你一定想不到，动物和 AI 之间的联系如此深刻

不少研究鸟类、老鼠和鱼类的神经科学家们从传统学术机构转投苹果、谷歌、Facebook等提供丰厚薪酬的科技公司，帮助它们提升人工智能、自动驾驶汽车等技术。

动物思维研究竞赛

Jaguar是只老鼠。它住在哈佛大学罗兰学院，在那里，它时不时地在一个装备上玩电子游戏。金属条让它置于金属杆前的一个小平台内；它的任务是通过感知能力找到虚拟盒子的边缘。为了做到这一点，它用右爪抓住可以360度旋转的操纵杆，操纵操纵杆，直至感觉到来自机器的反馈。当他触达正确的目标区域，比如说盒子的边缘，管子就会奖励他一滴糖水。

为了追踪Jaguar的大脑活动，研究人员对它进行了基因改造，使得它的神经元在放电时发出荧光。这束光可通过一块玻璃板看到，该玻璃板借助牙粘固粉与它的部分头骨融合在一起。玻璃板上方的显微镜记录下了它玩耍时大脑发光的图像。「在一个过程中，你可以教它们新的规则，并观察成千上万的神经元学习的整个过程，看看它们是如何变化的。」负责这项实验的神经学家麦肯齐·马西斯(Mackenzie Mathis)说。

在过去的几十年里，马西斯的见解只会促进我们对老鼠和大脑功能的了解。然而，如今，越来越多的专业动物研究人员协助开发人工智能软件和脑机接口，她只是其中的一员。她想要发现老鼠是如何学习的，部分原因是这可以告诉我们如何教计算机学习。例如，观察老鼠在视频游戏中对意外情况的反应，或许有朝一日能让她把类似的技能传授给机器人。

其他的神经科学家正在研究斑胸草雀的鸣叫技巧。一些人正在成为羊头骨导电性方面的专家。还有更多的人选择了传统的高中生物学研究对象：果蝇，它们的神经结构相对简单；又或者蠕虫，它们从自己为数不多的神经元中榨取大量的汁液。

在过去的几年里，各大科技公司一直在「突袭」各所高校，把这些专业人才挖走。她说，苹果、Facebook、谷歌和Twitter都从Mathis最近的一个奖学金项目中聘用了博士生。「博士生在拿到学位之前就有工作了。」

当然，动物长期以来在推动企业科学方面发挥着重要作用，尤其是在医疗方面。但是，要想把对斑马鸟的声音处理机制的剖析应用于Siri语音识别软件——或者把对老鼠玩游戏过程的洞察应用于亚马逊仓库完全依靠机器人运作的未来愿景——目前还是天方夜谭。正当各行各业都可能发生翻天覆地的变化，揭开动物思维秘密的竞赛正变得越来越不可思议。

打造通用人工智能和脑机接口

1958年，康奈尔大学神经生物学家弗兰克·罗森布拉特(Frank Rosenblatt)推出了感知器，这是最早尝试在计算机中模拟大脑结构的设备之一。举例来说，它的处理元素，也就是罗森布拉特所说的神经元，会协调一致地找出，一张特定的照片描绘的是一个男人还是一个女人——这是对图像识别的一种原始尝试。围绕感知器的研究陷入停滞，Facebook、谷歌和其他公司则继续将他们庞大的人工智能计算系统描述为「神经网络」，该类网络由数百万个神经元协同工作。

即便是在今天，这种简单的概念也大大夸大了计算和认知领域的共通之处。复制你并不真正理解的东西是很困难的。大脑的真正工作原理——例如，一组神经元如何储存记忆——对神经科学来说仍然是难以捉摸的，因此神经元的数字对应物仍然只是带有缺陷的仿制品。它们是经过训练的初级处理引擎，可以执行大量的统计计算和识别模式，并获得对应于生物学的名称。

尽管如此，随着科技行业大举追逐所谓的通用人工智能(AGI)，计算和认知领域之间的壁垒已经变疏松了。隐含的目标是打造一个具有感知功能的机器，它可以自己解决问题，而不是依靠人类来训练它，它也有内在的动力去学习。让一些伦理学家感到宽慰的是，我们离实现通用人工智能还有很长一段路要走，但在许多的计算机科学家和神经科学家看来，大脑将为我们指明方向。

另外，有几家公司正在努力打造脑机接口，以促使假肢能够像自然肢体一样活动，或者让人们能够将知识下载到大脑中。埃隆·马斯克(Elon Musk)旗下的Neuralink就是这样一家公司；另一家是由科技大亨布莱恩·约翰逊(Bryan Johnson)创立的Kernel。神经科学家们正在为这些初创公司提供全方位的建议，包括如何通过头骨传输信息，确保电极不会对测试对象产生不良影响。

