微信号:almosthuman2014

介绍:人与科技的美好关系

深度 | 对话MIT认知专家Ed Boyden:大脑如何计算思想?

2016-02-18 19:27 机器之心

来自edge

机器之心编译出品

编译:Rita、chen、吴攀、汪汪、孟婷、柒少


科学的发展历史告诉我们,工欲善其事,必先利其器。有了研究的工具,你就能从中得到数据。通过数据,你就能建立理论,从而达到理解的目的。ED BOYDEN是MIT媒体实验室和McGovern研究所的生物工程及脑认知科学教授。他的主要研究领域是合成神经生物学。这篇文章详细记录了他对其研究的讲述。


我们的大脑是如何对思想进行计算的?在过去的一百年里,神经科学研究取得了很多进展。我们已经知道大脑里有神经系统,我们也掌握了一些心理学,但是怎样把这两个领域结合在一起,了解脑回路是怎么产生出思想并做出决定的,这其中的关联性还是很隐晦。所以,在过去的10年里,我的MIT团队就在从事这方面的技术研究,试图找出方法来看清大脑结构、控制大脑回路和绘制大脑分子图谱。


而现在, 我一直在思考,下一步应该做什么。我们应该怎么使用这些图谱,使用这些动态的观察结果和扰动,将回路产生的计算与思想、感情甚至意识这样的东西连接起来。


我们可以做的事情有很多。其中一个就是简单直接地获取大量数据。很多人并不赞同这个观点。你们想知道大脑是如何计算的、是什么机理让大脑有了思考和感觉等等。比如 Marvin Minsky, 他很沉迷于通过纯粹的思辨来研究如何产生智能和人工智能。从另一个方面来说,这可能是比较危险的一种类比和比喻,但你想想其他生物学的问题,比如什么是生命、物种是如何进化的等等,人们都忘了在这些理论出现之前,我们已经累积了多年的大量数据,少则几十年,多则数百年。


达尔文观察物种在地球上漫步,观察各种各样的生物,之后他才写下了《物种起源》这本巨著。人们在了解生命的本质之前,必须经历开发工具的阶段,后来才发明了显微镜。人们这才开始观察细胞以及它们的分裂等等。如果没有这些数据,人们根本不可能知道细胞的存在,不知道生命竟然是由这些微小的组成单元通过自我分裂自动形成的。


而我想采取的方法,正是获取数据。让我们去看看大脑中的细胞是如何相互通信的,去看看这些网络是如何获得感觉并将感觉和记忆信息结合起来并由此产生输出、决定、想法和运动的。然后,下面两种可能性中就会有一种会凸显出来。


一种是你找到了模式、挖掘出了动机,借此你可以在这数据的泥沼之中发现意义。另一种可能性也许有一点难以理解:或许你会发现,大脑是一个巨大的魔术袋,就算你能在计算机中使用蛮力模拟它,也很难从这些数据集中提取出更为简单的表征方式。


在某些方面,前者应该是对的,因为我们确实可以预测我们的行为,这很奇妙。人们在城市中行走,他们会交流、能看到物体,人类体验中也有很多共性。这就是线索。这条线索说明大脑并不是我们永远无法理解的复杂随性泥沼。当然,作为悲观主义者,我们应该仍然保留「大脑不可理解」的可能性。但有一些事实,例如我们可以用语言交谈、我们能看见和设计出各种形状、人们可以体验共通的快乐等,这些事实说明大脑的复杂度并不是无限的,它有所收敛,我们也必将有能力理解它。


生物学和脑科学并不是物理学那样的基础科学。在物理学中,存在一些粒子和力,这些东西并不多,一张简短的清单就能概括。而一旦涉及到大脑,那就纷繁复杂得多了:大脑包含了被称为神经元的细胞,而神经元包含许多可通过电流和化学来交换信息的分子,这些都被编码在基因组之中。根据人们意见的不同,人类基因组包含了20000到30000个基因,这些基因可以生产出蛋白质这样的基因产物,而这些蛋白质可以产生神经元的电势,它们也能确定一部分神经元连接。我认为,我们需要在这些基本构建单元的基础上理解大脑,我们也可以尝试忽略一些细节,获取抽象层的概念。


我们能够忽略某个层次以下的描述,而只关注更高层次的概念吗?自从神经元被发现以来,现代神经科学已经有几乎130年的历史了;但到目前为止,忽略低于特定水平的描述的尝试都没得到普遍接受,也没有产生出一个能解释大脑如何计算出思想、感觉或运动的理论。


