1. 撰文 : Roman Ikonicoff 編輯 : 唐恬恬

2. 我們思索外部世界的方式，長久以來被認為是一個持續生成唯一影像的直接程序。但在 20 世紀 90 年代，另一種觀點後來居上，這種觀點認為 : 大腦皮層持續生成來自外部世界的具備多種可能性的 “劇情”。這種 “概率大腦” 的觀點即將被納入數學語言中。

3. 偉大的愛因斯坦於 1915 年發表的廣義相對論方程為我們展示了一個 “整齊劃一” 的宇宙， 1925 – 1926 年公布的反映基本粒子運動規則的薛定諤方程同樣影響深遠。這些被宇宙和微觀世界印證了的科學成果，將在神經系統科學的研究中被重新演繹 ! 因為在今天，有一些科學家正試圖將精心制作的數百個大腦運轉模型統一歸入一個唯一的方程式中。之後，這個方程式就能揭開大腦中的所有秘密，幫助我們深入了解起心動念，思考以及行為的奧妙。總之，涵蓋大腦的方面，甚至細化到數十億神經元中每個神經元的功能 !

4. 2008 年，法國奧賽神經認知成像實驗室主任斯塔尼斯拉斯 . 德阿納 (Stanislas Dehaene) 一語泄漏了 “天機” : “ 大腦是 5 億年來零敲碎打修修補補的結果。如何再能用一個唯一的數學方程式來詮釋如此紛繁複染的大腦呢 ? 並不是說已經有人做到了，但我相信這種可能性是存在的。” 腦科學的最新進展為他提供了佐證。在通往 “大腦薛定諤方程” 的路上，單憑斯塔尼斯拉斯 . 德阿納給它起的如此美麗的名字，科學家就已經邁出了至關重要的一步。雖然方程尚未最終揭曉，但如今憑借這一所有科學家都認同的數學原理，它已經雏形初現。如何為它命名呢 就叫它 “概率大腦”吧。

5. 不為人知的 “概率計算” “ 概率大腦” 的原理認為，我們從外部世界看到、聽到、觸摸到和感覺到的一切事物都在 “第一時間” 被轉換成了數學概率。對大腦而言，世界可能是一個巨大的隨著我們的感知不停變化的概率集合 – 這真是激動人心的發現… .. 但是令人詫異的是，我們的思維竟然是建立在數學基礎上的概率計算 – 這的確令人難以接受。

6. 概率計算是否是大腦活動的主要內容，這對我們仍然是個未知數。在大腦神經元構成的 “網絡中心”，”概率計算” 在十分之幾秒的時間間隔內下意識地運行著，正是 這種 “計算”孕育出了我們的思維。”概率計算”的目的在於讓每個人通過不斷預測外部世界可能出現的變化，做好面對現實世界的準備。大腦計算出的概率也因此具有其獨特的屬性。美國羅切斯特大學計算與認知神經系統科學實驗室主任亞歷山大 . 普捷 (Alexandre Pouget) 解釋說” :20 世紀 90 年代興起的 “概率大腦” 的觀點認為，大腦是一部概率計算的機器，當它感知到各種現象時，便不停計算各種可能造成這些現象的原因的概率。”

7. 舉個例子，當你在田野小路上漫步，樹上突然擺動的葉子吸引了你的注意力。這時，你的大腦立刻會下意識地對樹葉搖晃的原因進行推測，並且給出一個概率值 : 百分之百是風造成的。如果你沒覺得有風，”風”這一原因的概率就會減少，而其他由環境觸變的推測的概率就會增大。你看見鳥兒離開樹葉了嗎 ?

8. 50% 可能性是風，但是你沒覺得有風， 50% 概率是烏搖晃樹葉。然後你又想起這一帶是地震區，於是你估計有微小的概率 (5%) 是剛剛發生的地震造成的樹葉搖晃……其他情況亦然。概率計算的目的就在於讓我們知曉當前該如何作出反應。如果地震的概率最終佔據優勢 – 一根電線杆剛在不遠的路旁倒下，你會立刻尋找最安全的地方躲避… . 當然，這些推測 – 風、鳥、地震 – 都是大腦意識的反映，你能一一道出他們的名字。另一方面，大腦在每個特定時刻賦予每種推測的概率之大小通常是無意識的。

9. 推測是大腦神經元網絡通過編碼計算所得出的結果，神經元網絡又不停地將各種推側與即時的感覺，記憶和情感狀態信息進行比對… .. 大腦是通過神經元網絡的編碼計算來工作的，並且這一過程可以簡化成一個方程式 – 這一被大多數計算神經系統科學家認同的觀點究竟是怎麼來的呢 ? 簡而言之，這是對神經元自身活動觀察的結果。

10. 亞歷山大 . 普捷已經証明了這一觀點的可行性。”事實上，神經元接收到來自其 “鄰居”的刺激，然後用某種特定的方法將這種刺激的原因的概率進行編釋碼。” 紐約大學神經學中心的雅安 . 勒存 (Yann LeCun) 這樣解釋。法國巴黎高等師範學校神經理論組的鮑里斯 . 古特金 (Boris Gutkin) 說得更為明白具體 : “ 神經元膜上或多或少會有概率計算引起了電子變化 ( 背景噪聲 ) 。” 科學家或許能走得更遠，概率計算似乎並不局限於神經元，可能對大腦的所有部位都有借鑒意義，甚至包括大腦皮層的大部分區域。

