大腦能否上傳網路？

圖片來自網路

致 愛做夢的你

27

五月

星期日

科幻電影《超能查派》描述了人工智慧機器人「查派」成為了世界上第一個自我覺醒的機器人，而且它擁有超乎尋常的天賦，成功將兩位人類的大腦意識傳遞上網路，並移植到機器人身上。

雖然這部科幻電影給大眾展示將大腦意識進行上傳網路的設想，

但是隨著現代計算機技術和人工智慧（Artificial Intelligence）的高速發展，不禁讓人猜想：

人類大腦能否上傳到網路？

人類大腦上傳網路只是存儲記憶？

如果技術成熟，如何將人類大腦上傳到網路？

大腦只是神經系統其中一部分，如何逐步將大腦上傳網路，就得先來簡單了解一下人類神經系統是怎麼運作的。

神經系統接受外界信息的傳導方式

人類是通過自身感覺來了解自然世界。

萬千世界，我們每天看到的景象，聽到的聲音，聞到的氣味，嘗到的美味，觸摸到的物體，這些感官感覺幫助我們認識了解世界。

在現實生活中，我們能觸摸到物體，聽到外界的聲音，聞到氣味，品嘗味道，看到色彩這些信息都通過身體上各種各樣的感受器傳遞進中樞神經系統，例如皮膚上的神經末梢對外界的觸摸，壓迫，振動或溫度有著敏感的反應；鼻子裡面的嗅感受器將外界氣味信息傳遞到約100000個嗅感受神經元，舌頭表面味蕾中包裹著味感受器來傳遞咸酸苦辣鮮味的味覺刺激；耳朵的機械感受毛細胞不但對聲音振動敏感，而且對頭部運動也非常敏感；眼睛中含有視色素的光感受器:視桿和視錐對光產生敏感反應等等。

這些感受器不但確定人體感覺敏感度的極限，而且還決定能被檢測到和發生作用的刺激的範圍。

因此會出現一些人對撓痒痒非常敏感，一些人能經常注意到輕微聲音等感受差異的現象。我們人類的身體經過千百年的進化後形成了每一類神經元的感受器特化為僅對一類刺激有良好的反應。例如舌上感受器只對化學味質有反應，眼睛的視桿和視錐細胞對光產生反應等。

但是這些外界刺激引起感受器的反應又是相互影響和交融，例如看到檸檬話梅，你會感覺口腔有酸酸感覺，從而分泌唾液；我們蒙上眼睛卻能夠通過手指觸感來分辨手上物體形狀和特徵(據說賭神就有這方面的特長技能)；耳朵內耳里的機械感受毛細胞能協助眼睛保持與頭部轉動過程中調節視覺方向（暈車反應也是這群毛細胞的「惡作劇」）。

這些感受器會因為基因表達，後天環境影響和發育的差異產生明顯的個體差異。

例如有些人天生五音不全，對酸辣不敏感，紅綠色盲等。這些外界信息轉導的方式是個體生長發育形成的特徵之一。具體來說，你看到的景象，聞到的氣味，聽到的聲音，嘗到的味道和觸摸的感覺都被刻上你個人的特徵。例如在舞會成群的女孩當中，你一眼就發現了自己喜歡的女孩，而且眼裡只有她的身影，而其它女孩的樣子都被自動模糊；坐在喧鬧的酒吧里，朋友能精確分辨出你的呼喚聲；孩子能準確識別出母親身上的味道。

感受器傳遞的感覺與個人職業有著密切關係：廚師雙手對熱燙的敏感度降低；醫院的護士醫生對酒精氣味的不敏感等等。因此我們身體上的感受器隨著我們的偏好而產生個性化的改變。

如果能將這些龐大感受器接受外界各種刺激信息的轉導方式能逐一編碼上傳網路，才能進行下一步工作:大腦神經元之間的通訊。

大腦神經元之間的通訊

身體的各種感受器收集外界的所有信息的需要神經元傳遞進入大腦。

Suzana Herculano-Houzel 教授發現人類成年人大腦平均約有860億個神經元。而這個數目並非一成不變，會隨著年齡的增長而發生增加或衰減。如此數目龐大的神經元還可以根據分支和軸突的差異分為不同的種類，介導著不同的功能。這就好像電腦主板上的各類細小二極體和三極體。

電腦主板上的零件依靠銅箔線路來連接，而神經元以一種高度特異的方式彼此連接，連接處被稱為突觸。

神經元可以通過直接突觸傳遞，間接傳遞和神經遞質等方式來傳導信息。每一種傳遞方式都是巨大而複雜的工程。例如直接突觸傳遞中的電傳遞需要神經元之間保持很低的阻抗，化學傳遞需要突觸前的神經元合成多種化學物質。而且電傳遞在傳導信息的過程中不存在延遲，而化學傳遞會出現接近1ms的延遲。儘管電傳遞和化學傳遞的原理各不相同，但是兩者又常共存在一個突觸上。這兩種傳遞方式不但相輔相成，而且協助大腦在接收傳遞外界多種信息提供了最優化的方案。擔負著複雜而龐大的信息傳遞的神經元突觸連接是目前計算機中任何一個傳遞線路和零件都難以望其項背。