现在我们做事的方式已经与过去完全不同。我在MIT启动这项研究,是因为我们需要新技术。人们之所以回避这些能非常详细测量大脑功能、获取深度数据的方法,是因为我们没有足够的工具。科学史告诉我们,工具需求是第一位的;然后才能得到数据;然后你就可以提出理论;再然后你就能获得理解。没有技术就没有理论,甚至于你都很难知道问题是否已经被解决了。


在牛顿定律之前,有很多像开普勒和伽利略这样的人在观察行星。他们年复一年地积累数据。为什么在大脑问题上我们不这么做呢?我们需要针对大脑的工具,就像需要望远镜和显微镜一样。我们现在需要实时收集所有细胞和分子的数据——实况数据(ground truth data),然后就能看到自己能力的爆发,让我们能在非常细节的水平上思考和了解大脑,同时能从这些数据集中提取出真正的见解。


让我们假设生物学不是一门基础科学。如果你想想《科学革命的结构》(The Structure of Scientific Revolutions)这样的书——它们试图解释科学发展的轨迹,我们一般会得到这样的模型:首先存在假设,有人来反驳了它,而如果那是一个足够重大的反证,革命就出现了。


但让我们想一想生物学:假设我想弄清楚基因组中的基因与随之涌现的性质之间的关系,这些性质诸如智能、行为或阿尔茨海默氏病这种疾病。基因组中有如此之多的基因,凭概率讲大部分假说可能都是错的。你准确获取了对某件事最重要的基因的可能性有多大?而且就算你得到了,你又如何知道其它什么基因是否会调控它呢?那是一个复杂到难以置信的网络。


如果你开始思考基因组中的基因有多么不同,思考它们的产物如何相互作用从而产生细胞、神经元或神经网络中的功能,那将会成为一个包含巨量问题组合的大爆炸。大部分假说都是关于基因在做什么事,尤其是基因网络在做什么事,更别说还有神经网络了;大多数假说都是不正确的。这就是为什么获取大脑的实况数据非常重要的原因。


为什么我们不能绘制大脑回路图谱并了解分子是如何配置的,然后开启或关闭大脑中不同的细胞来看看它们如何发生相互作用?一旦获得了这些图谱,我们就能提出更好的假说。我并不认为获得了大脑图谱就等同于理解了大脑,但大脑的图谱能帮助我们得出更可靠的假说,这些假说中的假想成分会少一些,错误的可能性也更低。


我希望大脑回路的描述会帮助我们更加了解人性;从心理学中我们知道,人体中发生着无数的无意识过程。这方面的一个著名实验是,你可以在大脑中找到某些区域甚至单个细胞,在你感觉自己做出某个有自觉意识的决定前几秒,它们就会被激活。或许你会开玩笑地说:我们有自由意志,但它是无意识的。对这些研究的解读是:大脑会在我们真正做事情之前就进行计算,而我们在它计算完之后才会意识到。


我认为,如果我们要了解大脑计算的是什么东西,就必须窥视引擎盖下发生着什么事,这样我们就可能找到一些证据,证明感觉、想法和决定背后蕴含的机制,而这些是只研究行为所不能得到的;然而,如果你发现了你将要做某些事和你将要有意识去决定某些事的证据,那你的大脑就已经提早拥有了这些信息。了解这些信息从何而来难道不是一件有趣的事吗?也许大脑中正存在着自由意志的回路,来生成这些决定呢。


我们知道发生的各种事情和我们大脑产生的感觉,但我们完全不了解它们是由什么导致的。有一个著名的例子是:一些人的大脑中负责有意识视觉的部分受到了伤损,但你可以告诉他「当你看到某物时,我想要你产生某种感觉」,或者说「当你看到某物时,我想要你想象出某种特定的结果」;他们就会让它发生,即使他们根本就没有意识到他们看到的是什么。


大脑中有很多我们无法接入的处理过程,但它对人的感觉、决定和思想来说非常重要。而如果我们能够进入生成它们的回路,那就可能成为理解人类这方面状况的最快途径。


过去10年,我对一些问题想了很多,主要是想找出什么技术可以弄清大脑回路及其协同工作的方式。但现在这些工具正日趋成熟,我现在思考的问题是应该怎样利用这些工具来理解我们大家都关心的问题。


目前,我们的工具大都提供给其它神经科学家在使用。我们一直非常关注技术发明,其它研究组也有一些关于大脑的重大发现。下面我举几个例子。


加州理工学院有一个研究组使用了我们的技术——一种可以通过光脉冲激活神经元的技术。他们将这些分子植入大脑深处的神经元中,当提供光照时,这些神经元就会被电性激活,就像它们被正常使用时一样。他们发现大脑深处有一些神经元可以触发小鼠的侵略性和暴力,所以一旦他们激活这些神经元,小鼠就会攻击它们身边的任何东西,即便那只是一只橡皮手套。


