6月20日消息，据国外媒体报道，随着苹果、Facebook以及亚马逊等科技公司竞相开发人工智能以及脑机接口技术，神经科学家对大脑活动的相关研究受到越来越多的重视。很多神经科学家因为更好待遇以及更好的机会，选择从学术界跳槽至科技界从事相关基础研究，用他们对大脑活动的深刻理解为技术应用服务。

Jaguar是一只老鼠。它住在哈佛大学罗兰研究所(Harvard’s Rowland Institute)的实验室里。Jaguar的主要工作是在一个有着电影《发条橙》类似风格的平台上玩电子游戏。Jaguar被四周的金属棒关在一个小平台内，任务是通过触觉找到虚拟盒子的边缘。Jaguar用右爪抓住可以360度旋转的操纵杆，直至感觉到机器的反馈。当Jaguar到达正确的目标区域，比如说盒子的边缘，就会得到一滴糖水作为奖励。

为了追踪Jaguar的大脑活动，研究人员对它进行了基因改造，让其大脑中的神经元在放电时发出荧光。平台上方的显微镜记录下Jaguar玩耍时大脑发光的图像。“你可以教它们新的规则，并观察成千上万的神经元如何学习这个过程，看看大脑活动是如何变化的，”负责这项实验的神经学家麦肯齐·马西斯(Mackenzie Mathis)说。

在过去的几十年里，马西斯的研究只会推进人类对老鼠和大脑功能的理解。然而，如今越来越多的专业动物研究人员开始协助开发人工智能软件和脑机接口，马西斯只是其中之一。她想要发现老鼠是如何进行学习的，部分原因是这可以告诉人类如何教电脑学习。例如，观察老鼠在视频游戏中对意外情况的反应，或许未来某天能让人类把类似技能传授给机器人。

其他一些神经科学家正在研究斑胸草雀的歌唱技巧。而一些人正在成为绵羊头骨导电性方面的专家。还有更多的科学家选择研究果蝇或者蠕虫这种神经结构相对简单的生物。在过去的几年里，大型科技公司一直在从大学挖走相应人才。马西斯说，苹果、Facebook、谷歌和Twitter都从自己领导的一个奖学金项目中聘用了博士生：“博士生在拿到学位之前就有工作了。”

当然，动物长期以来在推动企业科学研究方面发挥着重要作用，在医疗领域尤为如此。但是，要想把斑胸草雀的发声器官解剖结构转化为Siri语音识别软件，或者把老鼠做游戏转化为亚马逊公司运营全安Android软件，这种技术飞跃完全不同。随着整个新产业的挑战不断，揭开动物思维秘密的竞赛变得越来越奇特。

1958年，康奈尔大学神经生物学家弗兰克·罗森布拉特(Frank Rosenblatt)开发了一款感知器，这是最早尝试通过计算机模拟大脑结构的设备之一。它的处理单元，也就是罗森布拉特所说的神经元，能够协调工作，从而确定一张特定照片显示是男人还是女人。这种感知器是对图像识别的一种原始尝试。而如今，感知器这一概念被取代，Facebook、谷歌和其他公司将他们庞大的人工智能计算系统描述为“神经网络”，由数百万个神经元协同工作。

即使在今天，这种概括也极力夸大了计算和认知领域的重叠。对于科学家来说，复制并不真正理解的东西相当困难。诸如神经元如何存储记忆等大脑工作原理对神经科学来说仍然是个谜，因此人脑神经元的数字化对应物只能是有缺陷的模仿。它们经过训练的初级处理引擎，可以执行大量的统计计算和模式识别，虽然获得一个生物学的名称，但离真正含义却依然很远。

尽管如此，随着科技行业追逐所谓的一般人工智能(AGI)，这两个领域之间的壁垒变得没有那么坚不可摧了。一般人工智能的目标是一个具有感知功能的机器，可以自己解决问题，而不是依靠人类来训练它。让一些伦理学家感到宽慰的是，我们离一般人工智能还有很长一段路要走，但许多计算机科学家和神经科学家打赌，大脑研究将为我们指明道路。