11. 正如麻省理工學院的托馬斯 . 賽瑞 (Thomas Serre) 所強調的 : “ 大腦中充斥著大量背景噪音。” 這些類似於偶然訊號的 “背景躁音”全都是大腦進行概率計算的現象。為什麼這樣說呢 ? 亞歷山大普捷提醒道 : “ 這是人工智能方面的研究成果。 20 世紀 80 年代末期，加拿大多倫多大學的研究員杰弗里 . 西頓 (Geoffrey Hinton) 用電腦模擬了神經元網絡。在這個網絡中，某些参數的準確性雖然尚不能肯定，但是他指出這種形式的網絡是概率計算的工具 – 計算造成其接收到的信息的原因的概率。

12. 配了音效的神經元 神經系科學家們將上述研究成果應用到了人腦神經元網絡的研究中。他們覺得，正因為大腦應該是一部計算機率的機器，才更有理由認為它是由一個巨大的 “帶有明顯音效” 的神經元網絡組成。如果說只要研究州神經元及其彼此間關聯的特性，就有可能破解大腦皮層中進行的 “程序”的話，那麼上述觀點就是合理的。大腦中還有其他一些對其運轉至關重要的細胞，所有這些細胞通過數十個功能尚不明確的 “分子”傳遞信息。

13. 科學家通過借鑒熱力學的研究體系 ( 應用這一體系可以了解氣體的變化過程，包括溫度、壓力、體積等相關参數，而不用管組成氣體的分子是怎麼一回事 ) 將問題化繁為簡。以此為基礎，與西頓信息模型相關的數學方程應用於神經系統的研究中，並與肌肉和神經構成的大腦相適應。正是這些方程從理論上賦予了”概率大腦”數學原理同樣多的性數格變化。

14. 通過方程式就可以詳細了解大腦的一舉一動嗎 ? 換句話說，我們能否通過活體研究發掘出大腦用來計算概率的生物物理學機制呢 ? 在這個問題上，科學家非常謹慎，他們的回答是否定的。事實上沒必要妄自菲薄，通過大腦成像系統，至少他們可能會觀察到一種生物學現象 – 這正是他們認為的大腦正在進行計算的現象。托馬斯 . 賽瑞指出，在很多腦成像實驗中，研究人員將各種圖像展示給受試者，”我們首先看到下行神經衝動，這表明在圖像出現的前 150 毫秒，視覺區便將圖像的變化記錄了下來。隨後出現了上升信號，這可能都留下了概率計算這一物理過程的証據。

15. 振奮人心的技術 這一切足以証明 “概率大腦” 真實可信嗎 ? 答案是否定的。 “限於我們目前的技術水平，尚無法証明這一數學模型的有效性。我們至少應該能在活體大腦內進行有效的測量 比我們今天的測量精度還要精確數百萬倍，要達到這一水準，可能還需要 10 年時間… ..” 加拿大魁北克蒙特利爾大學的尤舒 . 本吉奧 (Yoshua Bengio) 如是說。

16. 問題的關鍵在於對大腦中的概率計算的 “發生地點”進行準確定位，方程式會因此而更加簡潔精練，成為建立大腦運轉模型的有力的工具。概率計算的 “單位”是單個神秘元，還是多個神經元組成的神經元娷組呢 ? 這個問題引發了辯論，一條至關重要的 “典型鐵路” 也隨之清晰起來。”如果大腦概率方程式確實存在，它應該就位於”典型路線”附近，”亞歷山大 . 普捷這樣假設，”神經元的微觀結構在整個大腦皮層中都在重複出現，它們可能就是大腦計算的基本單元，類似於微處理器的”邏輯門”。正是借助這些微處理器，計算機才能對人們給它的所有計算任務有求必應。”

17. 大腦方程式對於筅統，其有效性尚且無法証明，但是 這種狀況將會有所改觀。尤舒本吉奧認為 : “ 有兩種振奮人心的技術能有所作為 : 雙光子顯微鏡和大腦聯絡圖諧。第一種技術能夠通過雙光子間的干擾來觀察活體大腦中的單元神經元的詳情。 至於大腦聯絡圖諧 – 受到 “基因圖諧”概念的啟發而成 – 在於建立一個大腦皮層神經元間 100 萬億個連接的完整 3D 圖樣。哈佛大學針對這一課題的長期科研計劃已經於 2005 年開始啟動，這可能會讓 “典型路線”問題逐漸明晰起來。

18. 目前，概率大腦的概念已經給我們展示了美好的前景。不管現實如何，關於實驗心理學正在進行的工作，我們腦海中對其的看法，可能會有所改變，這與我們適應能力和創造力息息相關。大腦內可能存在兩種運行模式，不同時期的偶然現象率。很強的時候，大腦可能處於一種具有豐富創作力的狀態。

19. 為了証實這種推測，科學家適應該提高 “大腦薛定諤方程” 中各子項的精確度，並確保這些子項與可觀測的大腦中的生物化學機理相對應。如果這種對應關係成立，可能就會有一個能夠模擬大腦皮層運轉的 “計算機”供科學家使用。通過 “計算機” 進行模擬，人類智能，包括某些非同一般的推理和適應能力將得以再現，甚至能擁有與人類智能相近的機械人。這一切能變成現實嗎 ? 我們拭目以待。 全文完