由于涉及到道德、人性、司法、暴力等各种东西,我想想这事儿还挺有意思的。我们发现,只需要激活一个非常小的神经元簇就足以触发侵略或暴力行为。所以,现在最大的问题就是,它们连接的到底是什么神经元?它们是暴力探测器吗?「哦,现在这里有一些刺激物让我们立刻决定去攻击身边这个家伙,即便它只是一只手套。」


接下来的问题呢,当然是这些神经元映射到什么地方?它们驱动的是什么?它们驱动的是一种导致暴力行为的情绪吗?还是说它们只是驱动了一个行动命令:攻击你身边的手套?有史以来第一次,你可以开始激活大脑深处特定类型的细胞,然后让它们触发一个可观测的行为。但你也可以研究这些细胞接收到了什么,它们又将信息发送给了什么,然后检查整个信息流。


我再举一个相当惊艳的例子。我一个MIT同事利根川进(Tonegawa Susumu)在一个学习任务上训练了小鼠,让小鼠大脑中特定的神经元可用光来激活。他们使用基因技术做到了这一点。很久以后,这些小鼠可以完成某些事情:他们将光照入小鼠大脑,那些早先在学习过程中被激活过的神经元会被再次激活,使得小鼠产生记忆回溯;就好像它们回到了当时当地。


这非常有趣,因为有史第一次他们让人看到了召回特定记忆的可行性。现在他们正在做各种有趣的事。比如说,你可以再次激活那些与美好回忆、快乐和奖赏有关的细胞,经证明这有抗抑郁的功效。他们解释说:当对特定神经元进行光照时,可以让一个动物回忆起触发快乐情绪的记忆,而那可以抵消其它压力或通常让动物感觉不好的东西。


实际上,已有成百上千个研究组在使用我们开发的光照激活神经元的技术。医生甚至哲学家都对其很感兴趣。


上大学时,我学了化学、电子工程和物理学,在那时我意识到我对理解大脑很感兴趣。对我来说,这是一个巨大的未知事物。虽然听起来有些装模作样,但是我真的开始思考我们的大脑是如何理解宇宙的,因为很显然,宇宙给了我们物理学的法则,并在这基础上有了化学、生物学,以及我们的大脑。这有些像个闭环。当时我正在思考职业生涯,于是我思索着,这个循环中有没有一个弱点?然后我看到了充满未知的大脑。


我非常钦羡那些发明科学技术以解决重要问题的人们,有时甚至只是一些很简单的技术。回想18世纪和19世纪的化学家们,他们构建了看待压力、容积以及化学计量的方式,没有这些,我们现在不可能拥有化学元素周期表、量子力学等等重要的珍宝。


我认为,我们需要这样一个科技时代,它能够给我们想要的数据,让我们获得知识最简约最优美的表示。对于神经科学这个领域,我们似乎还从来没有经历过这样一个时代。不要误解,如今的确有许多细枝末节的发明,例如电极和核磁共振成像扫描仪,但是还没有出现一个足够颠覆性的发明,能洞察大脑内一切事物,记录所有动态并控制一切。而这才是我想要的。


当我在斯坦福念研究生时,我跟身边所有人说我想要为大脑发明一种技术,将物理科学带入神经科学。许多人觉得这是一个坏主意,坦白地说,我认为原因是由于那时的许多物理学家与发明家都试过发明研究大脑的工具。但是他们都向前去追逐那些更有意思的东西了,而不是回头死磕神秘莫测的大脑。


我在研究生生涯中获得的一个关键洞察就是如果你不返回去思考大脑的神秘,而只是向前去思考你在物理学中发现的有意思的事情,那么你发明的科技也许并不是那么重要。它们并不能解决最重要的问题。我所学到的是我们必须要将大脑摆在面前,接受它的复杂性,从这一点出发,探索科学与工程学中的所有领域来发明这些工具。


我在MIT当教授的第一个10年中,大部分时间都在发明工具。我们发明了控制大脑的工具、绘制大脑中分子和回路图谱的工具以及观察大脑活动的工具。现在,我们正处在一个转折点:我们已经准备好系统性并大规模地应用这些工具系统。不要误解,这些工具对于研究大脑的挑战来说依然乏善可陈,但是对于诸如蠕虫、苍蝇和鱼类等小型生物或者哺乳动物大脑的一小部分,我们已经可以开始绘制图谱并理解它们的计算方式了。


