欧盟人脑项目：有钱有大计划，就能做出基础科学突破性成果吗？

1993 年，美国启动过一个 “人类脑计划”（Human Brain Project US），目标是建立一个全球网络，分享有关脑科学的所有数据，当时多国（包括我国）响应，科学工作者欢欣鼓舞。后来，此项目无疾而终，再也没有人提及此事了。

尴尬的 “讣告”

7 月底，国内许多科普公众号突然发布头条新闻，以铺天盖地之势报道了欧盟人脑计划失败的新闻，所用的标题也非常吸引眼球，大有语不惊人死不休之势。

但是，如果稍仔细读一下，就会发现所有这些文章都源自 Ed Yong 今年 7 月 22 日发布的一篇推文《人脑计划并未实现其诺言》（The Human Brain Project Hasn’t Lived Up toIts Promise），讲的是在瑞士工作的以色列科学家马克拉姆（Henry Markram）（图 1）2009 年 7 月 22 日在 TED 组织的一次会议上宣称他可以在十年内做到在计算机上仿真人的全脑（那时他还没申请人脑计划呢），到今年 7 月 22 日正好是十年，而他并没有做到这一点。

图 1. HBP 的发起人马克拉姆和他心爱的鼠皮层柱微回路仿真结果。（引自 http://img.clubic.com/02BB000007384273-photo-henry-markram.jpg）

实际上，正式启动于 2013 年的欧盟人脑计划（Human Brain Project，下文简称 HBP）早已在 2015 年就公开放弃了这一目标，马克拉姆也从人脑计划说一不二的领导岗位上黯然下台[1]。

所以 Yong 的标题并不错，虽然有些 “马后炮” 了。如果说马克拉姆的人工全脑之梦已死，那么这个讣告发得晚了些。而如果说整个欧盟人脑计划（HBP）已经死了，这个讣告发得又有些早了。该计划要到 2023 年才到期，官方网站（https://www.humanbrainproject.eu/）到现在也还在运转，并不断发布新闻，7 月 26-28 日 HBP 的负责人 Alois Knoll 博士还到上海参加 “2019 类脑智能研讨会” 呢。

现在的人脑计划和马克拉姆当年提出时的人脑计划的目标已大相径庭。现在的人脑计划已经力图变成一个基于信息学通讯技术的研究脑、认知神经科学和仿脑计算的公共平台，变成有某种永久性共享基础设施的国际组织[2]—— 虽然到 2023 年，这一缩小了的目标是否能成功，甚至 2020 年进入最后阶段时欧盟是否还会继续拨款，都还有待观察。HBP 最终是否能成功，将取决于广大神经科学家是否愿意利用这个平台来进行研究，并且得出有意义的结果。不过，不管这个计划现在究竟是白白胖胖还是骨瘦如柴，但至少还没有寿终正寝。 至于有些报道中说欧盟人脑计划（EUHuman Brain Project, HBP）是蓝脑计划（BlueBrain Project, BBP）的改称，则是不对的。蓝脑计划是马克拉姆 2005 年在瑞士联邦政府支持下在他所在的瑞士联邦洛桑理工学院启动的一个计划，一直运行至今。马克拉姆确实是在蓝脑计划的基础之上，联合了其他科学家提出人脑计划的，但这依然是两个不同的计划，蓝脑计划也有自己独立的官方网站（http://bluebrain.epfl.ch/），马克拉姆现在的工作多以此计划的名义发表[3]。 以上仅仅是厘清一些基本的事实。本文的目标主要是想检讨一下马克拉姆提出 “用大科学计划的形式实现人工全脑” 失败的原因是什么，给我们带来了哪些经验教训。 致命缺陷

