他們正在嘗試用“圖”拼出人類大腦
前幾天，螞蟻技術研究院和復旦大學腦科學研究院宣布他們聯合攻堅的類腦研究——“基于圖計算的腦仿真架構”校企合作項目正式啟動，目標是打造新一代大規模高精度腦仿真系統，而我們離這一科幻場景和大劉“理工科的浪漫”又近了一步。帶著加深對生物智能的理解，以及為腦****提供新的研究手段的目的，這個項目集結了圖計算和實驗神經科學等**學科，是一件極富想象力卻也挑戰重重的事情，就像是試圖用一個非常復雜的東西來解釋另一個非常復雜的東西，為什么要這么做呢？螞蟻技術研究院院長陳文光認為，“兩者之間的邏輯關系是互為手段，互為目的”，而這句話仿佛一個注腳，以比“人工”智能、“電”腦等名詞更直接的方式，詮釋了計算機科學與神經科學之間跨越幾十年、千絲萬縷的互生關系。時至今日，刻在希臘德爾斐神廟門楣上的這句箴言，不論從哲學上還是生理上都接近一個不可能解決的問題。自從現代人體解剖學之父安德烈亞斯·維薩里斯在 16 世紀**將手術刀伸向人體，人類開啟了向內探索之路。多年來我們了解了器官、組織，理解了消化系統、循環系統甚至外圍神經系統，卻始終對大腦——這一宇宙間*復雜的物體知之甚少，而它才是認識自我、理解意識和智能的關鍵。人類大腦重約 1.4kg，僅占體重的 2~3%，卻包含了 860 億神經元、比神經元高四個數量級以上的突觸，僅已知能夠呈現出的狀態就有 2000 萬億種，而“作為我們與物理世界交互的真正工具，其能耗才不到 30W，且一生之中沒有任何備件可供更換”，領銜項目的復旦大學腦科學研究院** PI、博士生導師王云講述道。理解大腦能夠幫助我們提升人類的學習和記憶能力、應對腦相關的**，乃至理解智能，科學家們也從未停止對大腦的探索。那么迄今為止，我們干得怎么樣？有人樂觀地相信，人類已經理解了大腦的 40%，也有人悲觀地認為這個比例僅有不到 1%，而研究了 40 年腦子的王云則略為無奈地表示，“我不知道”。可以說，礙于顯微技術的局限，以及當前實驗神經科學低通量的研究方式，對人類而言，大腦仍像一個神秘的“黑盒”，以不為人知的方式運轉著。為了解決這個問題，“從有計算機開始，搞計算機的人就思考著、嘗試著用它做大腦仿真，弄明白大腦”。事實上，計算機科學與神經科學催生的計算神經科學由來已久，*早的神經系統仿真可以追溯到上世紀 50 年代。1952 年純物理的霍奇金-赫胥黎模型（HH Model）被發表，而沒過多久，到 1965~1975 年人工智能促進協會（AAAI）的科學家們建立的人工神經元網絡（ANN），再到 1985~1995 年間日本生物計算機發展的十年，計算機科學在不斷進步；另一方面，上世紀 70 年代膜片鉗技術的發明，使得記錄單個離子通道的電流成為了可能，為神經元電生理模型的建立打下了基礎，***厄文·內爾和伯特·薩克曼也因此獲得 1991 年的諾貝爾生理學或醫學獎。千禧年之后，深度學習的出現使得計算機、人工智能技術飛速發展，*初受到生物神經網絡啟發而建立的人工神經網絡深度愈發加大，各種模型相繼出現，終于催生了基于注意力機制的 Transformer 和我們現在所熟知的 GPT-4，Google Bard，Claude 等大型語言模型（LLM）。然而，其龐大的數據量、神經網絡的深度和億萬級別的參數量，使得開發它們的科學家也無法解釋乃至預測這些大模型的行為。