这项研究主要通过慈善捐助以及政府投资进行。我们很幸运,因为愿意投资高风险高回报的人们变多了一些。你也许会问为什么一个神经科学教授会在MIT的建筑学院中,而这正是我在MIT媒体实验室的原因之一。


正如我们之前讨论的,长期以来,神经科学对技术有着深深的不信任,这些技术经常没有用处。由于大脑实在太过复杂,这些工具仅能解决最简单的问题。当我在寻找教授职位的时候,我有些漫无目的。我的合作者Karl Deisseroth和我已经发表了一篇论文,证明我们能够用光激活神经元,我们把这种技术叫做「光遗传学(optogenetics)」,「光(opto)」是指光线,而「遗传学(genetics)」则是指让神经元产生光敏性的东西是我们从植物中借取的一种基因。但那时候许多人都非常怀疑:这个有何重要性?这是否又是一个即将变为悲惨脚注的鸡肋技术?我到MIT媒体实验室中抱怨搞学术太过政治性和复杂,很幸运,他们当时的招聘计划很不成功,于是他们说:「你为什么不来这儿呢?」因此我去了。从此,我们就开始在这里研究神经科技。


当我最早来到媒体实验室时,很多人感到深深的困惑,我到底要在这里做什么。我是不是会转向「公众眼中传统的媒体实验室科技」,比如用手机来诊断精神疾病这种事情?不是,我想要得到关于大脑的最基本的事实。从某些方面来说,媒体实验室是开始这项事业的完美地方。在这里,我们能够孵化想法,让我们开发的工具摆脱冷漠的偏见,变得足够好,并让神经科学家看到它们的价值。这要花费数年的时间。我们大约花了三年时间,才让主流科学界开始接受它。然后又花了三年,人们才开始说,哇哦,我们怎么又有了如此多的科技,并最终带来了像「奥巴马大脑计划」一样的项目,将广泛使用的技术发展融入神经科学中。


脑计划由科维理基金会发起。他们举办了一系列头脑风暴,讨论纳米科技和神经科学在一起能做些什么事,Paul Alivisatos、George Church和Rafael Yuste等许多领域内专家都参加了早期会议。在2012年末,我应邀参加其中一场,许多发明家都收到邀请,我们开始讨论也许绘制大脑活动图谱是个好主意,但是需要的科技可能远远不仅如此;你不仅需要绘制图谱,还可能需要控制和重新连接大脑的方法。


这是个有趣的转折点,因为它开始从活动图谱转向更广阔的科技。四五个月后,奥巴马宣布了大脑计划( BRAIN initiative),BRAIN是前沿革新神经科技大脑研究( Brain Research for Advancing Innovative Neurotechnologies)的缩写。他们开始在这个项目里每年投入几千万甚至上亿美元去发明更多的科技来理解大脑。大脑计划现在由不同的政府机构运行。他们有着各自不同的优先级,例如,DARPA对短期人类义肢十分感兴趣,但目前还没有什么惊喜。国家科学基金会(NSF)则对更基础的科学感兴趣。不同的机构都有着自己的计划。


IARPA也在其中。他们尝试用现有的科技来推动短期哺乳动物大脑回路图谱的进展,这是技术开发的一个缩影。大部分钱都花在了应用上。但是现在我们有了一些我们认为非常非常有用的新工具。


如果你工作勤奋,头脑聪明,还会解决问题,那么商业公司对你来说非常好。但是如果你在处理一些像大脑之类的问题(这是生物学公认最大的挑战),那么意外发现珍奇宝物的本领就显得很重要。其中有许多将多个领域联接在一起的机会,当你联接这些领域的节点,你就是在操作发现珍宝的能力,并能得到超乎预期的发现。如果你紧闭大门,或者不能公开自由地与他人合作,那么这点很难做到。


我们的团队很庞大。我认为我们是MIT之中第二大的研究团体。但是我们与大约100个团队在合作,他们中有基因学专家和化学专家,甚至还有制作纳米钻石的专家们。因为大脑是如此混乱又庞杂,我们不知道哪些科技以及哪种策略和主意会是最好的。因此,我们需要不停地进行合作,以保证或者最大化解决问题的可能性。


你需要学术界来连接各领域的节点,也需要商业公司在机会来临时进行大力支持,保证任务的完成和规模化,以面向更多的人。我所希望的未来——或许在10年后——是混合型的机构,在其中,我们拥有许多在机构间往来的人,因为我们希望思想在这样的过程中会变得成熟起来。


举个例子:我们正在构建新型的显微镜和新型的纳米科技来记录大脑中产生的大量数据。我们的一个合作者预测,我们正在建造的一些设备也许很快就会需要整个因特网的大部分带宽来记录数据。现在,我们需要一些电子设备,对吧?我们需要电子设备去储存数据,也需要计算机去分析数据。但这是一件产业化的事情。