关于马克拉姆 “仿真全脑计划” 的失败，Yong 在文章里列举了不少原因，归结起来大概有下面这几点：

①我们对脑的认识还很肤浅，未知之处多于已有的认识； ②其目标不是针对某个特定问题，而是为仿真脑而仿真； ③犯了循环逻辑的错误，即用仿真脑的方法来认识脑，而为了仿真脑又必须先认识脑。 以上确实是问题所在，不过在笔者看来，Yong 还没有深入谈到一些更深层次的原因。其实，不用等到今天，只需回顾一下蓝脑计划的过去，以及以往大科学计划的成败，就不难预见到马克拉姆的失败。 2013 年 HBP 刚开始启动时，笔者就发表过一篇题为《欧盟人脑计划不大可能在十年内创建一个人工全脑》（The Human Brain Project EU Is Unlikely toCreate an Artificial Whole-Brain in a Decade）的评论文章[4]。2014 年，笔者又在拙作《脑海探险：人类怎样认识自己》[5]一书中对 “十年内造不出人工全脑” 作了进一步的分析。在这里，我们先提一个仿真全脑计划最主要的致命伤：脑科学还没有任何理论框架。 回顾历史，所有成功的大科学计划实质上都是一些工程技术性的计划，如制造原子弹的曼哈顿计划、探月的阿波罗计划，以至分析 DNA 序列的人类基因组计划，这些计划的后面都有坚实的理论基础。而美国尼克松总统提出的 “向癌开战法案” 就缺乏坚实的理论基础 —— 它虽然意义重大，却无疾而终。仿真全脑计划也存在这一缺陷：人的全脑是怎样工作的，我们至今甚至还没有任何理论框架。

差不多半个世纪以前，1968 年，为了纪念控制论诞生 20 周年，科学家曾经开过一次讨论会，当时一些科学家就曾经断言，神经科学的情况就像 19 世纪末元素周期表发现之前化学的情况：已经积累了大量的实验资料，但是缺乏一个理论框架把这些资料组织起来。差不多半个世纪过去了，这个理论框架依然没有出现。

脑科学的现状让我想起 20 世纪 20 年代和 30 年代分子生物学和胚胎学的状况。发现了许多有趣的事实，每年在许多方面都取得了稳步的进展，但主要的问题仍然没有得到解决，而要是没有新的技术和新的思路，那么这些问题也不大可能得到解决。分子生物学在 20 世纪 60 年代变得成熟了，而胚胎学才刚刚开始成熟。脑科学还有很长的路要走，但是这个学科的魅力和答案的重要性将不可避免地将其推向前进。[6]

——DNA 双螺旋结构发现者克拉克，1990

今天的神经科学还处在法拉第阶段，还没有到麦克斯韦阶段，要想一步登天是毫无意义的。[7]

—— 印度裔美国神经病学家拉马钱德兰，1998

2006 年，当我为将要创刊的《认知神经动力学》（Cognitive Neurodynamics）杂志起草发刊词时，曾请美国神经科学家弗里曼（Walter J. Freeman）审阅，他在我的草稿里加了一段： 五十多年前，受到发明数字计算机和建立遗传的 DNA 模型的鼓舞，科学家们满怀信心地认为，认识生物智能和创造机器智能的任务已经胜算在握。在开始时，进展看上去非常迅速。占满空调房间的巨大电 “脑” 缩小到可以放到手提包里。计算速度每两年就翻一番。 这些进步所显示出来的其实并非是问题的解决，而是问题的困难性。我们就像那些 “发现” 了美洲的地理学家一样，他们在海岸上看到的并不只是一串小岛，而是有待探险的整个大陆。使我们深为震惊的与其说是在脑如何思考的问题上我们作出的发现的深度，还不如说是我们所承担的阐明和复制脑高级功能的任务是何等的艰巨。[8] 这是我写不出来的，因此就全文照录。我以为，弗里曼的这段话到现在也依然成立。缺乏全脑工作机制的理论框架，在脑研究中依然有大片几乎空白的领域有待勘探，这些现状是马克拉姆无法兑现承诺的致命伤。 清醒的认识