在马西斯的哈佛实验室里，这两种努力所共有的科学原理是显而易见的。「这是我们的老鼠宫殿。」她说道，同时打开了一间屋子的门，里面有几十只关在塑料笼子里的老鼠。这些动物四处蹦蹦跳跳，在大量访客的时候，还翘起了头，抖动着胡须。它们干净的房间里并没有多少啮齿动物的气味。一盏红色的灯照亮着它们的整个栖息地，确保这种天生夜行的动物白天保持清醒，随时能够为科学做出贡献。

这门科学包括虚拟盒子游戏和一个难度大得多的、类似于原版《马里奥赛车》（Mario Kart）的游戏。在后一项游戏中，老鼠跨坐在两个定制的电动圆盘上，它的爪子嵌在两边的凹槽里。屏幕显示一个绿色道路，末端是一个蓝色矩形。当老鼠开始就位试图接近蓝色矩形时，它必须小心操纵，以便保持在虚拟道路上。和人类一样，这些老鼠在玩耍时眼睛也是呆滞的。它们持续玩了大约半个小时，就不想玩了。

透过显微镜观察他们的大脑，可记录下多到惊人的信息。马西斯说道，「我们可以同时观察它们大部分的感觉皮层、运动皮层和决策区域。」研究人员有时会改变游戏的规则和操控方式——例如，通过拉动操纵杆来产生之字形运动，而不是直线运动——然后观察神经元的发光有何不同。马西斯还致力于切断神经元的子集，例如与学习相关的节点，以观察其余神经元的反应。一个早期的发现是：在运动时，除了运动皮层以外，感觉皮层也在发挥作用，而且这种作用似乎要大于她原来的设想。马西斯指出，「这些神经元不仅仅参与一件特定的事情。」

她的主要动机之一是，更多地了解动物如何快速适应物理环境的变化。例如，当你拿起一个未知重量的物体时，你的大脑和身体会迅速计算出需要用多大的力来拿起它。目前，机器人还不能做到这一点，但注入老鼠神经元学习模式的机器人有可能做到。马西斯说，老鼠是一个非常强大的候选者，可以帮助弥补这一鸿沟。它们的大脑足够复杂，可以展示高级别的决策，但也足够简单，让研究人员能够在足够的时间内推断出这些联系。

我们只是在近年才开发出功能足够强大的计算机，它们能够捕捉、处理和分析普通老鼠大脑中大约7500万个神经元中的一小部分所产生的数据量。直到最近几年，人工智能软件才有了足够的进步，让很多的研究工作能够自动化。马西斯和她的丈夫亚历克斯·马西斯(Alex Mathis)开发了一款名为DeepLabCut的开源软件，利用它来追踪受试者的运动。该应用程序使用图像识别技术，跟踪老鼠在玩游戏时的大脑活动，并跟踪它在获得糖水奖励时的反应。

科学家们过去常常手动完成这类工作，在笔记本上一笔一笔进行记录。现在，该软件只需几分钟就能完成过去需要几周或几个月的人工才能完成的任务。「2015年有一篇关于灵长类动物的论文，他们追踪了相当多的身体部位，比如指关节、四肢和一只手臂，猴子有不同的任务，比如伸手去拿东西并抓住它们。」亚历克斯称，「这篇论文的第一作者写信给我，说他本可以早两年拿到博士学位。」现在有200多个研究中心使用DeepLabCut来跟踪各种动物。

这类软件开发和分析引起了科技公司对神经科学家的兴趣，而且这种兴趣跟它们对他们在动物认知上的洞察一样强烈。现代大脑研究人员必须知道如何编码和处理大量的信息，就像谷歌的人工智能工作人员必须要懂得如何改进广告算法或者自动驾驶汽车的合并车道能力一样。专注于动物的神经科学家也习惯于研究非传统的想法。麦肯齐说道，「你往往会遇到有创意的人，虽然他们有点莽撞，但他们都是愿意将自己的职业生涯押注于研究黑匣子的人。」

鸟类研究

蒂姆·奥奇（Tim Otchy）不做老鼠实验，而是致力于研究鸟类。奥奇是波士顿大学的研究助理教授，他的右臂上纹着一只斑胸草雀。在他的纹身上，一只矮矮胖胖的小鸟站在树枝上，忧郁地凝视着天空。「我真的很喜欢鸟类。」他坐在堆满书的办公室里说道。