在商业公司里要比学术界更容易做这件事,因为产业界的人们转一下手柄就可以打开数量惊人的计算机,因此我们开始了一项合作。在麻省剑桥有一些小型创业公司和我们一起建造计算机。我们目前正在研究纳米科技,而这两种不同制度的结合让我们能够比单独的商业公司或学术团队发展得更加迅速。这些新的混合模式将能保持运气与技术能力之间的平衡。


令我感到兴奋的还有另一件事:我们如何摆脱生物学和医药学的风险?大部分治疗患者的药物和策略都是偶然发现的。那么我们如何摆脱风险呢?之前我们谈到了物理学这样的基础科学,除此之外,我们还拥有生物学这种更高阶一些的学科。对不同的疾病,医学也有着不同的科学手段。由于抗生素和疫苗的发现,我们在抵抗细菌和病毒方面有了巨大的进展。为什么会如此成功?是因为我们在帮助自己的身体抗击外来的侵入者。但是如果你去思考一下那些大型的疾病,每人知道如何解决的疑难杂症,诸如脑部疾病、癌症、自身免疫性疾病等等,这些都是我们的身体在抗争自己,它们的解决方法更加困难,因为你不能仅靠药片来驱逐所有外来侵略者,因为这个侵略者就是你自己。


我们该如何去除医疗行业的风险呢?我们必须要从不同的角度思考医药和医疗方法的发展。带给我们新抗生素和新疫苗的模型也许并不适合改变大脑内特定回路的活跃性,也不太适合微调免疫系统使其杀死癌细胞的同时还不会导致自身免疫性疾病,对不对?


一种想法是如果这是你的身体在对抗自己,你想要的是非常深层的关于构建细胞的要素和它们在体内如何配置的知识。实际了解大脑这一前提条件也许正是我们所需要的,以便降低药物的风险,以便理解细胞、组织和系统是如何在这些顽固的疾病下出了错。这也是我最近思考了很多的问题:我们该如何降低目标和方法的风险,并正确治疗相应疾病?


最近刚刚公布的一项研究指出,一种药物从概念设计到最终投放市场需要花费25亿美元。如果是类似大脑疾病、癌症等这类非常麻烦的疾病,失败率超过90%。


这让我不禁想到,造成这种状况的原因正是我们不理解大脑回路是如何计算思想与感情的。我们拥有这些大型3D系统,不管是脑回路、癌症或是免疫系统,要想了解如何调整这些细胞让其做正确的事,都意味要着找出让这些细胞与正常细胞不同的细微区别。我思考了很多关于该如何使用我们已研发的工具来绘制大脑,来控制大脑,来观察大脑的活动并将之应用于其他医药学方面的问题。


我们正在和George Church进行一项合作。George团队已经用了将近15年的时间来研发一种叫做原位测序(situ sequencing)的技术,但这意味着你能测序基因密码,也能表达基因,甚至能找到细胞的内在程序吗?


为什么这事这么重要?这是因为如果在研磨碎所有细胞之后,你只测定基因序列或者只测定基因表达模式,你并不知道在三维空间中这些细胞处于什么位置。如果你研究的是脑回路,你可能会知道信息是如何从感知区域传递到记忆区域再转向运动区域的,但是你却并不知道回路在三维空间中的情况。你只是把大脑磨碎成了一坨浆糊。或者对于肿瘤来说,我们知道有血管细胞,有干细胞,有新陈代谢细胞;如果你只是磨碎肿瘤,测序核酸,那么你就再一次丢失了三维图谱。几年前,George团队发布了一篇论文表示他们可以将细胞放入培养皿中并测序基因表达。


也就是说,细胞的程序是这样的:细胞核中的DNA转录成RNA,之后在RNA的驱动下合成所有的下游蛋白质和其他生物分子。RNA介于基因组和成熟细胞表型之间。这是一种程序。George团队正在测序RNA,我认为这非常神奇:你能够读取出细胞的程序。


现在,一个非常棘手的部分是:这在诸如脑回路或肿瘤等大型3D结构上并不起作用。我们团队研发出一种获取脑回路、肿瘤和其他复杂组织的方式,并在物理上将之扩大。为了放大大脑或肿瘤,我们提取了一片脑组织,并化学合成全部细胞,在那片脑组织的分子间和分子周围存在着一种非常类似婴儿纸尿裤的聚合物网络。之后,我们加水,聚合物膨胀,将所有分子分离开,此时,它变得足够大,即使用廉价光学镜头都能看到。