人脑计划被提出而尚未正式启动之时，在科学界就已经引起了极大的兴趣，许多人非常兴奋，但是也不乏像笔者这样的怀疑论者。当我和某位同事讨论时，这位同事好心地劝告我说：“这些都是些聪明人，他们不会想不到连我们也能想到的问题。” 这话并非没有道理。其实马克拉姆本人对此并不糊涂，2009 年，在尚未更新过的蓝脑计划官网上，他回答了一些提问，表现出清醒的认识。关于进一步建立全脑模型（开始是鼠脑，最终是人脑）的问题，马克拉姆是这样说的： “以目前和可预见未来的计算机技术而论，看来还不大可能仿真一个精确到细胞和突触复杂性水平（分子层次以上）的哺乳动物脑。”

问：你是否相信计算机真的能确切地仿真人脑？

马：以目前和可预见未来的计算机技术而论，看来还不大可能仿真一个精确到细胞和突触复杂性水平（分子层次以上）的哺乳动物脑。…… 这很少可能，也没有这个必要。要这样做是非常困难的，因为脑内的每个分子就是一台功能强大的计算机，而我们得仿真以千兆（trillion）计的分子的结构和功能，还得仿真这些分子相互作用所遵循的全部规律。你至少需要比现在大 1012（trillion）倍和快 1012倍的超级计算机。哺乳动物自己就能繁殖，我们无需用计算机来复制哺乳动物。这不是我的目的。我们只是想认识生物系统是如何工作的，又为什么会失常，这将造福人类。”

问：我们真的能造出一个这样的人工大脑，它会有意识吗？

马：我真的不知道。如果意识仅仅是由非常大量的相互作用产生的，那么也许有可能吧。但是我们对意识究竟是什么都不知道，所以很难说。 当然，这些问答在现在的 HBP 网站或蓝脑计划网站上已经找不到了。这些全是笔者当年下载下来保存在电脑里的资料。 急转直下

马克拉姆当时对这些问题的回答和笔者之前对人脑计划的估计基本是一致的。转折点出现 2009 年。正如 Yong 所说，马克拉姆在 2009 年 7 月 22 日 TED 组织的大会上一反不久前的清醒认识，宣布要在十年内造出人工全脑。紧接着，在同年 12 月出版的《发现》（Discover）杂志对他的专访[9]中，他表示：“我想我能够有充分把握地说，建立起一个脑模型是完全可能的。” 当记者问 “什么时候您才能仿真人脑，而不只是某个部分的鼠脑” 时，他的回答是： “这只是一个尺度的问题，也是一个精度的问题…… 从技术层面上讲，利用计算机和数据采集技术，有可能在 10 年内建立起人脑模型。实际上唯一的问题是经费问题。不过这得一步步来。下一步我们要花 3 年时间建立大鼠的全脑模型，以及分子层次上鼠脑中 2 亿个神经元相互作用的精细模型。” 对于记者进一步的问题 “一旦我们建立起人脑模型，我们是否就能体验并重建人的心智？” 他的回答是：

这并非真的那么复杂。为了使我能读出你的思想，我需要能看到你的模式，并把它转换成读出…… 这就是神经编码。

由于我们正变得更善于对神经信息进行解码，我想这将不会成为多大的问题。…… 我们已非常接近于解决神经编码问题，所有一切都表明在未来的几年里就会有很大进展。

为什么对同一个问题的看法，在科学上没有出现任何突破的情况下，会产生一百八十度的大转变？笔者以 “小人之心” 猜度，恐怕其原因就出在他的那句话 “实际上唯一的问题是经费问题。”不过这并不是笔者的凭空猜测，种种蛛丝马迹都暗示着这个原因。

