计算机科学家能构建大脑吗？

# 计算机科学家能构建大脑吗？ 来源：https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/ 1. 计算机科学家能构建大脑吗？(https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#top) 2. 问题及其约束 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#the-problem-and-its-constraints) 3. 策略一：身份识别法 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#strategy-1-the-identity-approach) 4. 策略二：路标引导法 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#strategy-2-the-guidepost-approach) 5. 策略三：坐标定位法 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#strategy-3-the-coordinate-approach) 6. 噪声的作用 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#the-role-of-noise) 7. 可塑性 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#plasticity) 8. 讨论 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#discussion) 9. 注释 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#notes) 10. 参考文献 (https://stankerstjens.github.io/could-a-computer-scientist-build-a-brain/#references) 冷泉港实验室 通讯地址：[kerstje@cshl\.edu](mailto:[email protected]) 大脑如何从一个单细胞开始，仅凭基因组中编码的信息完成自我构建？我们将此视为一个工程问题：编写一个程序，让单细胞执行该程序以发育成大脑。该程序必须足够小巧以容纳在基因组中，并且足够快速以在发育期内完成。一位对生物学知之甚少的计算机科学家很快就能理解，为何那些发育生物学已通过实验否决的明显策略在规模化时会失败：基因组太小，无法存储每个突触的连接信息；而轴突盲目搜寻目标所需时间过长。正是这些相同的算法约束，引导设计趋向于与生物实际发育策略相似的解决方案。相同解决方案结构同时源于规模化限制与进化过程，这表明神经发育的特性可能植根于计算必要性，而不仅是偶然性。早期的思想实验曾对生物学家修复收音机或理解微处理器的能力得出令人沮丧的结论，而这里的消息更为乐观：大脑的设计或许可以被还原——不是通过拆解它，而是通过追问基因组最初必须如何规定它。 假设我们给计算机科学家一份完整的大脑连接图并要求：编写一个程序，让单细胞执行该程序以发育成这个网络。该程序必须适配约1吉字节（GB）的基因组大小指令集，并必须在最多约一年的发育时间窗内完成。挑战在于算法必须具备可扩展性：它应适用于秀丽隐杆线虫的302个神经元、果蝇的10^5个神经元、小鼠的10^8个神经元，以及人脑的10^10个神经元。一位对发育生物学一无所知的人会如何着手解决此问题？ 10^2 10^4 10^6 10^8 10^10 10^12 10 MB 100 MB 1 GB 10 GB 基因组大小 大脑尺寸（神经元数量） 不可行 可行 秀丽隐杆线虫 果蝇 斑马鱼 小鼠 人类 图1. **信息缺口。** 不同生物的大脑尺寸与基因组尺寸对比。基因组尺寸仅变化约一个数量级，而大脑尺寸跨越八个数量级。虚线表示最简单的连接编码方式——邻接矩阵，每对神经元需1位，总共n^2位——刚好能容纳进基因组*。在绿色区域，基因组足够大，可采用此编码。在红色区域，大脑过大。仅秀丽隐杆线虫明确位于可行区域，因此可能通过邻接矩阵编码。其他物种的大脑必须采用不同策略编码。开放性问题是，何种策略能在计算约束下编码和构建这些大脑？数据来源：基因组组装长度16-21，神经元计数3,4,22-24。 计算机科学家实际上是在形式化一项任务，其精神与图灵、冯·诺依曼、沃丁顿和布伦纳一致，他们都视基因为制造生物体的指令集而非其描述。形式化任务有助于识别既可行又可处理的算法策略。通过这项练习，我们发现适用于小型神经系统的策略在网络规模增长时遭遇硬性限制，约束将解决方案范围缩小至一小类。理论与实验的交汇为双方提供了启示：对发育神经科学家而言，它将熟悉的分子机制形式化为明确算法问题的解决方案，并甄别这些机制中哪些特征是计算必需的，哪些是可自由变化的；对理论家而言，它将生物发育呈现为解决一项尚未解决的计算任务的系统。现代机器学习尚未掌握如何从紧凑描述生成大型功能网络，而是依赖于从磁盘复制的大型存储权重矩阵，或规模大数个数量级的训练集。初始受精卵恰恰包含这样一种描述，分析发育过程可能为人工系统启发新算法。 ## 问题及其约束 何为*编写发育程序*？