我的一个梦想就是能将细菌或病毒放大到用手机就能拍下它们的样子。想象一下这将会怎样帮助医疗诊断吧。你只需放大,拍照就能找出是某人的感染是怎么回事。


我们开始和George沟通:我们是否能提取我们的样本,并将之放大,之后运用他们的原位测序方法——因为测序真的很复杂。你需要分子周边的空间来进行测序。这让我很是激动,如果我们能提取物质,放大,并利用George的技术来读取细胞的程序,我们就能一种方式描绘出生命的结构。


我们能看到在复杂的脑回路中、在肿瘤中或者在进行自身免疫性攻击(比如1型糖尿病)的组织中,这些细胞看起来是怎样的。最使我激动的事之一就是原位测序这一概念了。如果我们能将之用于大型3D结构和组织中,我们也许就能描绘出最本质的生命构成要素了。


我们目前和George团队的合作已经将大部分重心放在了小块组织上:老鼠的大脑,其他神经科学用到的模型组织。但我们知道如果我们的方法能在这些系统中生效,那么也能用于人体组织。想象一下我们从某人那得到癌症切片组织,用我们的技术将之物理放大,使每个部分都大到能够看清,之后我们就能使用George的原位测序技术来读取分子组成。


当我们第一次发表放大物体的想法时,很多人都持怀疑态度,因为这是一种非传统方法。为了说服人们这确实有用,我们进行了以下推理:设计方法。当我们合成细胞内类似婴儿纸尿裤的聚合物时,我们通过特殊分子的分子键锁定聚合物,之后清除其他部分,我们可以用酶等来除掉其他部分。采用这种方式,当我们放大聚合物时,我们所关心的分子会被锁定然后被分离,由于其余部分已被去除,因此不会妨碍放大。这就是关键的设计元素。


一种看法是——化学是一种大规模平行加工的方法。假设我想要观察两个紧密结合的东西,比如我的两只手。当然了,由于衍射,镜片不能看见非常非常细微的东西。所以假如我们提取我的两只手,并将它们定位到这些放大的聚合物上,之后清除掉其余部分呢?会有很多我们并不关心的东西。我们加水,聚合物膨胀,将我的手分离,到分开的足够远时,我们就能看到它们间的空隙。这就是我们称之为放大显微的核心观念,我们可以提取脑回路或肿瘤中细胞分子或组织分子,然后能在膨胀的聚合物中锁定分子。当我们加水时,我们所关心的分子(即在聚合物上锁定的分子)能够分离出来,到距离足够远时,我们就能使用廉价的、可伸缩的、容易拆卸的光学镜头(比如便宜的显微镜或者甚至网络摄像头)看到它们。


在发布放大组织的论文后,很多人开始应用它们。比如,假设你想找出细胞在癌症切片组织中的构成。你可以提取样本,如果说放在显微镜下进行观察,是无法看清精确结构的,但如果你将之放大,你就可能看到基因组的形状;可能还能看到通过其他方式很难看到的细胞延伸出微小的卷须,这可能就是癌症转移的开始。


很多人试着使用我们的技术来观察那些用其他方法都无法观测的东西,我们也发现很多对此感兴趣的人,不只是大脑科学家们,他们感兴趣是因为可以采用这种方式描绘出纳米级精的3D脑回路图谱,还有很多其他类似大脑的问题:肿瘤、组织及其发展等你想要观察纳米精度的3D结构。


我们让一家小型公司来制作工具包,可能会将之作为一种服务提供给大众,以便大家能广泛使用。当然,我们也会将所有程序都放在网上,人们能下载,成百上千的团队已经开始利用这类工具。


我们想把看不见的变成可见的,存储记忆的脑回路或者大脑中处理感情的回路等这类3D结构很难看到,更不用说要用纳米精度来看清神经连接和使神经元得以工作的分子了。


我们所能看到的事物的精度的最基本限制与一个被称为网格尺寸(the mesh size)的技术参数有关的,基本说来就是聚合物链之间的空间大小。我们认为聚合物链之间的空间大概是几个纳米,也就跟生物分子大小差不多。如果我们将所有分子彼此非常均匀的分离,就像是在气球上画个图,然后把气球吹大:你就能够看到所有独立粒子和生命的构成元素了,但是你知道么?我们需要确定这项技术能达到这样级别的精度。目前为止,我们已经确定能够放大十倍,但如果我们能达到分子级别的精度,就能够描绘出生命系统的构成要素了。目前还没到这一步。