首先是时机。在马克拉姆开始其蓝脑计划的时候，IBM 以极其优惠的价格供应了一台当时最先进的蓝色基因（Blue Gene）超级计算机，大概是由于 IBM 的外号叫做 “大蓝”（Big blue）的原因吧，马克拉姆把他的计划也叫做了蓝脑计划。无疑，他希望 IBM 能长期给予资助。但是后来，他发现在 IBM 内部有一个以莫德哈（Dharmendra Modha）为首的竞争者，他们用点神经元仿真了一个猫脑规模的神经网络，而当 IBM 显示出更偏向自己人的时候，马克拉姆很可能产生了强烈的危机感，以致在 2009 年给 IBM 的 CTO 迈耶森（Bernard Meyerson）写了一封异乎寻常的信件，并且抄送了许多媒体。在这封信里，他对莫德哈大加攻击，用 “骗局”、“弥天大谎”、“愚蠢” 等等词汇来形容莫德哈的工作，甚至说出 “我曾以为会有一个伦理委员会把这个人倒吊起来” 这样一般在正常的学术争论中不会使用的重话[10]。这使人不得不怀疑，马克拉姆和自己期望的赞助商 IBM 关系搞崩了。 而正在这个时候，即 2009 年 12 月，欧盟宣布要资助两个 2013－2023 年度高风险、但可能带来巨大变革的 “未来和新兴技术（future and emerging technologies, FET）旗舰项目（flagship projects）”，每个项目的资助额为 10 亿欧元，为期 10 年。马克拉姆作为 27 名顾问团的成员之一，自然在第一时间就知道了这一消息。

“近水楼台先得月”，马克拉姆抢得先手，以蓝脑计划为基础，在经过近两年的筹备之后，联合了欧洲 19 个国家的 117 个研究单位，于 2013 年 1 月 28 日以 “人脑计划” 为名赢得了欧盟公开招标的 “未来和新兴技术旗舰项目”，并在同年 10 月 7 日正式启动。 为了赢得这样一个高风险而又可能带来高回报的旗舰项目招标，还有什么课题能比 “在计算机里仿真出一个人脑” 更让人印象深刻呢？再说，以这样一位卓有贡献的著名神经科学家领衔，联合了那么多科学家共同提出的项目，怎么可能是一场骗局呢？

图 2. 人脑计划要把从离子通道到全脑的所有知识都整合在一个模型之中。图中从上到下显示的是脑的各个层次：生物大分子层次、细胞层次、回路层次、区域层次和全脑层次。马克拉姆已经在超级计算机 “蓝色基因” 上仿真了最前面的三个层次，现在他想进一步仿真最后两个层次。[11]

更何况，马克拉姆在执行蓝脑计划时，也确实在脑的最底层的三个层次（图 2，顶上的 3 个层次）作出了成绩。他们在 2005 年建立起三维的生物学真实性的神经元模型，在这些神经元模型中考虑了 200 种不同的离子通道及其在细胞膜上的分布，还有神经元的形态。2009 年他们在一台超级计算机上构建了一个出生 2 周后大鼠的新皮层柱模型，其中包括 10,000 个简化的神经元模型；同时考虑了几百种不同类型神经元在新皮层柱中的分布与密度，每个神经元又可能跟好几千个神经元发生联系…… 这无疑令人相信，人脑计划已经有了很好的基础。至于一些使人感到怀疑的地方，则往往被搁置一边。毕竟，“这些都是聪明人，怎么会想不到你我所能想到的问题呢？” 论点与漏洞

为了给人脑计划立项大造声势，马克拉姆在 2012 年 6 月的《科学美国人》（Scientific American）上发表了一篇题为《人脑计划》（Thehuman brain project）的文章[11]，全面阐述了他的思想。

