正如每个购买电脑的人所了解的那样，电气工程师总能设法不断制造出越来越小的微处理器，使PC的速度大约每18个月翻一番。保持清醒的认识可能很困难，但请考虑一下，36年前第一台房间大小的主机电脑的强大功能，如今已不及任何一台普通的笔记本电脑。那么，这张图有什么问题呢？生物医学工程师William Ditto指出，今天的处理器可能速度更快，但它们并没有比40年前更智能。
迄今为止，让计算机能够学习并变得真正智能的人工智能梦想，已经被证明是一场噩梦。这一失败促使Ditto和他在佐治亚理工学院和埃默里大学的研究团队开始探索超越硅甚至超越光芯片的领域。“最初是算盘上的珠子，然后是真空管和集成电路，”Ditto说，“现在我们可以使用活体组织了。”
如今，他选择的水蛭神经元是因为“它们非常大且易于使用”。而且它们学习速度很快。不久前，Ditto和他的团队训练了两个活体水蛭神经元进行非常简单的加法运算——这是一个不起眼的开端，但可能最终会将数百万个类似神经元整合到一台计算机中，利用人脑的非线性模式识别逻辑来解决问题。尽管这看起来有些牵强，但Ditto认为神经元可以成为下一波计算机浪潮基础的信念具有感染力。“比尔是我们的精神领袖，”佐治亚理工学院的神经工程师兼合作者Steve DeWeerth说。
大脑从其个体细胞的两个特性中获得强大的问题解决能力。首先，一个神经元可以处于数千种不同的状态中的任何一种，这使得它能够比只有开和关两种状态的晶体管存储更多信息。其次，神经元可以通过重新排列自己的突触连接来选择与其他神经元进行交流。神经生物学家称之为自组织。
尽管科学家们已经开发出试图仅使用数字计算机的“是-否”二进制逻辑来模仿大脑学习过程的软件，但个人计算机中的所有连接都在工厂里就已经布线完成。断开其中任何一个连接通常会导致计算机崩溃。
这对神经计算机来说不是问题。“像这样的动态混沌系统自然会自组织，”Ditto说。以人类心脏为例。一个孤立的心脏神经元只是混沌地放电，没有明显的智能。但是当它成为活体心脏中神经元网络的一部分时，它会与其他所有神经元同步，从而产生稳定的心跳。神经计算机可能以类似的方式工作。如果计算机程序员能够向一群神经元提出一个问题，比如“创造一个规律的心跳”，那么这些神经元可能会通过试错来找出如何重新连接自己的电路以产生稳定的有节奏的跳动。
当然，弄清楚如何向神经元提出复杂问题是一项艰巨的编程挑战。神经元说着一种极其复杂的语言。神经元词汇中的每个“词”都是一个可重复的电脉冲模式。当神经元彼此交流时，这些电词通过突触传输，突触是将神经元连接成网络的电连接。每个突触连接可以有多达20万个通道，每个通道都携带有关细胞生命不同方面的信息，这有点像你的电视同时接收不同频道的有线节目。
直到几年前，解开和解释如此多的细胞间对话似乎是不可能的：想象一下，试图翻译新闻主播用拉丁语在20万个有线电视频道上广播的每一个词。讽刺的是，正是现代数字计算机不断增强的功能使得这些问题得以解决。布兰迪斯大学的神经生物学家Eve Marder利用微处理器的速度处理微分方程，开发了一个名为“动态钳”的计算机程序，可以实时翻译神经元的“语言”。
电脉冲通过插入神经元的探针传输到计算机。动态钳“读取细胞的电压，然后使用该电压和计算在该电压下将流动的电流的方程，”Marder说。然后它计算并生成一个响应，并通过探针传回。通过控制回复脉冲的强度，程序模仿神经元传导通道，神经元反应得就像它正在与另一个神经元而不是计算机通信一样。
Ditto的团队以相反的方式使用动态钳：发出指令。计算机向神经元发送一个刺激性电信号，从而指示细胞采取何种状态。例如，为了加一对数字，Ditto“告诉”两个细胞进入与两个数字对应的状态。然后，这两个细胞通过计算机进行电连接，并被告知“相加”。它们回答出结果。即使Ditto也承认这是一个非常简单的成功。“我们已经作弊了，”他说，“我们知道信息就在那里。”
接下来，该团队希望构建一个足够复杂的神经计算机，使其能够学习任务，例如如何在布满巨石的景观上移动机器人的腿，或者识别抽象的空间模式，包括火柴人画。无论是哪项成就都将难以实现。
“与学习走路相比，微积分很容易，”DeWeerth说。而更难的问题需要更多的神经元。“我们需要成千上万的神经元来解决这些复杂的任务，”他说。这就提出了一个重大挑战：“我们如何对它们全部进行编程？”
在某种意义上，这应该很容易。“非常简单的规则可以产生复杂的行为，”Ditto说。例如，觅食蚁仅凭少数非常简单的规则就能创造出复杂的文明。但如何找出这套基本的简单规则呢？
这是一个可能永远不必回答的问题。“我们不知道生物系统是如何自组织的，”DeWeerth说，“但我们可能不必理解它就能利用它。”该团队计划不通过计算机连接每个神经元，而是将计算机连接到少量神经元，并允许它们与更大的神经元网络通信。计算机接口将以我们眼睛、耳朵、鼻子和手向大脑提供感官刺激的相同方式刺激神经计算机。通过接口发送信息和反馈，“我们将教神经元自己建立正确的连接，”DeWeerth说。
不断重复可能是关键。“大脑不断适应，所以我们重复的任务会越来越好，”DeWeerth说。例如，当一个网球新手将球高高抛起并击打时，大脑会逐渐学会协调发球所需的肌肉。但训练神经元需要时间。想象一下皮特·桑普拉斯在赢得温布尔登之前必须击打多少次发球。
幸运的是，神经元喜欢练习，所以迪托的团队正在努力让它们开始工作。“我们现在正准备使用二维和三维的神经组织进行计算，”他说。他希望在七年内，能教会一毫米大小的神经元立方体进行算术运算并识别模式。由于不可能在所有不同的神经层之间插入计算机协调器，这将是首次尝试让神经元自己建立相互连接。迪托承认，“仍然有很多工程方面的难题。但一旦神经元开始工作，你就几乎无法阻止它们进行计算。”
链接
有关水蛭计算的更多信息，请访问www.physics.gatech.edu/chaos
