智能的自然算法

深蓝色的畅想

自人类起源以来，就一直致力于对智能逆向还原——或者说，至少从古希腊时代开始，因为古希腊人那时候就在德尔菲（Delphi）的阿波罗神庙上雕刻题字“认识自己（know thyself）”。古往今来，人类都未能探索出人类大脑背后的组织原则。现在Joe Tsien博士领导的乔治亚州的奥古斯塔大学（Augusta University, Georgia）科学家团队，可能已经找到这一问题的答案，其研究发现最近发表在《Frontiers in Systems Neuroscience》杂志上。如果该发现属实，这将对神经科学领域带来巨大冲击，也可能开启人工智能研究的新纪元。

他们的实验（以蒙着眼睛的小鼠作为实验对象）表明，人类大脑中可能存在通用的计算原理。在小鼠成长的关键阶段，蒙上小鼠的眼睛，实验结果显示，随着时间的推移，与视觉相关的大脑区域将重新用于其他心智任务。这似乎证实了，人类和小鼠的大脑很大程度上是相似的，都具有可塑性，这类似于通用计算机（Universal Computing Machine）上的可重新编程方式。

但是，如果存在某种统一的计算原理控制大脑灰质，那这一计算原理是什么呢？Tsien博士在这方面已经研究了十多年，他认为他已从“连通性理论（Theory of Connectivity.）”中找到了答案。

“长期以来，许多人推测，智力起源和大脑进化一定存在一种基本设计原则，就像每个有机体都有的DNA双螺旋和遗传密码一样”，Tsien说。“我们有证据证明，大脑也许是按照一个相当简单的数理逻辑运作的。”


“连通性理论”提出了一种称作“二的幂次方排列”的简单算法（具体形式是n=2i-1），可用于解释脑回路。为了更好地理解公式，先说明一些关于连通性理论的关键概念，特别是神经团（Neuronal Clique）。神经团是由“同时释放”并集群为功能连通图（Functional Connectivity Motif，FCM。大脑用来识别特定模式或想法）的一组神经元构成。如果把它比作一棵树的分枝，那么神经团就是树上最小的连接单元（尖端的嫩枝），与其他的神经团结合一起构成功能连通图。大脑想法越复杂，FCM就越复杂。（n = 2i-1中的n指的是，输入值为i时，触发的神经团数目。）

最近的一篇文章中，Tsien和公司通过给小鼠提供不同的刺激并记录不同刺激下神经元响应模式，来测试连通性理论。实验结果似乎符合他们的猜想——算法正确预测了对于给定刺激下，激活的神经团的数量。

该研究成果可能不仅在神经科学领域产生巨大影响，更重要的是对于人工智能领域的影响。运用这种原理，可以更好的构建人工大脑（Artificial Brain连接模式与人类大脑类似）。而这样的发展令人恐惧还是值得称赞？这将是一场影响深远的探讨。但现在看来，越来越确定的是：我们迟早会得到答案。