他曾在突触可塑性等方面做出过很出色的工作，但是在文章中，他声称：

我知道我在我的科学生涯上可以再这样二、三十年地做下去，但这无助于我认识脑是如何工作的。

（神经科学领域）每年都会发表 60,000 篇有关脑研究的论文，每篇都是出色的研究，但是每一篇都局限于一隅。

马克拉姆认为，如果按照常规办法，在各种条件下对各物种的各个年龄段，并在健康的和各种疾病的条件下，逐个测量脑里面的每个基因、蛋白质、细胞、突触与回路，那么即使再过一个世纪或者更长时期，也还是解决不了问题。为克服这一困难，必须把全世界所有已知的和新研究出来的数据都整合在一起。这样就必须研发全新的信息和计算技术 —— 包括超级计算机 —— 借以把这些数据整合在统一的计算机模型之中，并对脑进行仿真。 他相信，只有这样才能发现脑的工作模式和组织原理，找出我们人类知识的缺失之处，并以新的实验来填补空缺。他相信，在这样做了以后，就可以从已知的知识预测其他未知之处。他认为，这样建立起来的模型将阐明神经回路是如何组织起来的，行为和认知是怎样产生的（图 2）。 这就像刚到新大陆的探险家，觉得要深入内陆，一块一块地勘探太费时间，就提议 “让我们根据现有知识来造一个沙盘模型吧，只要有了这个模型，我们就能把所有的知识组织起来，我们的勘探也就可以完成了”。当然勘探新大陆并没有多少层次的问题，比起研究脑机制来说要远远简单得多。即便如此，我想探险队中的其他成员恐怕也不会有多少人同意的。 马克拉姆在《人脑计划》一文中说道： 我们的研究方法的关键在于精心研究脑赖以产生的基本蓝图：也就是在整个进化过程中、并在胚胎发育过程中再一次构造出脑的整套原则。从理论上来说，这些原则正是我们动手建造脑所需要的全部信息。人们的质疑不无道理：这些原则所生成的复杂性是惊人的 —— 所以我们才需要超级计算机来解决这个问题。不过发现这些原则本身要好办得多。如果我们找到了这些原则，那么从逻辑上来说，我们没有理由不能利用生物学上产生脑的蓝图去同样建造一个 “硅脑”。

在笔者看来，不幸的是，正如马克拉姆向媒体发表的许多宣传那样，这段话也用了 “如果我们找到了这些原则” 的假设语气 —— 要知道，“这些原则” 可以说正是整个神经科学研究的对象，“如果” 我们发现了所有这些原则，那几乎将是神经科学的终结，而这在可预见的未来几乎是不可能的。 从上述这段话中可以看出，马克拉姆似乎认为建立脑研究的理论框架 “好办得多”，而其实这正是问题的症结所在。脑是我们已知宇宙中最为复杂的系统，它有着极多的层次（图 2 中其实只画出了最粗划分的层次），在每个层次上都会产生下一层次所没有的 “涌现性质”（emergent property）。对脑的认识，我们还有大量的未知领域，而不只是马克拉姆所讲的 “缝隙”（gap）而已。 例如马克拉姆自己承认的、对脑功能十分重要的胶质细胞，我们现在就还很不了解。尽管已研究了好几十年，但是至今仍所知不多。假如仿真人脑计划推进到需要在模型中纳入胶质细胞的时候了，谁能保证神经科学家就一定能按马克拉姆的要求搞清楚了胶质细胞的功能和机制？ 突破性的自然科学研究与工程计划有一个很大的不同：前者很难按计划安排，灵感和运气常常在其中扮演重要的角色，单靠汗水未必能按部就班地揭开某个自然之谜。马克拉姆自己也说过，为了揭开人脑之谜需要几十位爱因斯坦，但是爱因斯坦可没法用计划生产出来。 此外，为了弥补某个缺失的知识，建模者将不得不引入假设。但是脑科学中的未知领域是如此之多，如果都要用假设来填补，那么假设就会多得不可能来检验这些假设的真伪。 关于马克拉姆设想中的其他漏洞，笔者在以前的著述中已经做了比较详细的分析[3-5]，在这里不再重复。