我很好奇究竟神经技术的发展会有多快。十年前,我们只有很少的工具能够观察控制大脑,而现在,十年后,我们有光遗传学工具控制脑回路,有放大法来描绘精细回路,还发明了3D成像法,其基本工作原理和眼睛类似,能重建大脑高速电动力学3D图像。


在接下来的15年里,会发生两件事,第三件事页可能会发生。一件事是我们绘制神经回路精确细节并观察高速动态变化以及控制它的能力会日臻完美,我敢这么说,它最快会在5年内发生,在15年内肯定会发生。


第二件事就是我们能绘制出足够细致的小型神经回路图像,甚至我们还能用计算机模拟出其运作过程。比如有一种叫做线虫(C. elegans)的小虫子,有302个神经元,我们也许可以绘制出所有的神经元以及其分子和动态变化,也许还能做出这种虫子的计算模型。也许可能绘制出稍微大点的大脑:斑马鱼幼体有100000个神经元,老鼠有1000万个,而人类有1000亿个。当你看到某些对数级增长时,我们就能完成上述任务。


可以推测未来我们可能会有一些可让我们更为精确地观测人类大脑功能的工具。现在,我们只有几种可以检查人脑的工具,其中包括能让人看到大脑活动引起血液流动的功能性MRI(磁共振成像),但它非常间接,结果也很粗糙。其时间分辨率比大脑活动的分辨率低上千倍;空间分辨率也是如此,这些大脑扫描图上的每一个小方块都包含了十万到几十万个神经元,而我们知道即使是相邻的神经元也可能做着完全不同的事。


要我说,现在我们最需要的是一种能够在单个细胞、单个电脉冲精度上对人脑回路进行成像和控制的方法,而且相关的评审团也已经为怎么实现这一目标做好了准备。这方面有很多头脑风暴。到目前为止,尽管有很多有趣的猜测,但我还没看到任何可以做到这一点的技术。我期望见到相关技术的实现,现在我们也已经在一些有望实现这一目标的想法基础上开始了研发。


关于是否存在大脑计算必需的量子效应这一点上存在许多猜测。在体温下,就算存在量子效应,那也会非常非常短暂,可能比大脑中进行计算的时间还短。很有可能的是如果这些效应非常重要,我们可能需要更强大的工具才能检测到它们,或者也许完全仅凭经典模型就能大部分解释目前所知所有的神经元的生物物理学。


在量子计算项目上,我最喜欢的是如何将信息和物理学联系起来的更宏大的理念,这是随Neil Gershenfeld一起回归的。关于计算的基本物理原理的理论有很多;在人们讨论物理系统中信息处理发生方式的基本热力学极限时甚至产生了一个习惯用语——「它来自比特(it from bit)」。比如,与黑洞相关的比特有很多,其中根据温度的不同,基本的信息量可能被编码在一个特定的状态转换中。而大脑的大部分都是持续运行的,因为它一直处于体温状态,这些远高于信息处理方面的那些物理基本限制。


在某个层面上,大脑的最简约模型是模拟的,因为我们知道突触释放的递质的量是不同的,我们知道神经元计算的电脉冲强度和持续时间也各不相同。当然,如果你挖掘得够深,你可以说只要计算神经递质的分子与电离子的数量,它又会变成数字的;但这个详细得多的描述方式可并不是最俭省的,因为你不得不计算和定位每一个钠离子、钾离子和氯离子。幸好我们不必达到这种程度。但如果我们需要,我们可能必须研发新的技术才行。


我的合作发明者Karl Deisseroth和我曾因我们在光遗传学上的成果赢得生命科学突破奖,我们研发的技术是将对光敏感的分子植入神经元中,然后可以通过光脉冲激活或沉默它们。


我们小组将这些分子送给了成千上万个基础神经科学家和感兴趣的临床神经科学家以及研究类似气味如何在大脑中表征这样非常基础的科学问题的人。但他们也在尝试解答临床相关的问题,比如是否应该关闭脑细胞以控制癫痫病?后面我会给出一个案例,因为相关的疾病实在太多了。


几十年来,人们都在尝试关闭癫痫发作时过度活跃的细胞,但这实在太困难了,因为到底该关闭大脑的哪一部分、哪些细胞和哪些映射呢?是的,大脑里面非常混乱。加州大学欧文分校的一个研究组正在使用我们的技术尝试关闭甚至开启不同的大脑细胞;他们发现对一些细胞而言,如果你激活它们,就可以关闭小鼠模型的癫痫。但话说回来,谁曾想到激活特定的细胞就足以终结癫痫了呢?没有其它的方法可以测试它,没错,因为怎样才能只开启某一类特定的细胞呢?