计算机科学家无法像工程师焊接电路板那样从外部放置神经元并连接。相反，她必须编写一套指令集注入初始单细胞，然后离开。该初始细胞分裂，每个子代继承相同的程序并独立运行。每个程序实例只能读取其局部感知的信息：自身内部状态以及邻近细胞产生的分子信号——这些邻近细胞同样运行着相同的程序。细胞执行构建大脑的动作：分裂、迁移、延伸生长锥，后者通过解读分子线索导航并在到达时形成突触。整个构建过程是分布式且递归的，因为细胞读取的每个信号都由执行相同代码的另一细胞产生。编程者唯一的杠杆是她最初加载到基因组中的指令集及细胞的初始状态。 程序需在遵循实际约束的前提下产生正确的网络。我们在此聚焦于两方面：它必须足够短以容纳在基因组中，并在合理时间内完成。人脑约有10^10个神经元，每个神经元与约10^4个目标形成连接，总连接数达10^14。 程序必须满足两个硬性约束。 **信息约束。** 构建大脑的指令最终必须存储在基因组中，其包含约3×10^9个碱基对。每个碱基对代表2位，因为存在四种核苷酸碱基。因此，基因组的总信息量约为6×10^9位，或慷慨上限估计为10^10位。此上限是宽松的，因它假设基因组无冗余，且每个核苷酸都用于大脑连接，而为生物体其他部分未留空间。任何超出此预算的连接策略都不可能是生物学所用。该预算在不同物种间差异不大：秀丽隐杆线虫与人类的基因组尺寸相差不足两个数量级，但神经元数量相差超过八个数量级（图1）。无论何种算法连接哺乳动物大脑，其复杂度必须随神经元数量次线性增长。 **时间约束。** 连接过程必须在发育时间窗内完成。在有限的生长速率下，总轴突长度与发育时间成正比：一种需要生长过多轴突（无论是暂时性还是永久性）的策略也会耗时过长。任何可行策略都必须使总轴突长度和总发育时间相对于神经元数量呈次线性增长。 我们的计算机科学家将在接下来的几节中考虑三种方法，如图2-5所示。计算机科学家将根据问题约束评估每种方法，直至找到不违反任何约束的策略。目前，她仅限于确定性的、活动独立的过程：每个细胞执行其程序时无需神经活动反馈，且不受噪声影响。特别是可塑性，它作用于已存在的连接；而轴突如何首先到达正确细胞群体的问题是她首先考虑的。随机性和活动依赖的可塑性将在后续章节简要讨论。 ## 策略一：身份识别法 328535842821293777315661126706 - 时间 O(n) - 空间 O(mn log n) 图2. **身份识别法。** 每个神经元存储一份目标身份列表。在图2-5中，大脑有n个神经元，每个连接m个目标，由最多10^10位基因组信息构建，t是共享相同连接规则的细胞类型数量。“时间”指每个目标的总轴突长度，瓶颈在于神经元生成轴突的速度。“空间”指基因组指令位数。 在他1974年的图灵奖演讲中，Donald Knuth指出*过早优化是万恶之源*†。为遵循这一著名格言，我们的计算机科学家首先追求最朴素的算法（图2）：为每个神经元分配唯一身份标签，在基因组中存储每个神经元的目标标签列表，让每个生长锥遍历其列表，导航至每个目标并形成突触。但生长锥如何找到具有特定标签的细胞？在没有任何地图或空间结构可利用的情况下，生长锥能做的最佳方式是系统性搜索，访问细胞直至找到匹配项。 此问题类似于在未分类图书馆中找一本书。平均而言，搜索经过一半书架后找到正确书籍；最坏情况下需访问所有书架。搜索成本与图书馆规模成正比。在有n个神经元且无可导航结构的情况下，生长锥必须延伸穿过最多n个细胞才能找到一个目标。因此，每个目标的总轴突长度为O(n)，随大脑尺寸线性增长。对于一个n≈10^10个神经元、体积约1300立方厘米、直径约15厘米的人脑，平均细胞间距约为50微米，因此O(n)搜索每目标需延伸约500公里轴突，这比神经元在数周至数月发育期内能生成（并修剪）的长度高出数个数量级。 但轴突长度并非唯一问题。目标列表必须来自基因组，而所有细胞的基因组相同。因此，神经元的基因组不仅需包含其自身目标，还需包含所有n个神经元的连接列表。图1显示邻接矩阵编码的信息成本为O(n^2)，约10^20位。然而，这未利用大脑连接高度稀疏的事实：绝大多数神经元对并不连接。与列出所有神经元对相比，为每个神经元编码其相邻神经元的标签列表要经济得多。为每个神经元分配唯一标签需要多少位？1位可区分2个细胞；2位区分4个；3位区分8个。每增加一位，不同标签数量翻倍，因此标记n个细胞需要log2 n位/标签，对10^10个神经元约需33位。每个n个神经元需要一个包含m个目标标签的列表，每个标签长度为log2 n位。所需总存储量为n × m × log n，即O(nm log n)位。对人脑而言，这约需3×10^15位，仍比基因组的10^10位容量（此为上限，假设基因组所有位数均用于大脑连接，而实际并非如此）高出数个数量级。 策略一同时违反两个约束：生成所需轴突长度的时间过长，且指令列表过大。 发育神经科学得出了相同结论。Sperry的化学亲和假说提出每个神经元携带分子身份，通过标签匹配找到目标，这是策略一的核心思想。基于再生实验（切断的轴突重新找到原始目标），Sperry推测“存在数百万甚至数十亿种化学分化的神经元类型，每种均可与其他类型区分”。该假说富有启发性，并启动了寻找身份分子的富有成效的探索。该探索发现了惊人的分子多样性——果蝇Dscam1产生超过10,000种异构体，脊椎动物原钙粘蛋白创建组合身份编码——但这种多样性介导局部自我规避而非全局目标选择。此后，该领域已从精确的锁钥识别模式转向由分子机制实现的逻辑识别规则，这一转变也符合规模化论证的倾向。