另外，几家公司正在努力打造脑机接口，比如说帮助假肢像自然肢体一样活动，或者让人们将知识下载到自己的大脑中。硅谷明星企业家埃隆·马斯克(Elon Musk)领导的Neuralink就是这样一家公司，由科技富豪布莱恩?约翰逊(Bryan Johnson)运营的Kernel也是如此。神经科学家正在为这些初创公司提供各种建议，包括如何穿过头骨传导海量信息，以及确保电极不会在测试对象身上引起感染。

马西斯的实验室就在进行这些技术的基础性研究。“这是我们的老鼠宫殿，”她说着打开了一间屋子的门，里面有几十只关在塑料笼子里的老鼠。动物们四处蹦蹦跳跳，在看到游客的时候，还昂起头抖动着胡须。干净的房间里只散发出啮齿动物的些许气味，一盏红色的灯亮着，以确保这种天生夜行的动物能够在白天保持清醒，随时准备为科学做出贡献。

相应研究包括虚拟盒子游戏和一种看起来像马里奥赛车的游戏，似乎难度更大。对于后者，一只老鼠跨坐在两个定制的电动圆盘上，爪子嵌在两边的凹槽里。屏幕显示一个绿色通道，末端是一个蓝色矩形。实验老鼠驾车试图接近蓝色矩形，它必须小心驾驶以保持在虚拟路径上。和人类一样，这些老鼠在玩耍时的目光呆滞。整个实验大约会持续半个小时的时间。

显微镜会观察老鼠大脑，记录下数量惊人的信息。马西斯说:“我们可以同时覆盖老鼠的大部分感觉、运动皮层和决策区域。”研究人员有时会改变游戏的规则和控制——例如，让拉动操纵杆产生之字形运动而不是直线运动——然后观察神经元的发光有何不同。马西斯还会破坏一部分神经元，例如与学习相关的节点，以检查其余神经元的反应。该研究早期的一个发现是:当涉及到理解时，感觉皮层似乎和运动皮层共同发挥着比之前认为的更大作用。她说:“这些神经元不仅仅参与一件特定的事情。”

马西斯研究的主要目的之一是了解更多关于动物如何快速适应物理环境变化的知识。例如，当你拿起一个未知重量的物体时，你的大脑和身体会迅速计算出需要施加多大的力。目前，机器人还无法做到这一点，但注入老鼠神经元学习模式的机器人有可能做到。马西斯说，老鼠可以帮助弥补这一差距。它们的大脑足够复杂，可以完成高级决定;但同时也足够简单，让研究人员能够在合理时间内推断出这些联系。

直到最近，人们才开发出功能强大的计算机，能够采集、处理和分析小鼠大脑中大约7500万个神经元中的一小部分所产生的数据量。最近几年人工智能软件才有了长足进步，从而将大部分研究工作自动化。马西斯和她的丈夫亚历克斯·马西斯(Alex Mathis)开发了一款名为DeepLabCut的开源软件，可以追踪实验老鼠的运动。该应用程序使用图像识别技术，跟踪老鼠在玩游戏时的微小动作变化，并跟踪它对糖水奖励的反应。

科学家们过去通常依靠人力来完成类似工作。现在，该软件只需几分钟就能完成过去需要几周或几个月人力劳动才能完成的任务。亚历克斯说：“2015年有一篇关于灵长类动物的论文，研究者针对猴子日常活动追踪了相当多的身体部位变化，比如指关节、四肢和一只手臂等等。”“这篇论文的第一作者写信给我，说如果有DeepLabCut的帮助，他本可以提前两年拿到博士学位。”现在有200多个研究中心使用DeepLabCut跟踪各种动物的动作。

这类软件开发和数据分析也引起了科技公司对神经科学家的兴趣，就像他们对动物认知的理解需求一样强烈。现代的大脑研究人员必须知道如何编码并处理大量信息，就像谷歌的人工智能工作人员会改进广告算法或者能让自动驾驶汽车进行并线一样。以动物为中心的神经科学家也习惯于使用非传统的研究方法。 “你往往会遇到有创意的人，他们有点牛仔的味道。” 麦肯齐说，“总有些愿意把自己职业生涯押注到研究黑匣子的人。”

蒂姆·奥奇(Tim Otchy)不拿老鼠实验。他研究鸟类。奥奇是波士顿大学的研究助理教授，右臂上纹着一只斑胸草雀。这是一只矮矮胖胖的小鸟，有着明亮的橙色喙，站在树枝上忧郁地凝视着天空。“我真的很喜欢鸟类，”他坐在堆满书的办公室里，逐一列举出细胞黏菌、非线性动力学、混沌学以及大脑进化原理等等。

