不同——它的工作在每一层面都已被理解。

加利福尼亚大学伯克利分校的EricJonas和芝加哥西北大学的KonradKording都具有神经科学与电子工程学的背景，他们认为现代神经科学使用计算机来测试分析工具收效甚好。他们想知道将这些技术应用到微处理器时，能否产生与已知的芯片工作方式相匹配的信息。

他们测试使用的是首次开发于1975年的MOS6502技术，它在早期Atari、苹果和Commodore计算机等其他技术中以动力著名。6502仅含有3510个晶体管，爱好者可以毫无困难地创建一个仿真过程，对每一晶体管的电状态建模，也能在虚拟芯片运行特定程序时，对使晶体管相互连接的数千根电线上的电压进行建模。该仿真过程每秒约产生1.5吉字节的数据，这个数据量很大，但仍处于目前用于探测生物大脑奥秘的算法的能力范围内。

芯片的衰落

脑科学中存在一个普遍策略，即比较非健康与健康大脑。如果大脑中某部分的损伤可以导致可预测的行为变化，那么研究人员可以推断大脑该部分的功能。例如，破坏老鼠的海马体——大脑底部的两个小型香蕉状结构，能够显著干扰它们识别物体的能力。

当这个方法应用于芯片时，产生了有趣的假阳性现象。研究人员发现，禁用一个特定的晶体管组，会阻止芯片运行“DonkeyKong”（任天堂游戏产品，该公司也创造了风靡世界的Mario游戏）的启动序列，同时又保存其运行其他游戏的能力。但Jonas博士指出这将是一个错误，因为最终这些晶体管将单独负责“DonkeyKong”。其实真相更加玄妙：它们反而是实现更基本计算功能的回路的一部分，该计算功能对于加载单一而非群体软件至关重要。

另一种神经科学方法便是寻找神经细胞群的活动与特定行为之间的相关性。应用于芯片时，研究人员的算法发现了五个晶体管，它们的活动与屏幕上最新显示的像素亮度强烈相关。这个看似重要的发现在很大程度上再次被证明是一个错觉。Jonas和Kording博士知道这些晶体管并不直接涉及屏幕上的绘图（在Atari中，这是另一个完全不同芯片的工作——电视接口适配器）。它们仅在平常意义上涉及程序某些部分的使用，这些程序最终决定屏幕内容。

研究人员还分析了芯片的接线图，生物学家称之为连接器。将它提供给分析算法后，产生了许多芯片内部一些结构中存在的看似令人印象深刻的数据，尽管在仔细检查后只有少量数据有用。这些模式是不相关结构的混杂，而这些结构在被强调时具有误导性；这符合真实神经科学中令人沮丧的经验。研究人员已拥有一个小型蠕虫的完整连接组——开发于1986年，且仅含302个神经细胞的Caenorhabditiselegans。比起对拥有百万倍组件的计算机芯片的了解，他们对这个生物“大脑”的运作方式的了解更加有限。

Jonas博士说，存在的根本问题是，神经科学技术找不到研究者清楚知道方位的很多对于理解实际发生的事情至关重要芯片结构。芯片由晶体管制成，而晶体管是微型电子开关。它们被组织成实现简单逻辑运算的逻辑门，逻辑门组织成诸如加法器（其功能显而易见，正如它们的名字一样）之类的结构。一个算术逻辑单元可能包含几个加法器等等。

然而推断这种高级结构的存在十分困难，这种结构可以确切解决芯片内的电流紊乱如何导致卡通猿把桶扔向水管工的问题。这不是神经科学独有的问题。Jonas博士对人类基因工程（HumanGenomeProject，于2003年，在付出了英雄般的努力之后，完成了全部人类基因的排序）做了比较，期望这将为包括从癌症到衰老的一切问题提供洞见。但结果证明，想从中提取这些种类的启示比预期更艰难，最终只剩下写于遗传代码四个字母中的一个长串字符。

事情并不绝望。例如，研究人员的算法确实检测到了主时钟信号，该信号能够协调芯片不同部分之间的运作。一些神经科学家批评了这篇论文，主张芯片和大脑间的类比并非那么接近，不像分析技术那样彼此之间自动适用。

法国计算机科学与自动化研究所的机器学习专家GaëlVaroquaux谈道，6502与大脑截然不同，这样的原始芯片会顺序性处理信息。大脑（与现代微处理器）一次性戏耍了许多计算。他指出，正是由于所有的局限性，神经科学才真正取得了进步。视觉系统的部分的输入和输出，例如它分类线条和形状特征的方式，很容易理解。

Jonas博士承认了这两点，他说：“我不想声称神经科学没有任何功绩！”。相反，他重回到人类基因工程的类比当中，其产生的数据以及由现代更优的基因测序仪产生的大量额外信息必然有用。但在理解方面出现飞跃发展的虚幻希望已然破灭。获取数据是一回事，弄清其所说是另一回事。

论文：CouldaNeuroscientistUnderstandaMicroprocessor?

摘要

神经科学中普遍相信我们的瓶颈主要是数据限制，并且借助高级数据分析算法可以创建大型多模态的复杂数据集，这将使我们能够基本了解大脑处理信息的方式。这些数据集尚未出现，但若它们出现，我们也无法评估算法合成的洞见是否充足甚至是否正确。为解决这个问题，我们使用典型的微处理器作为有机体模型，并执行任意实验，以探究神经科学中流行的数据分析方法能否阐明其处理信息的方式。微处理器属于人工信息处理系统，它们都很复杂，但我们能从源自总体逻辑流程，途经逻辑门，再到晶体管的动态进行所有层面的了解。实验表明，这些方法揭示了数据中有趣的结构，但没能充分描述微处理器中信息处理的层次结构。这表明神经科学中现有的分析方法在不考虑数据数量的情况下，也许无法产生对神经系统的充分理解。此外，我们支持科学家根据已知的地面实况，来使用复杂的非线性动力系统，如微处理器——时间序列和结构发现方法的验证平台。

很赞哦!（79）