信息在神經元之間高速傳導的過程中還需要調製突觸的效率，整合機制（對外界各種信息進行建立新的涵義，設定新信號的信息處理機制）。

因此在不同的人類大腦裡面，外界信息的傳導方式相同，但是傳導的頻率和時程不同，對外界信息的整合機制不同，就會導致人類的反應也截然不同。例如奧運會上百米賽跑的起跑鳴槍打響時，出色的運動員就能更快地做出反應，飛奔出去；面對突發危險，有些人被嚇到雙腿發軟，有些人會下意識進行躲避。

如果這些高效而精準的信息傳導方式能逐一編碼上傳網路，才能進行最後一步:大腦感知的構建工程。

感知的構建工程

外界信息通過感覺感受器和神經元的突觸傳導進入大腦，並經過大腦皮層進一步精細處理後，才能產生有意識的經驗。

目前這種方式也廣泛應用在人工智慧系統架構上：通過給予系統大量外界信息進行快速訓練與推理計算平台；系統層針對複雜的計算環境採用管理系統對計算資源進行管理、調度與監控，實現系統的最大化利用；框架層針對不同的需求以及使用習慣，部署不同的深度學習框架。

簡單來說，要教會一個人工智慧系統識別小貓的照片，得給系統輸入成千上萬張貓咪照片，不斷校準系統的演算法來提煉照片中貓咪的特徵，最終在系統中匯總提煉成高級判斷演算法，並且根據演算法對下一張圖片中的動物進行識別和判斷，再校準之前的高級演算法。

這些識別區分的工作在我們人類大腦在兩三歲的時候就能快速完成：在教會兒童看懂識圖認動物的卡片後，兒童就能在現實生活中快速識別哪些動物是貓，哪些動物是狗。

對人工智慧系統而言，這些學習顯得非常艱難，耗時和難精準。最近Uber和特斯拉的無人駕駛汽車發生嚴重車禍，根本原因是人工智慧系統無法準確識別當時的現場情況和危險程度而導致車禍。

我們的大腦面對大量的外界信息傳入，大腦皮層能快速捕獲感覺信號中基本要素的表象，並轉化為特徵組合。

例如我們靠近火源時，看到燃燒的火焰，感受到火焰的高溫，高溫引起皮膚的灼燒痛覺，這些外界信息經過感受器轉導，並通過神經元傳導到大腦皮層進行信息特徵組合，形成火焰是一個什麼物體的概念；如果我們之前有被火燒傷的記憶，那麼大腦皮層會快速協助我們做出火焰危險並遠離的信號。這種將現時經驗與記憶，以及對將要發生的事情進行預期進行比較，這就形成了人類處理外界信息的思維方式。

舉個簡單例子，假設下面兩張是外星人語言的符號，要你區分開哪個讀音是KiKi和BomBom，估計很多人都能大概猜帶有尖頭的符號很可能是KiKi，而圓形的符號更有可能是BomBom。

因為以往的經驗告訴我們，帶尖頭的物體很容易發出尖銳的聲音，圓形的物體更容易發出沉悶的聲響。這些聯想的結果就是大腦皮層結合了我們的知識和經驗而創造出來的。

但是人類大腦結合經驗對外界信息進行加工處理時，往往還加入了個人情感因素。情感因素會導致大腦過濾部分不好的或者不感興趣的信息，最後只剩下自己喜歡的或關注的部分信息。例如下面的圖片中不同人群會看到不一樣的信息，兒童和思想單純的人會看到一張正常的人物合照，但是看錯了的人請好好反思為什麼會看到奇怪的東西。

由此可見情感因素會影響大腦對外界信息的分析，處理和判斷，從而影響做出下一步的決策。這種糅合了知識經驗（記憶），情感的思維方式也成就了人類獨特的個體特色。

如果將大腦上傳網路，單獨上傳記憶無疑將會成為個人回憶錄的網盤，上傳個人情感和思維方式卻是非常困難的事情。因為個人情感和思維方式都是無法利用計算機的數字系統進行模擬和演算。

在犯罪學中，警察可以通過宏觀預測方法的特爾斐法，相關因素分析法和微觀預測方法的伯吉斯再犯分析法等，來推測犯人的行為習慣或者高頻案發地點，從而進行達到抓捕或預防的效果。但這些都只是根據犯人的思維或行為習慣和犯罪數據統計體系進行推斷，無法對犯人的個人情感因素或思維方式進行具體的模擬和演算。雖然阿爾法狗（AlphaGo）通過深度學習能成為第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智慧程序，但是它永遠學不會戰勝對手時的興奮和快樂，也體會不到對手戰敗時的失落和無奈。

綜上所述，無論是外界信息的傳導，神經元之間的信息傳遞，感知的構建，這三大塊「工程」都無法利用計算機技術進行模擬和演算，因此奢望將大腦上傳到網路的夢想還是遙不可及。

GIF

有您的關注和轉發是我最大的動力！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！