上世纪90年代末，奥奇在乔治亚理工学院(Georgia Institute of Technology)攻读机械工程专业，也曾在一家专门从事自动化工厂系统研发的公司工作。他的工作是教机器人识别小工具或者汽车零部件，并在传送带上对它们进行分类。他说:“这对我来说真是难以置信。”这些都是孩子们能做的事情，但工作的挫败感让他下定决心要揭示感知、决策和学习的内在机理。他离开了工厂，最终转向神经科学和斑胸草雀。

像斑胸草雀这样的鸣禽有一种不寻常的技能。尽管大多数动物本能地知道如何发出声音，但斑胸草雀会模仿它们听到的声音，然后改变曲调，似乎对所听到的曲调有一些语义上的理解。几十年的研究已经确定了雀类大脑中负责这种行为的结构，也就是众所周知的发声核团。对这一领域的研究使科学家对神经回路的功能有了更深入的了解，同时也为其他有关人类运动、感觉和情感的研究提供了信息。弄清楚鸟类是如何互相模仿鸣叫声的，可以帮助解释如何做同样的事情，这对于如何训练机器掌握语言技能非常重要。

在波士顿大学的一个鸟舍，奥奇与大约300只鸟一起工作。在其中一项实验中，研究人员将为一只斑胸草雀配备一个微型背包，背包里的电池可以为附着在头骨上的大量电子设备提供动力。然后，这只鸟被放置在一个微波炉大小的隔音箱内，它会连续几天鸣叫，而奥奇和他的团队通过类似于马西斯用在老鼠身上的机制观察斑胸草雀的大脑。随着研究人员对斑胸草雀的发声核团了解得越来越多，对斑胸草雀大脑的理解也越来越精确。“虽然现在我们还不知道如何在大脑中储存如何骑自行车、驾驶直升机或说日语的信息，”奥奇说。“总有一天，我们会有这样的知识。”

奥奇负责加德纳实验室之前，其前任蒂姆·加德纳(Tim Gardner)请假到马斯克的Neuralink工作。行内人对马斯克的愿景普遍感到兴奋，而加德纳的离开在神经科学家和学生中也引起了不小的轰动。奥奇说:“目前这只是一个幻想，但在遥远的将来，或许有一天我们真的可以把信息直接写进大脑……太神奇了。”“我很高兴能够为解决这个问题做出一点哪怕是很小的贡献。”

鸣禽研究人员是人工智能领域最热门的雇员之一。在加州大学伯克利分校完成学位论文并在苹果公司工作一段时间后，钱宁?摩尔(Channing Moore)加入了谷歌的声音理解小组，主要开发与谷歌图像识别软件一样复杂的声音识别系统，能够区分出警报声和婴儿的哭泣声。在英特尔公司，伯克利分校的另一位博士泰勒·李(Tyler Lee)正利用他对斑纹雀的研究改进语音处理技术，最终有望应用于Siri等语音助理。“我们正试图提出非常相似的问题，”他说。“我怎样才能接收听觉输入，并以一种人类理解的方式来处理它?其中的噪音是什么，所处的语境是什么?”

伯克利大学教授弗雷德里克·休尼森(Frederic Theunissen)是摩尔和李曾经所在实验室的负责人。“如果你对自动语音识别、语义理解等感兴趣，你就会拥有特殊的技能，” 休尼森说。基于语音识别的设备安全系统就是一个例子。另一方面的应用是减少电话和视频的噪音信息。这个应用来自于摩尔对鸟类析除噪声的研究。斑胸草雀的神经元能够从周围的杂音中分辨出另一只雀的叫声。

自上世纪70年代以来，学者们一直试图宣告这是神经科学的时代，但在本世纪初，年轻神经科学毕业生的前景渺茫，相关专业的深造人数也很低。根据美国教育部的数据，15年前，美国大学的神经科学本科毕业生不足1500人，授予的博士学位不足400人。即使在这种情况下，学校也无法为其提供足够的全职工作或助学金。