虽然马克拉姆在蓝脑计划中取得的成就给人以 “人脑计划实际可行” 的错觉，但实际上，对于一个有极多层次的系统来说，越是上层的问题，解决起来就越困难。正如要想研究达芬奇的《蒙娜丽莎》所用颜料的化学成分是相对容易的，但即使你完全搞清楚了这些成分的性质和分布，你依然难以解释 “蒙娜丽莎为什么美”。 实际上，马克拉姆以后的工作一直停留在脑的前三个层次上（生物大分子层次、细胞层次、回路层次）。2009 年，马克拉姆在接受《发现》杂志采访时，曾承诺在 3 年内 “建立大鼠的全脑模型”，到 2013 年他启动人脑计划时，3 年早已过去，但他又把之前的承诺列入计划，这表明当初的许诺并未兑现。2015 年，他发表了鼠皮层柱中非常小的一块的仿真结果，并声称他已兑现了他的承诺 —— 他似乎忘记了，或是假装忘记了 “三年内仿真大鼠全脑” 这回事。他的承诺就像是吊在驴头前面的胡萝卜那样，永远可望而不可即，实在使人怀疑。 亡羊补牢

可以说，马克拉姆许下的 “在 2023 年建立人工全脑” 的诺言实际上早在 2015 年就已宣告死亡。但是，欧盟人脑计划彻底改组了领导班子，重新拟定了目标 —— 建立基于信息学通讯技术的研究脑、认知神经科学和仿脑计算的，有某种永久性共享基础设施的国际组织 —— 倒是一直运转至今。虽然 HBP 已彻底放弃了马克拉姆所提的目标，但依然取得了某些成就。

1. 初步建成信息平台

2016 年 3 月底，HBP 的起飞阶段到期。欧盟组织了十几位专家对起飞阶段的工作进行评估。评审专家认为，欧盟人脑计划已经克服了初期困难，初步建立了神经信息学、脑仿真、高性能计算、仿神经结构工程、神经机器人和医学信息学等六个信息学通讯技术平台。HBP 还建立了一个协作实验室（Collaboratoy），在该实验室的网上入口登录后，就可以进入所有平台，让研究者使用其软件和数据库，初步具备了向计划内外研究者开放的条件。 HBP 号召全世界神经科学界都来使用这些平台。但是目前该计划外的研究者对此号召作何反应还不清楚。德国计算神经科学家赫兹（AndreasHerz）评论说：“眼下还没有人能说这些研究平台是否成功。”[12]对于改革后的 HBP 来说，这些平台是否能得到计划内外的神经科学家的广泛应用，他们又能否在此平台上得出有意义的成果，将是判定改革后的计划是否成功的主要标志。

2. 建立一个有生物学真实性的鼠微皮层回路模型

HBP 在神经科学和仿真研究方面取得了一项标志性成就，那就是建立了一个有生物真实性的微皮层回路模型[12]。这一工作历时 20 年，由国际上 82 位科学家合作，仿真了幼鼠体感皮层中一块 1/3 mm3大小的组织，相当于一个功能柱。其中包含 3 万个神经元和 4000 万个突触（图 3）。

