科学家耗资1亿美元重建大鼠大脑一小块，为何那么难

转自：http://36kr.com/p/5098085.html

10月18据外媒报道，人工智能目前只是对大脑的松散模仿。那么，如果你真的模仿大脑呢？你需要做一些目前完全不可能的事情：绘制大脑中的所有神经元和神经纤维。

大卫·考克斯(David Cox)他指出：“这是AI目前面临的问题。是的，人工智能技术已经发展得很好，从近乎完美的人脸识别到自动驾驶汽车，再到击败世界围棋冠军。此外，一些人工智能应用程序甚至不需要通过编程来实现：它们的架构允许通过经验进行持续的自学。

但作为哈佛大学的神经科学家，考克斯表示，人工智能仍然存在一些糟糕的问题。要开发小狗探测器，您需要在程序中输入数千只狗，以及数千只非狗动物，“他说。我的女儿只需要看清一只狗，“然后她就可以愉快地认出这只小狗。而且，人工智能从所有输入数据中提取的经验知识极其脆弱。即使是一些人们可能没有注意到的图像噪点也会给计算机带来很多麻烦，例如使垃圾看起来像狗。而且面部识别（如安全性）在智能手机上的有效性不是很好。

图：研究人员在实验过程中观察活大鼠的大脑活动

为了克服这一限制，Cox去年与数十名神经科学家和机器学习专家合作开发了一个名为皮质神经网络机器智能的项目（MICrONS）项目：一项投资1一个通过逆向工程重建大脑的十亿美元项目。雅各布，美国研究所高级情报研究项目官员·沃格尔斯坦（Jacob Vogelstein）是MICRONS该项目的创建者和发起者认为它是神经科学界的阿波罗计划。他目前是巴尔的摩一家风险投资公司的合伙人。MICRONS该项目的研究人员正试图绘制啮齿动物的小大脑皮层结构，并还原每个细节的功能和结构。

图：大鼠的大脑被移除

事实上，每立方毫米的大脑皮层图，只有一块砾石大小，就可以称为登月工程。人们想要描绘的图表的细节是其体积的数亿倍。它包含大约100,000神经元，除了大约10有数十亿个突触。正是这些连接使神经冲动从一个神经元跳到下一个神经元。

这个项目的雄心壮志让其他神经科学家感到敬畏。 我认为他们的所作所为非常英勇Eve Marder她的整个职业生涯都为此做出了贡献。康拉德，宾夕法尼亚大学脑计算模型研究员·科德宁（KonradKording这是神经科学中最令人兴奋的事情之一，“他说

图：大鼠的大脑

正如Vogel stein所说，研究的最终回报是揭开项目数据原理背后的神经秘密，形成“下一代人工智能的计算基础”。Vogel Stein指出，目前神经网络的工作原理是基于几十年前提出的架构，只是基于一个相对简单的概念神经网络。从本质上讲，人工智能系统将信息传播到数千个紧密连接的“节点”，每个“节点”都类似于大脑中的一个神经元。整个系统通过不断调整连接强度来提高系统性能。然而，在大多数现有的计算机神经网络中，信号总是从一组节点传输到下一个级联。相比之下，真正的大脑充满了各种类型的反馈：每束神经纤维将信息从一个区域传递到下一个区域，而相同或更多的纤维返回信号。但是为什么大脑会这样工作呢？这些反馈纤维是大脑同时学习和其他强大功能的秘密吗？除此之外还有其他原则吗？

普林斯顿大学神经科学家塞巴斯蒂安·安承(Sebastian Seung)他是图形绘图项目的关键人物，他说MICRONS至少应该为大脑的运作提供一些答案。事实上，他承认，“如果没有这样的项目，我认为我们无法回答这些问题。

聚焦细节

MICRONS该项目由三个团队组成，一个由考克斯领导，一个来自莱斯大学和贝勒医学院，另一个来自卡内基梅隆大学。每个团队都从事相同的研究：重建立方毫米小鼠大脑的所有细胞，同时重建每个细胞之间的连接图，并使用数据详细描述如何刺激神经元活动并影响其他神经元。