2005年德鲁?罗布森(Drew Robson)从普林斯顿大学毕业并获得数学学位时，他的本科导师给了他一条令人难忘的建议：无论你做什么，都不要从事神经科学。罗布森没有理会，而是和他的伴侣、恋人珍妮弗·李(Jennifer Li)一起来到了罗兰研究所(Rowland Institute)旗下的罗利实验室。他们见证了这个领域的飞速发展，现在美国学校每年授予大约5000个神经科学学士学位和600个博士学位。罗布森表示:“过去10年，我们经历了工具的爆炸式增长。

罗利团队研究斑马鱼，这是鲦鱼家族中的成员，当它们年轻的时候身体是透明的，这使得研究人员可以直接对其神经元进行观察。罗布森和李发明的一种特殊移动显微镜可以帮助他们记录鱼游泳时哪些神经元是活跃的。为了捕捉斑马鱼行为的不同方面，研究人员会改变神经元电流刺激，从而导致斑马鱼转向或继续加速朝前游。

和许多同龄人一样，罗布森和李非常了解脑科学和人工智能技术之间的关系。去年，这对夫妇买了一辆特斯拉电动汽车，他们的专业素养也乐于看到这辆车的自动驾驶系统不断发展。当特斯拉躲避其他车辆时，让人回忆起斑马鱼的策略，比如当它们发现捕食者时，会从捕猎模式快速切换到快速游泳模式。随着特斯拉试图将自动驾驶技术从基本的物体识别提升到类似人类的决策，罗本森和李对此类行为的深入理解有朝一日可能会让特斯拉的神经网络有所改进。

“这牵扯到更多量级的数据，”李说。“如果你利用生物学，就能够走捷径，而不必重新进行发明创造。”罗布森说，他不介意有朝一日帮助特斯拉解决这类问题。

在神经科学领域，公共机构和私营企业之间的软边界提出了一个问题:最终谁将控制人类和机器之间可能的合并。长期以来进行超前研究的大学，如今正受到拥有更强大计算机和更丰富数据集的科技公司的竞争。一个刚获得博士学位的人在一所普通大学的年薪只有5万美元左右，而私营企业提供的年薪远高于6位数，甚至更高。克里斯·弗莱(Chris Fry)也曾经研究斑马鱼，在离开休尼森实验室的15年内，其已经成为Twitter高级工程副总裁，年薪高达1030万美元。“有大量学术界人才涌入科技界，”马西斯表示，“留在学术界是一种抉择。”

除了工资，许多神经科学家被吸引到私营部门，因为这往往给他们一个机会做更令人兴奋，甚至更奇怪的工作，而且不用去写拨款申请。然而，转投硅谷也可能意味着中断有前途的研究路线，或让同事们随波逐流。当加德纳离开实验室去Neuralink工作时，他的一个博士生不得不转学。

李和罗布森将于今年9月份前往德国图宾根的马克斯·普朗克生物控制论研究所(Max Planck Institute for Biological Cybernetics)学习。这对夫妇留在了学术界，因为他们喜欢罗布森所谓“校园环境”的自由和灵活性。“是的，动物实验可以对无害、无助的动物做出非自然的事情。他们也可以推崇人性化的视角——这才是我们可能想要看到的人工智能。”

四年前，在他们完成可追踪显微镜之前，李和罗布森正在使用一种粘性凝胶来保持斑马鱼在原地游动几个小时，以探究它们的神经元是如何发光的。一天早上，这两人来到实验室，发现了一个大惊喜：他们离开时就在游的斑马鱼18个小时后仍在游动，远远超出了他们的预期。“这只动物是冠军，”罗布森说。“完美”,李补充道。“它的行为很完美。”由于实验的严谨性，研究人员没能把这位鱼类英雄留给后代，但他们做了第二件好事:李和罗布森把这条斑马鱼的母亲安置在水族箱里作为宠物饲养。

罗布森和李表示，人工智能和脑机接口技术的发展将迫使人类变得更加人性化。毕竟，如果我们的目标之一是将我们自己的道德灌输给机器，我们将不得不比以往更多地纠结于道德是什么。谁应该拥有增强思考的能力?自动驾驶汽车应该选择拯救乘客还是行人?机器该有多聪明?“这在本质上是一个道德问题——也就是你如何衡量生命。”李如是指出。

罗布森说:“它迫使我们严格要求自己的道德底线。”“你必须做出承诺。”(腾讯科技审校/皎晗)