图 3. 数字重建鼠体感皮层微型回路。自上至下各行：（顶图）采集实验数据。（中图）从解剖结构和生理电性质上重建硅神经细胞。（下图）左：当令钙离子浓度从低到高增大时，仿真结果得出网络在两种定性上不同的动力学状态之间翻转；右：由仿真结果预测的生物实验结果。[13] 研究人员分析了这些神经元的形态、在皮层各层中的分布和放电模式，据此区分出 207 种不同的神经元类型。再按照不同类型神经元在此柱状组织中的密度，在仿真组织中安排虚拟神经元的分布。每个神经元的细胞膜都像霍奇金 - 赫胥黎模型那样考虑了 13 种不同的离子通道（均与跨膜电位以及钙离子浓度相关），最终在这些虚拟神经元之间建立起 3700 百万个突触联接。不过，由于缺乏实验资料，对突触联接可能存在的不同类型不得不进行假设。 这样仿真得到的结果和动物实验吻合得很好。例如，两者的行为都和细胞外钙离子浓度以及细胞体的去极化程度有关：细胞外钙离子浓度控制网络对突触输入的响应模式，而去极化程度则控制神经元的自发发放。控制这两个参数就可以让网络在两种不同性质的动力学状态之间翻转（图 3）。 美国神经科学家科赫（Christof Koch）称此工作为 “迄今为止对一块可兴奋脑物质所进行的最完整的仿真。考虑到在该模型中做了极大数量的近似和外推，这些神经元既没有像癫痫放电那样乱放一气，也不像昏迷那样沉寂，而在一级近似之下就像脑片上的神经元那样活动，这本身就是一种卓越的成就。”[14] 不过这一 “标志性成就” 并未得到科学界的一致称赞。一些科学家认为这一长达 36 页的工作正好说明了重建全脑的思想是一种误导和浪费金钱。德国神经科学家黑尔姆施泰特（Moritz Helmstaedter）认为有工作发表当然好，不过却证实了他最坏的担忧。他说，这一计划 “被极度夸大了，而现在所发生的正是我们所担心的：并没有真正的发现。把大堆数据堆砌在一起并不能创造出新科学。” 英国科学家莱瑟姆（Peter Latham）说：“我认为人脑计划纯属浪费金钱，不过在读了这篇文章之后，我的观点略有变化，这篇文章实际上是救了人脑计划。” 不过，莱瑟姆接着问道：“您可愿意花 10 亿欧元来做这些事？这才是问题之所在。”[15]

3.仿神经结构芯片

在欧盟人脑计划仿神经结构计算平台（NeuromorphicComputing Platform）下有两个项目：一个是英国曼彻斯特大学的弗伯（Steve Furber）领衔的 “脉冲发放神经网络构筑”（SpikingNeural Network Architecture，SpiNNaker）项目，另一个是由德国海德堡大学的迈尔（Karlheinz Meier）领衔的 “仿神经结构混合系统脑启发多尺度计算”（Brain-inspired multiscale computation in neuromorphic hybrid systems，BrainScaleS）项目，二者都在硬件上实现了仿神经结构芯片（neuromorphic chip）。这些系统中的人工神经元数量都达到了百万级或以上，而消耗的能量要比在传统计算机上仿真有同样节点数的神经网络降低 4 个数量级以上。 这些系统的共同特点是采用脉冲发放神经元作为基本元件，并用脉冲进行通讯，大大提高了速度、减少了能耗。这些芯片在一些特别需要节能的场合也许会有应用前景，但是能否成为新一代计算机，则取决于它们在其他性能上是否显著优于传统计算机，以及使用者是否愿意放弃早已驾轻就熟的传统计算机技术。另外，这些芯片能否实现有应用前景的功能，能否从头建立起自己的语言和生态系统，都还不得而知。 从笔者已看到的材料来看，这两个系统似乎还不如它们的竞争对手 —— 马克拉姆扬言要 “倒吊起来” 的莫德哈所开发的神经结构系统 —— 真北系统（TrueNorth Systems）。后者至少已能做到实时识别环境中的不同对象，如行人、骑车人、卡车、汽车、大巴等，并且比传统系统的速度要快得多，能耗少得多。另外，真北系统还开发出了软硬件环境，也就是所谓的 “生态系统”（ecosystem），现在已经可以运行深度学习和卷积网络。为了推广真北系统，IBM 甚至成立了一所虚拟的网上大学来进行新语言的编程教学[16]。尽管如此，仍很难说工程技术人员是否愿意使用新系统，因此这类系统的应用前景尚有待观察。但不管怎么说，笔者认为作为一种试探，研究开发仿神经结构系统是必要的。 此外，SpiNNaker 和 BrainScaleS 两个项目都强调了其主要目的是用硬件模仿脑。SpiNNaker 系统于 2018 年末建成，研究人员希望能用这个系统模拟鼠脑中的一亿个神经元，而目前在做的也只不过是模拟微功能柱。由于我们对神经回路及其以上层次的联结都还不清楚，这样做究竟只是建立鼠脑规模的人工系统，还是真正模拟鼠脑，还有待观察。或许这种希望和当年马克拉姆的允诺类似 —— 只不过前者用了仿神经结构系统，速度更快，能耗更低，而后者则是在传统计算机上用软件来做的。