當下，人工智能三巨頭之一的 Yann LeCun 認為大模型并非通往通用人工智能的正途，而另一巨頭 Geoffrey Hinton 則相信它們的學習方式強于人類，雙方各執一詞、爭論不下，不過一個明顯的事實是，大模型的工作方式已與人類智能相去甚遠。諷刺的是，我們”仿生“多年創造出來的 AI 成為了另一個無法理解、不可解釋的“黑盒”，神秘、強大，卻無法幫助我們更好地理解人類大腦了。不過，一切努力并沒有白費。得益于神經科學技術和計算機技術的長足進步，人類仍在尋求新的方法研究大腦這一世界性的難題。隨著算力的不斷提升和多通道膜片鉗技術的出現，世界各國相繼出臺自己的“腦計劃”，包括 2013 年啟動的美國“腦科學計劃”（BRAIN Initiative），同年啟動的歐洲“人腦計劃”（HBP）等，不過兩者的思路并不相同。BRAIN 致力于繪制*完整的人腦細胞圖譜，側重于生物實驗的測量和記錄；HBP 則試圖在十年內用超級計算機模擬人腦的全部神經元和它們之間的一百萬億個連接，更偏向于計算模型的建立，這一宏偉的計劃也因其“野心過大”而遭到許多業界專家的非議。而 2021 年正式啟動的“中國腦計劃”則介于兩者之間，“一體兩翼”，既做腦科學基礎理論研究，也做類腦研究，也就是計算神經科學的一部分。雖然有著各種各樣的局限性，但所有這些前沿科研的工作以及計算機科學的發展無疑為更先進的圖計算腦仿真方法帶來了寶貴的積累。神經科學的進步與各國腦計劃的進展，提供了豐富度****的大腦數據集，是一切研究的源頭；算力的指數級提升和模型算法的不斷優化，給了大腦數字孿生一個實現的可能性；顯微技術的發展使得我們的觀察精度達到了 10 的-10 次方，能看見原子，從而更好地理解神經電信號的傳導和處理；同時腦**的蔓延和對個性化醫療需求的增長，也在客觀上驅動了**研究方法的發展。“歷史是螺旋上升的，而現在時候到了。”復旦大學腦科學研究院工程師王小斐這樣說道。那么，為什么是圖計算呢？要回答這個問題，我們首先需要了解一下什么是圖計算。從本質上來說，圖計算呈現的是一種抽象的數據結構，由頂點和邊兩種數據類型組成，擅長表達事物及其相互之間的關聯關系，而相對于關系型數據來說，圖數據更直觀、更符合人類的認知習慣，且在路徑查找、復雜關系解析、群體特征提取等方面大幅優于需要窮舉的關系型數據，能夠高效地將多個數據來源整合在一張關系網絡上。聽起來是不是很像我們大腦的神經網絡？沒錯，圖計算的模式與神經元、腦仿真有著天然的相似性，前者更像是后者的一種自然抽象。相對于和生物神經網絡分道揚鑣的大模型深度神經網絡，圖數據中頂點之間的連接更為“稀疏”，與主流深度神經網絡中每一層神經元全部彼此相連的“稠密”連接截然不同，更接近于大腦的神經網絡；同時，圖計算的特性也決定了其參數和途徑的透明和可解釋性，從“黑盒”變成“白盒”；而*重要的是，圖數據中邊的建立和神經元突觸生長的邏輯極為相似，為腦仿真模型帶來了****的動態性，也讓我們離破解這一電生理現象之謎更近了一步。同時，當前腦仿真系統的常用架構開發可追溯到上世紀 90 年代，可以說是立足于 20 年前的數據量、計算能力和生物學對神經的理解，雖然技術成熟度很高，但其更關注單個神經元細胞的模擬而非整個神經網絡，采用的也往往是傳統的多進程并行計算架構，在如今看來已經頗為過時。