本文发表于《大众科学》的前博客网络，反映了作者的观点，不一定反映《大众科学》的观点
超级计算机可能很快就能达到大脑的算力，但对于大脑如何运作，我们知之甚少
在“对科学来说太难了？”中，我采访了科学家们，询问他们渴望探索但认为无法研究的想法。例如，它们可能涉及超出可能性的机器，例如像太阳一样大的粒子加速器，或者它们可能完全不道德，例如涉及人类的致命实验。此专题旨在审视不可能的梦想，科学中看似棘手的问题。然而，“对科学来说太难了？”末尾的问号表明，没有什么是不可能的。
科学家：路易斯·贝滕科特，洛斯阿拉莫斯国家实验室的研究科学家，圣塔菲研究所教授。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您将有助于确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
想法： 大脑是我们所知的最强大的计算机，“理解大脑是科学的终极挑战之一，”贝滕科特说。“这是使人类与众不同的原因。我们想知道它做什么以及它是如何工作的。”
人脑大约有 1000 亿个神经元，大约有 1000 万亿（一百万个十亿）个连接将这些细胞连接在一起，每个连接或突触通常每秒发射约 10 次。然而，迄今为止最先进的计算机现在几乎足够强大来模拟它，贝滕科特解释道。
例如，据估计人脑的视觉皮层以大约每秒一千万亿次浮点运算（petaflop）的速度运行。世界上有史以来最强大的超级计算机现在能够实现千万亿次级性能——目前最快的是中国的“天河一号A”系统，最大性能可达 2.57 千万亿次浮点运算，而 蓝色巨人 预计将于今年在伊利诺伊大学上线，不仅峰值性能可能高达 10 千万亿次浮点运算，而且应该能够实现至少 1 千万亿次浮点运算的持续性能。
“除了千万亿次级计算之外，美国能源部已经制定了百亿亿次级计算的计划，这又快了一千倍，”贝滕科特说。“我们可能会在 2018 年或 2020 年看到它。”
至少有两个小组目前正在尝试模拟人脑，包括 IBM 阿尔马登研究中心的达门德拉·莫德哈领导的小组和洛桑联邦理工学院的亨利·马克拉姆领导的小组。“模拟人脑的工作方式可能有助于阐明如何解决认知障碍，”贝滕科特说。“最终，这可能会阐明我们的意识是如何运作的。”
问题： 科学家在使用超级计算机时面临的主要挑战是，以一种充分利用机器设计方式的方式分解他们想要解决的问题。如今，超级计算机通过将成千上万个处理器连接在一起而提高性能，每个处理器处理一个难题的一部分。然而，并非所有问题都适合这种策略，包括那些需要难题的每个部分与许多其他部分通信的问题。这意味着模拟密集连接节点的复杂网络（例如，人脑）非常困难。
“网络中的复杂性目前是一个非常困难的问题，但我们可以在某种程度上通过处理能力绕过它，”贝滕科特说。“足够快的计算可以模拟如此复杂的网络。这只是一个能量效率较低的解决方案。大脑可以用大约 20 到 30 瓦的功率完成的事情，千万亿次级的超级计算机需要兆瓦级的功率才能完成。”
此外，将每个突触描述为每秒发射约 10 次的简单模型未能捕捉到真实系统的全部复杂性。“当然，要描述生物神经元或突触，你需要做更多的计算，”贝滕科特说。
尽管如此，模拟人脑的更大挑战在于，对于大脑如何运作，我们仍然知之甚少。“很明显，我们没有类似于人类可以做的事情的模型或理论，”贝滕科特说。“如果我们要求最好的计算机算法查看自然物体或图像来识别它们，它们的成功率接近 70% 到 90%。这听起来可能不错，但如果您在过马路并且只有 90% 的机会识别出汽车，您将活不长。”
模拟人脑的能力也引发了许多围绕人工智能的道德和伦理问题。“你面临着创造人造生命或意识，或者创造一个旨在为您服务的人脑模拟的问题，”贝滕科特说。“还有一个事实是，您可能会想象使其比我们的大脑更快更强大，以实现它们接管的通常科幻情景。”
有人可能还会争辩说，尝试模拟意识“是在削弱我们人性的神秘感，这也许是太难或太危险的事情，”贝滕科特指出。
解决方案？ 在尝试模拟人脑之前，模拟更简单的大脑（例如昆虫的大脑）是有意义的。另一种方法是模拟人脑的一部分而不是整体——事实上，贝滕科特和他的同事正在研究模拟人类视觉皮层。
贝滕科特指出，为了理解视觉，人们必须超越仅仅模拟神经元和突触。“视觉需要大量的反馈——大脑关注特定的物体和特征，例如面孔，将其他物体排除在外，从一个物体移动到另一个物体，创造越来越高级的场景表示，所有这些都主要是潜意识的，”他说。“因此，我们必须确保我们拥有正确的视觉机制理论和模型。”
此外，大脑一天可能会接收万亿像素的信息，一生中接收的信息量还要多出数千倍，“没有人尝试用如此多的数据训练大脑的计算机模型，”他补充道。“我们将尝试使用 Flickr 上的照片和 YouTube 上的视频，让计算机获得更长更长的视觉体验，看看它们如何改进——换句话说，给它们一个有点像婴儿的发育期。”
“我们从神经科学中获得的关于大脑如何运作的知识越多，我们就越能创建系统级模型，在计算机上测试它们，修补它们并再次测试它们，以进行持续的实验和进步循环，”贝滕科特说。“这将产生很大的不同。”
路易斯·贝滕科特的图片：圣塔菲研究所
*
如果您有想推荐我提问的科学家，或者您是一位科学家，并且有一个您认为对科学来说可能太难的想法，请通过电子邮件发送至toohardforscience@gmail.com
通过关注#2hard4sci 标签在Twitter上关注对科学来说太难了？。
关于作者：查尔斯·Q·崔是《大众科学》的撰稿人。他的作品也曾出现在《纽约时报》、《科学》、《自然》、《连线》和《生活科学》等刊物上。在他的业余时间，他已经走遍了七大洲。在Twitter上关注他@cqchoi。
所表达的观点是作者的观点，不一定代表《大众科学》的观点。