图：扫描前将脑组织粘在亚克力板上

该计划的第一步是研究小鼠的大脑，并了解这个立方毫米脑组织中的实际工作神经元。当动物被给予特定的视觉刺激时，例如某个方向的直线，哪些神经元突然变得活跃，而哪些相邻神经元做出反应？

在过去十年中，很难捕获此类数据。沃格尔承认，“从来没有类似的工具”，尽管研究人员可以将超细线植入大脑并记录单个神经元的活动。然而，由于神经元的紧密排列，研究人员无法同时记录多达数十个神经元的活动。研究人员还可以使用磁共振成像技术来绘制人类和其他动物大脑的整体神经活动图，但他们无法以这种方式监测单个神经元：磁共振成像技术的空间分辨率最高只有一毫米。

但相关技术的发展打破了这个僵局，就是让神经元在活动时发光。为了实现这一目标，科学家通常会将荧光蛋白注射到神经元中，因为钙离子在神经元活动期间会涌入。这样，每当神经元细胞活跃时，相应的蛋白质就会发光。首先，科学家通过良性病毒将蛋白质注入啮齿动物的大脑，或通过基因编码将荧光蛋白基因整合到神经元细胞的基因组中。然后，科学家有多种触发荧光的方法，其中最有效的是使用一组激光通过实验大鼠头骨上的开口将红外光射入大脑。红外线的频率允许光子穿透相对不透明的神经组织并完全被荧光蛋白吸收。这些蛋白质从两个红外光子吸收能量并释放其中一个可见光子。当实验大鼠看到某物或执行动作时，可以在常规显微镜下观察到这些光子。

图：左上角的小立方体是要画的脑组织

安德烈亚斯，贝勒的团队负责人·托利亚斯（Andreas Tolias有人指出，这是一种“革命性的技术方法”，因为“你可以记录每一个神经元，甚至可以记录相邻的神经元”。

一旦Cox团队完成了实验室大鼠的神经活动图谱，实验动物就会被杀死，重金属锇就会被注入它们的大脑。然后是哈佛生物学家杰夫·利奇曼（Jeff Lichtman领导小组将大脑切成薄片，以确定神经元是如何组织和连接的。

这个过程将从地下室实验室开始，那里使用的台式机器的工作方式类似于香肠切片机。小金属板继续起伏，系统地切断看起来像琥珀蜡笔的尖端，并将切片粘贴到塑料胶带制成的传送带上。不同的是，这支琥珀蜡笔实际上是一根坚硬的树脂管，包裹并支撑着脆弱的脑组织。小金属板配有锋利的金刚石锯片，所得的薄片仅30纳米厚。

接下来，在另一个实验室，研究人员将在硅晶片上安装包含几个脑切片的胶带，并将它们放入类似的大型工业冰箱中。这个设备实际上是一个电子显微镜：它使用61电子束4纳米分辨率的同时扫描61脑组织。

图：这个脑组织包裹在丙烯酸中，切片很薄

每次芯片扫描大约需要26一个小时的时间。显微镜旁边的显示屏显示生成的图像，恢复脑组织的惊人细节 - 您可以看到细胞膜，线粒体和充满聚集在突触处的神经递质的囊泡。就像聚焦和放大分形图像一样：放大得越多，可以观察到的复杂性就越高。

但切片不是实验的目的，显微镜的扫描图像也不是最终结果。利奇曼说：“我们正在制作电影，每个切片都在继续延伸。切片信息转发给哈佛计算机科学家Hanspeter Pfister领导一个团队。 我们的角色是从图像中提取尽可能多的信息Pfister表示。

图：粘在胶带上的脑组织切片

这意味着脑组织中的所有三维神经元，包括所有细胞器、突触和其他特征，都应使用二进制切片图像重建。 Pfister虽然人类可以用纸和笔做到这一点，但这个过程非常缓慢。因此，他和他的团队训练神经网络来跟踪和描绘真实的神经元。 这种方法效果要好得多，“他说。