那他们是怎么做的呢?有一类被称为中间神经元(interneuron)的细胞,它们可以关闭大脑中其它类型的细胞。这个研究组使用了我们十年前放入神经元中的那种分子,这种分子类似于太阳能电池板,当光照射其上,就会将电驱入神经元。他们提供了针对这种分子的基因使得其只会出现在中间神经元中,而不会出现在其它相邻的细胞中。之后,当进行光照时,这些中间神经元就会关闭它们的相邻细胞,然后就可以借此终止小鼠模型的癫痫发作。


这很有趣,因为现在如果能制造一种可以驱动这些细胞的药物,也许就能成为一种治疗癫痫的新方法;或者也可以尝试直接使用光照激活这些细胞,比如打造一种可以植入大脑的植入物来激活靠近癫痫发作焦点的细胞。


两种方法都有人在探索。你能使用我们的光遗传学工具打开和关闭不同类型的细胞以找到更好的目标,但然后呢,用药物治疗这些细胞?或你能在人类病人身上使用光来激活细胞并直接实时控制它们的活动吗?后者当然具有高得多的风险,但毫无疑问这是个更有趣的想法。事实上现在已经有两家公司在尝试这么做了。


在前面谈到突破奖时,我想到了我当时说的几句话——他们只给了30秒时间,但我为此思考了好几周,因为我感觉这能推动治病治愈,能推动找到治疗方法;但在某些方面,如果迫使步子迈得太快,我们可能会错过偶然出现的更为强大的见解。


我举个例子:1927年,诺贝尔医学奖被授予了想出了治疗痴呆症的方法的人。这个人做了什么呢?他找到一些痴呆症患者,然后故意让他们染上疟疾。记住这是当时最伟大的想法,对吧?


那么,为什么这个方法有效?嗯,疟疾会导致非常严重的高烧。而在当时,痴呆症多数是由梅毒感染引起,因此疟疾导致的高烧可以杀死导致梅毒的寄生体。一年之后,到1928年,抗生素开始出现,当然,抗生素为其带来了巨大的打击,现在与梅毒相关的痴呆症几乎已经绝迹了。


我担心人们急于获得短期治疗有时会导致人们的注意力被误导远离背后基础的真实机制。这基本上就像是人们经常谈论的我们现在正在做的这些增量的东西,我们应该多做出一些类似「登月计划」的突破,是吗?我担心医药方面的「登月」太多了。在医药方面几乎我们做的每一件事都是「登月」,因为我们并不能肯定它是否有效。


人们总是会遗忘。当他们登上月球时,他们已经有了数百年的演算,从而有了数学;有物理学让他们了解了牛顿定律;空气动力学让你知道怎么飞行;火箭学,人们在登月之前几十年就已经在发射火箭了。当肯尼迪发表登月演说时,他不是说:让我们完成这个不可能的任务吧;他说的是:瞧,我们能做到。我们已经发射了火箭;如果我们不做,别人就会先到那里。


「登月计划」的含义现在几乎已经走到了相反的一面;已不再是指一个我们可以做到而且知道该怎么做的大项目,而变成扔出一大堆资源一起做些疯狂的事,只期望有最好的结果。我担心这不是「登月计划」应该使用的方式。我认为我们应该「反登月」!



©本文由机器之心原创编译转载请联系本公众号获得授权

✄------------------------------------------------

加入机器之心(全职记者/实习生):hr@almosthuman.cn

投稿或寻求报道:editor@almosthuman.cn

广告&商务合作:bd@almosthuman.cn





机器之心是Comet Labs旗下的前沿科技媒体。Comet Labs是由联想之星发起、独立运作的全球人工智能和智能机器加速投资平台,携手全球领先的产业公司和投资机构,帮助创业者解决产业对接、用户拓展、全球市场、技术整合、资金等关键问题。旗下业务还包括:Comet旧金山加速器、Comet北京加速器、Comet垂直行业加速器。



↓↓↓点击「阅读原文」查看机器之心网站,获取更多精彩内容

 
机器之心 更多文章 拖拉机恶魔和微波炉恐慌 阿里上市能怎么样?未来的购物应该是这样的 那些年一起玩过的电玩 我们为何最喜欢怀旧音乐?——神经系统告诉你 DARPA最新动态:移动战术云、机器人在轨服务、柔性外骨骼、纳米级组装、硅基微芯片、不依赖GPS的惯性导航、智能手机
猜您喜欢 开始我们的RxJava之旅-- RxJava系列之一 初识Rxjava Java8系列之重新认识HashMap [雷军]我就静静的看着你 项目计划管理Web系统 LibrePlan CSS3 几步即可实现loading动画效果