上世纪90年代末，奥奇在乔治亚理工学院攻读机械工程专业时，也曾在一家专门从事工厂系统自动化的公司工作。他的职责是，教机器人识别东西，不管是小玩意还是汽车零件，并在它们从传送带上下来以后对其进行分类。他说：「这项工作太困难了，真是出乎我的意料。毕竟这些都是连小孩都会做的任务。」这种挫败感让他下定决心要解开感知、决策和学习的内在机制奥秘。他离开了该工厂，最终投身于神经科学和斑胸草雀。

像斑胸草雀这样的鸣禽拥有一种不同寻常的技能。大多数动物都本能地知道如何发出声音，而鸣禽则懂得学习模仿它们听到的声音，然后改变声调，表现出其对它们的鸣叫的某种语义理解。几十年的研究已经指向了雀类大脑中负责这种行为的结构，也就是众所周知的鸣声核。对这一领域的研究使我们对神经回路的功能有了更深入的了解，同时也为其他有关人类运动、感觉和情感的研究带来了启发。弄清楚鸟类是如何互相模仿的，可以帮助解释我们是如何做同样的事情的，这一点在向机器教授语言技能等方面可能至关重要。

奥奇在波士顿大学的一个鸟舍研究大约300只鸟。在其中一项实验中，研究人员将为一只斑胸草雀配备一个背包，背包里的电池可以为其头骨上各种电子元件提供能量。然后，这只鸟被放置在一个微波炉大小的隔声间里，在那里它会连续几天唱歌，与此同时奥奇和他的团队通过类似于马西斯用在老鼠身上的机制观察它的大脑。随着研究人员对斑胸草雀的声音处理中心了解得越来越多，他们寻求解答越来越精确的关于斑胸草雀大脑的问题。「我们不知道如何骑自行车、驾驶直升机或说日语的信息是如何存储于大脑的，」奥奇说，「总有一天，我们会获得这方面的知识。」

他负责管理该名为加德纳实验室的研究中心。在此之前，与之同名的蒂姆·加德纳(Tim Gardner)离任，转而到马斯克的Neuralink工作。Neuralink寻求通过超级快速的计算机处理器来强化人类的大脑。

加德纳的离开在为马斯克的愿景感到兴奋的神经科学家和学生圈子中引起了不小的轰动。「目前那还处于幻想阶段，但我相信，在遥远的将来，有一天我们真的可以把信息直接写进大脑……太神奇了。」奥奇说，「我非常希望能够为解决这个问题做出贡献，哪怕是很小的贡献。」

鸟鸣声研究人员是人工智能领域最吃香的人才之一。在加州大学伯克利分校完成学位论文以及在苹果公司工作一段时间后，钱宁·摩尔(Channing Moore)加入了谷歌的声音理解团队。在那里他创建了与该公司的图像识别软件一样复杂的声音识别系统，它能够区分警报器和婴儿的哭声。

在英特尔公司，来自加州大学伯克利分校的另一位博士泰勒·李（Tyler Lee）正在利用他的斑纹雀研究来改进语音处理技术——这种技术最终应用于Siri等语音控制软件。「我们正试图提出非常相似的问题，」他说道，「我怎样才能接收到听觉输入，理解一个人在说什么，他们周围的噪音是什么，他们处于什么样的环境，然后做出处理？」

加州大学伯克利分校大学教授弗雷德里克·休尼森(Frederic Theunissen)是摩尔和泰勒·李当初展开研究的实验室的负责人。他说，他领导展开的研究有着巨大的应用潜力。「如果你对自动语音识别、语音识别等感兴趣，你就会获得一套特殊的技能。」。

用于手机和其它设备的基于声波纹的安全系统就是一个例子。另一个是减少电话和视频的噪音。这种应用来自于摩尔对抗噪音鸟类的研究。斑胸草雀的神经元能够从周围的杂音中分辨出另一只斑胸草雀的叫声。

自里根时代以来，学者们一直试图宣告这是神经科学的时代，但在本世纪初，年轻的神经科学毕业生职业前景并不好，他们的人数也很低。根据美国教育部的数据，15年前，美国大学的神经科学本科毕业生不足1500人，获得博士学位的更是不足400人。即使这部分毕业生如此之少，学校也没有为他们提供足够多的全职工作岗位和研究资金。

2005年德鲁·罗布森(DrewRobson)从普林斯顿大学数学学位毕业时，他的本科导师给了他一条令人难忘的建议：无论你做什么，都不要从事神经科学。罗布森没有理会这一劝告，反而和同样来自普林斯顿大学的合作伙伴兼爱人珍妮弗·李(Jennifer Li)一起成立了罗兰研究所的罗利实验室。他们见证了这个领域的发展，如今美国高校已经每年授予大约5000个神经科学学士学位和600个博士学位。罗布森表示：「过去10年，从业人员取得了爆炸式的增长。