无论每个神经元的大小如何，它都包含各种突触，具有大量称为树突的卷须，并且每个神经元都有一条称为轴突的细长纤维。轴突用于神经冲动的远距离传递，甚至可以将神经冲动通过大脑完全传递到脊髓。但通过MICRONS该项目对立方毫米脑组织的映射使研究人员能够从头到尾跟踪大多数轴突，从而观察完整的神经回路。 我想我们会发现许多奥秘Pfister它可能是我们以前从未想象过的结构，也可能是一种全新的神经连接

期望的力量

MICRONS该团队最初希望回答的问题是：大脑的算法是什么？所有这些神经回路是如何工作的？尤其是这些反馈有什么影响？

目前，许多人工智能应用程序没有反馈。在大多数神经网络中，电子信号从一个节点传输到下一个节点，但它们通常不会反向传输。 （不要将其与“反向传播”混合使用，这是一种训练神经网络的方法。当然，这不是一个固定的数字：递归神经网络确实有反向连接，这有助于节点处理随时间变化的输入。然而，循环神经网络的反馈尺度远未达到大脑的处理水平。卡内基梅隆大学Tai Sing Lee有人指出，通过对大脑中视觉皮层部分的深入研究，“只有5％到10%突触接收来自眼睛的输入，而其余的突触正在聆听来自上层的反馈。

图：将带有脑组织切片的胶片修剪并放置在巨大的扫描仪中

考克斯说，目前关于反馈有两种理论，其中一种是大脑不断尝试预测输入信息。可以说，当感觉皮层在处理当前场景时，其他脑组织正在尝试预测下一个场景，并通过反馈网络传递最佳猜测。

这是大脑应对快速环境变化的唯一途径。 神经元的处理速度真的很慢，“考克斯说。 视网膜感知的光可能需要170到200传输到感觉神经元需要几毫秒。这对塞雷娜来说已经足够了·威廉姆斯的网球飞到了九米。因此，任何想要接球的人都必须根据预测挥动球拍。

考克斯说，如果你一直在尝试预测未来，那么当真正的未来到来时，你可以根据实际情况进行调整，使下一个预测更好。这与关于反馈的第二个主要理论是一致的：大脑的反馈连接可以用来指导学习。事实上，计算机模拟表明，对改进的持续修订可以建立更好的现实世界模型。例如，考克斯说：“当一个人转身时，你必须知道他们会有什么样的脸。他强调，这可能是解决“一次学习”问题的关键。

考克斯说， 当我女儿第一次看到狗时Cox她不需要知道阴影或光线如何反射，“她说。她在类似的事情上已经有丰富的经验。因此，当她看到类似“那是一只狗”之类的内容时，她会将此信息添加到她的知识库中。

如果这些关于大脑反馈的想法是正确的，那么完全有可能MICRONS显示项目绘制的大脑结构和功能的详细图。MICRONS它可以演示神经回路如何实现预测和学习。最终，人工智能应用程序可以模仿这一过程。

然而，即便如此，我们仍然无法回答有关大脑的所有问题。了解神经回路并不能解决所有问题。细胞之间的一些通信不依赖于突触，一些信息是通过神经元之间自由的激素和神经递质传递的。还有一个研究规模问题。图像MICRONS虽然这个项目是神经科学的飞跃，但它只研究大脑皮层的一小部分来解决与计算相关的问题。与整个大脑相比，皮层只是大脑超薄的外层，关键的指挥和控制功能隐藏在丘脑和基底神经节等大脑深层结构中。

好消息是，MICRONS为未来的大规模脑图项目铺平了道路。

沃格尔斯坦说，1数十亿美元中的大部分将用于数据收集技术。同时MICRONS该团队正在开发更快的扫描技术，包括不需要切片的方法。卡内基梅隆大学、哈佛大学、麻省理工学院和伍兹霍尔海洋研究所相互合作，设计了一种通过“条形码”唯一标记每个神经元的方法，然后用“特殊凝胶”将这些细胞扩增数十倍甚至数百倍。

因此，尽管收集第一立方毫米的数据非常困难 但接下来会更容易，“沃格尔斯坦说