神刀安全网

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境

生物预印网站(bioRxiv)*上的一篇文章[1],还不到两周时间已经被下载4万多次,相关推特超过一千条。相比之下,神经科学界最大的会议每年也只有3万人参加 [2]。浏览量常常与争议性相关:这篇文章就极富争议,即有人称其为“里程碑”,也有人完全不屑一顾。

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境

这篇文章的题目叫做:Could a neuroscientist understand a microprocessor? 神经科学家能理解微处理器吗?

近十年来,得益于包括功能成像在内的技术发展,神经科学家们获取数据的能力大幅提高。很多人因此欢欣鼓舞,认为我们最大的限制——缺少数据——正在被快速的克服,随着大量数据的涌现,我们很快就将对神经系统的工作原理有更加深入的理解。欧洲的 蓝色大脑 和美国的 脑计划 都是这一乐观主义的显现。

那么我们果真是只需要更多的数据吗?假如我们可以随意实时观测/操纵大脑内任意神经元的活动,我们能学到些什么呢?(我经常会想这个问题,因为虽然听起来很困难,我们离局部的实时观测和精确控制任意细胞其实并不远:voltage indicator + single cell resolution optogenetics)

Eric Jonas K.P. Cording 利用复古计算机发烧友通过反向工程制作的MOS 6502微处理器**模拟软件[3],真的做了这个思想实验。很遗憾,他们的结论是:利用常见的几种研究手段,无法真正理解微处理器的工作原理。甚至少数能够得出的结论也有对有错。

下面我试图简单介绍文章的主要实验结论,之后附上我的第一印象。

————————————————以下是文章摘要——————————————————

实验一:损伤(lesion)

他们做的第一个实验类似于神经科学中的损伤(lesion,使部分组织或细胞死亡):一个个删除晶体管,看模拟器还能不能正常运转,和是否能运行一些游戏。

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境 作者们成功发现了不同的晶体管损伤导致模拟器无法运行不同的游戏。然而很明显的是,微处理器中没有哪一个晶体管是“负责玩Donkey Kong”的。

实验二:调谐属性(tuning properties)

另一个神经科学家常用的工具是绘制调谐曲线(tuning curves):通过描述神经元对不同输入的反应程度来推断其作用。在这里,作者描绘了每一个晶体管对显示屏上最近一次点亮的像素亮度的调谐曲线:

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境 他们找到了几个具有反应的晶体管。有(yi)趣(han)的是,这些晶体管与相对应的像素并没有直接联系。

实验三:相关(correlation)

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境

单个晶体管之间的相关很低,然而整体活动是协调的。这与对神经元活动的分析十分相似。在神经科学中这一现象被解释为是由于神经元之间复杂的相互作用。然而我们知道在微处理器中,晶体管之间的相互作用非常简单。

实验四:局部场电位(Local field potentials)

作者分析了局部区域的平均活动,正如功能核磁共振(fMRI)所(声称)测量的一样。他们发现和功能成像一样,微处理器的局部场电位呈现出频率强度的幂率分布,并且表现出不同区域特定的振荡(oscillations)。在这个微处理器上,这些振荡很明显是附带现象,并不能带来什么深入的见解——然而这正是很多科学家试图用来理解人脑的工具。

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境

实验五:格兰杰因果检验(Granger Causality)

很多实验利用格兰杰因果检验来分析大脑中的局部场电位数据。作者利用同样的方法分析不同区域之间的关联,虽然发现了一些正确的因果关系,但也发现了错误的,并且没有发现一些存在的因果关系(这里暂时懒得写具体的区域…)。

实验六:降维分析全芯片活动(Dimensionality reduction of whole-chip activity)

这是最初的思想实验:如果能够观测到整个大脑(微处理器)中每一个神经元(晶体管)在特定行为(游戏)下的的活动,那么能对这一大堆数据做什么呢?

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境 看起来很有趣!正如全脑成像试验中所显示的一样,部分晶体管较安静,部分较活跃,并且整体活动显现出明显的与游戏相关的周期性。然而3510个晶体管的活动一一分析太困难了,作者使用了神经科学中常见的手段:降维打击。

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境 通过非负矩阵因子分解,作者用六维信号来代表全部晶体管的活动。这一数据分析又能告诉我们什么呢?

神经科学家能理解微处理器吗?大数据时代神经科学的理论困境 通过比较6个维度的活动和已知的时间序列,作者发现维度0和读写操作有很高的相关度;维度1和4分别与两个反相位的时钟信号相关。但是这显然不能揭示微处理器的运行原理。或许更重要的是,这些信号并不需要分析整个芯片的活动也可以获得。

————————————————以下是一点评论——————————————————

这是一个非常棒的实验,因为每个人都会想要做,但是没有谁真的去投入时间做***。事实上类似的思路和担忧早已被表达过[4,5]。我们仍然在努力发展采集数据的技术,同时现有的数据分析手段和理论框架都很难说是理想的。问题是我们究竟受限于理论还是数据?这篇文章给出的结论是理论要远多于数据——即使给定全部的数据,仍然未能获得对微处理器工作原理的认识。

我觉得最有趣的实验是对LFP的分析。大脑中的振荡究竟是附带现象还是有实际功能;BOLD信号到底能给出多少有用的信息,都是十分有争议的话题。而一个结构和内部相互作用相对简单的微处理器表现出和大脑可相比较的振荡这一发现,虽不能证明大脑中的振荡也是附带现象,但至少显示了其不必具有功能。

这篇文章的弱点同样非常明显。作者并没有遵循神经科学的历史,从周围系统开始研究:如果允许从显示器与显卡的连接开始研究,又或者从键盘的输入开始研究,包括各种控制器、内存、硬盘等等,显然能够获得更多的信息。另一方面,作者的行为仅仅是“能否运行某一款游戏”和“显示器上像素的亮度”,这就大大限制了能够做的数据分析。

另一个常见的批评是处理器的工作方式和大脑完全不同。但是如果可以接受处理器的结构远比大脑简单,那么神经科学的手段甚至连

* 神经科学家大多还没有发表预印版的习惯,而这两位作者不仅 上一篇文章也是先发在bioRxiv ,而且还通过评审 发在了eLife上 。致以崇高的敬意,希(huan)望(xiang)以后大家都这么做…

** 为什么说复古呢?Apple II 的处理器就是MOS 6502 。

*** Kording Lab很有意思,去年神经科学年会的时候有一个很好用的在线推荐Abstract的系统,就是他们做的。真是孜孜不倦服务社会的优良实验室!

[1] Jonas, E., & Kording, K. P. (2016). Could a neuroscientist understand a microprocessor?

[2] Society for Neuroscience

[3] Greg James, Barry Silverman, and Brian Silverman. “Visualizing a classic CPU in action”. In: ACM SIGGRAPH 2010 Talks on – SIGGRAPH ’10. New York, New York, USA: ACM Press, 2010, p. 1.

[4] Lazebnik, I., Papermaster, D., & Gall, J. (2003). [Can a biologist fix a radio, or what I learned while studying apoptosis]. Advances in Gerontology = Uspekhi Gerontologii / Rossiĭskai͡a Akademii͡a Nauk, Gerontologicheskoe Obshchestvo, 12(September), 166–171.

[5] Brown, J. W. (2014). The tale of the neuroscientists and the computer: Why mechanistic theory matters. Frontiers in Neuroscience, 8(OCT), 1–3.

转载本站任何文章请注明:转载至神刀安全网,谢谢神刀安全网 » 神经科学家能理解微处理器吗?大数据时代神经科学的理论困境

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址