“現代的圖計算引擎則是多進程與多線程混合并行的模式”，螞蟻技術研究院圖計算實驗室研究員朱曉偉解釋道，能夠容納更大量的數據、提供更強的算力且能耗更低，更適用于構建整個大腦的**仿真模型。回到腦科學研究上。當前的技術下，僅僅是做針對五六對神經元的電生理信號記錄，就需要一個專業研究團隊兩到三周的時間，而如果再針對某一病癥進行病理分析的話，王云保守估計需要三到五年的時間。他的愿景，就是用圖計算引擎構建一個高精度的、動態的仿真腦模型，通過虛擬研究和虛擬篩選的方式大大縮短這個時間。當然，要實現這樣宏偉的目標，挑戰是非常大的。據朱曉偉介紹，圖計算往往面臨著數據規模極大、冪律度數分布導致的負載均衡問題。不過，螞蟻在這方面有著非常深的技術積累，其 TuGraph 圖數據庫多次登頂行業權威測評 LDBC 榜首，是當前世界紀錄保持者；更直觀地說，我們日常使用的支付寶其實就在底層使用了螞蟻的圖計算技術，能夠在龐大的用戶基數和數據規模上，實現精準的金融風控、黑灰產識別等等。然而，更大的挑戰還不在此。讓**的復旦大學腦科學研究院與實力雄厚的螞蟻技術研究院聚在一起，真正的挑戰在于兩撥人的“語言都不一樣”，陳文光如此說道，“（腦科學和計算機科學）兩個領域連術語同步都很難。”關于這兩個學科之間的壁壘和鴻溝，王小斐舉了個生動的例子來說明，”搞計算機的人有了什么成果，**時間就會把論文發表到預印本平臺 arXiv 上；而搞生物的人**不會看，因為沒有經過同行評審，99.9%的概率是在浪費時間和精力”。也正是因為實驗科學與計算機科學這個巨大的差異，雙方的合作更顯得至關重要，而促成這次寶貴合作的正是有著計算機和神經科學跨界背景的王小斐。“這件事情的緣起是小斐有**在清華門口約我喝咖啡，拿著一份腦科學的論文找我談圖計算”，陳文光笑笑說，而這杯咖啡，王小斐等了二十年。2003 年，還是清華計算機系研究生的王小斐有**去上了神經生物學的課，非生物科班出身的他交出了一份關于如何將 CPU 和人腦連接在一起的論文，而當時的導師謝佐平教授給他的評價是，“計算機系每隔十年，就會來一個你這樣的”，王小斐回憶道。這不僅是他個人理想主義的一種堅持，也是自上世紀 50 年代以來無數科學家的向往，“我們還可以再試試”，王小斐這么說著，“拼”起了這個團隊。兩個不同團隊的碰撞與合作，帶來的自然是兩個學科研究范式的交叉與融合。與歐美腦計劃都不同，螞蟻與復旦的合作采用的是“干濕實驗結合的研發方法”，一邊基于圖計算去構建動態、實時、高精度的腦仿真模型，搭建硅基空間的虛擬實驗平臺；一邊基于實驗神經科學，在碳基空間中對大腦真實數據進行測量和驗證。“希望我們兩個團隊能夠密切地結合在一起，得到的實驗數據可以輸入給圖計算團隊，幫助構建這個神經計算系統；而系統模擬得出的數據，又可以回到腦科學團隊，在實驗中得到驗證”，王云如此說道。螞蟻和復旦團隊的**愿景當然是建立全腦的仿真模型。不過目前，他們**期的目標是先構建出小鼠 MS 中腦間隔這個腦區的模型，瞄準的是與其密切相關的阿爾茲海默癥這一至今無解的神經退行性**，項目周期為三年。如果模型驗證成功的話，王小斐透露他們考慮將架構開源，為世界各地的腦仿真研究人員提供一個真正好用的開放性基礎架構，并在上面分別搭建不同腦區的模型。“我希望全球人民幫我拼出一個腦子”，王小斐半開玩笑地說。