鱼类研究

罗利实验室团队致力于研究斑马鱼。斑马鱼是一种鲦鱼，年幼时它们的身体是透明的，这使得研究人员可以直接观察它们的神经元，而无需用牙粘固粉将玻璃面板和它们的部分头骨融合在一起。罗布森和珍妮弗·李发明的一种特殊的移动显微镜可以帮助他们记录斑马鱼游泳时哪些神经元是活跃的。为了捕捉斑马鱼行为的不同方面，它们可能会改变电流——导致动物转身或更用力地朝着同一个方向游。

和许多同行一样，罗布森和珍妮弗·李也非常了解脑部科学和人工智能技术之间的关系。去年，两人买了一辆特斯拉汽车，身为专业研究人员的他们非常乐于看到该汽车的自动驾驶系统不断进化。当它自动避开其他的车辆时，他们联想到了斑马鱼用来实现其目标的策略，比如当发现捕食者时，它们会迅速从捕猎模式切换到快速游泳模式。特斯拉正试图将自动驾驶技术从基本的物体识别提升到类似人类的决策能力，两人对此类行为的深入了解有朝一日可能会有助于特斯拉打造它的神经网络。

「那涉及多得多的数据。」珍妮弗·李说，「借助生物学，则能走捷径，看看解决方案应该是什么，而不必进行重新发明。」罗布森指出，他愿意未来帮助特斯拉解决这类问题。

斑马鱼的神经模式可以通过幼鱼透明的头骨看到，这可能为绘制更复杂的决策过程以及为机器复制这些过程提供了路径。

学术机构和科技公司之争

在神经科学领域，公共机构和私营企业之间的流动边界开启了一个问题：谁将主导人类和机器之间潜在的融合。长期以来展开该最雄心勃勃的研究的高校，如今正面临拥有更庞大的计算机和数据集的科技公司的挑战。一个刚获得博士学位的人在一所普通大学的预期年薪达到5万美元左右，而私营企业提供的年薪则是数十万美元，上升空间也高得多。在离开休尼森实验室不到15年以后，另一位斑胸草雀研究者、Twitter高级工程副总裁克里斯·弗莱（Chris Fry）年薪达到1030万美元。「如今有大量的人才从学术机构流出。」麦肯齐·马西斯称，「留在学术机构已经成了一种选择。」

除了薪资待遇以外，许多神经科学家之所以被吸引到私营企业，还因为这往往给他们带来一个从事更令人兴奋甚至更奇怪的工作的机会——更不用说不需要写经费申请了。然而，他们前往硅谷也可能意味着切断富有前景的研究路线，也可能促使同行们纷纷随波逐流。在加德纳做出投奔Neuralink的决定以后，他的一个博士生转学了，结果他的下一个杰出的导师也离职去创业了。

今年9月，珍妮弗·李和罗布森将前往由德国政府资助的马克斯·普朗克生物控制论研究所学习。两人选择留在学术机构，是因为他们喜欢罗布森所说的「操场环境」的自由和灵活性。是的，动物实验可对无害、无助的动物做出不近人情的事情。它们也有通人情的一面——这是我们可能希望人工智能能够展示的一点。

四年前，在制造出可追踪显微镜之前，珍妮弗·李和罗布森使用一种粘性凝胶来使得年幼的斑马鱼在原地游动几个小时，目的是测量它们的神经元是如何发光的。一天早上，两人来到实验室，发现了一大惊喜：一条幼鱼在他们离开18个小时后仍在游动，远远超出了他们的预期。

「这种动物太厉害了。」罗布森说。「简直完美，」李补充道。「它的行为很完美。」出于实验的严谨性，研究人员不能让他们的英雄去繁殖后代，但他们做了件好事：把它的母亲安置于一个特殊的水族馆里，把它当宠物来养。他们给她取名为弗雷德，以艾米·阿克（Amy Acker）在电视剧《天使》中饰演的聪明绝顶的角色命名。

罗布森和珍妮弗·李表示，人工智能和脑机接口的发展将迫使人类变得更加人性化。毕竟，如果我们的目标之一是将我们自己的道德灌输给有思想的机器，我们将不得不比以往更多地思考道德问题。例如，谁应该获得更强的思维能力？自动驾驶汽车应该优先选择拯救乘客而非行人吗？机器得达到什么样的智能程度，才能给它灌输我们的道德？「那本质上明显是一个道德问题——你如何衡量生命？」本科时学哲学的珍妮弗·李说道。

「这意味着在道德问题上我们必须要非常严谨，」罗布森说，「你必须得投身于此。」