图 4. SpiNNaker 系统。（左上图）SpiNNaker 芯片；（右上图）由 48 个芯片构成的电路板：（下图）由电路板构成的 SpiNNaker 系统。（University of Manchester, by Steve Furber and colleagues） 展望

2016 年 4 月，HBP 终于进入正式实施阶段。在经过了起飞阶段的激辩、重组以及外部同行评审之后，HBP 在目标中去掉了许多不切实际的承诺，主要是放弃了马克拉姆当初 “十年建立人工全脑” 的许诺。在坚持对脑进行多层次和多学科研究，并强调使用建模和仿真方法的同时，更强调要开发用于脑研究的多种信息学通讯技术平台，并建成永久性的欧洲脑科学研究设施。

2016 年 11 月 12 日出版的《神经元》（Neuron）杂志

《神经元》（Neuron）杂志于 2016 年 11 月 2 日出版了有关各国脑计划的一期专刊，HBP 的新领导集体发文宣布其目标如下[2]：

HBP 是一个为期十年的欧盟旗舰计划，其目标是在多个尺度上重建脑组织。这一计划在所有层次上把实验、临床数据、数据分析和仿真紧密结合在一起，这样就能最终在各个层次之间架设起桥梁。HBP 的信息学和计算机构筑是独一无二的，它利用云技术进行合作，研发出具有数据库、工作流程系统（workflow systems）、千万亿字节（petabyte）存储和超级计算机的各种平台。人脑计划将发展成推进脑研究、医学和仿脑（brain-inspired）信息技术的欧洲研究设施。 HBP 提出了一种独特的基于信息技术的策略，这一策略把全世界的神经科学数据整合在一起，多层次地认识人脑及其疾病。因此目前所有的这些平台原型将逐渐转变为更为可靠的、对用户友好并紧密地整合起来的研究基础设施。成立一个 HBP 法人实体，将为不受计划时间限制的、永久性的基础设施奠定组织基础。 这一目标虽然远不及原计划那样野心勃勃，不过还是相当宏大。到 2023 年期满时，这个缩小了的目标能否实现，将取决于这些平台是否实用，广大神经科学界是否愿意使用这些平台，并在其上做出有突破性意义的成果。除了该计划内部的成员单位及合作单位之外，神经科学家和医生是否愿意与其共享数据都是大问题。

1993 年，美国神经科学家科斯洛夫（S.H. Koslow）也曾启动过一个美国版的 “人类脑计划（HumanBrain Project US）”，目标是建立一个全球网络，分享有关脑科学的所有数据，得到了包括我国在内的许多国家的响应，当时笔者也曾为此欢欣鼓舞，为文介绍[17]，但今天却已无人再提及此事。 当然，今天我们有了云计算等新技术，条件已不能和当时同日而语，但问题并不完全在于技术困难。美国人类脑计划为什么在红火一阵之后会沉寂下去，究竟有些什么经验教训值得总结，需要认真反思。 以笔者管见，美国物理学家路克斯（Michael Roukes）所说的 “神经科学依然处于手工业时代，每个人都有自己的秘方”[18]不无道理，目前科学家的脑研究工具、实验数据或计算数据格式五花八门，各有自己的一套，外人很难知道实验条件的细节，很难共享也很难利用其他实验室的原始数据，所以如何充分利用现有数据就成了个大问题。 此外，广大的神经科学工作者和临床医生在没有看到建立这样的数据库对自己有什么实在的好处以前，很少有人愿意把自己辛辛苦苦做出来的数据提供给他人。也许对计划内的人可以用经费作为杠杆迫使他们贡献数据，或是一些得到国家大科学计划（例如美国的人类连接组计划）、亿万富翁资助的研究机构（如美国的艾伦脑科学研究所）愿意公开其数据，但是和整个脑科学界相比，这毕竟还只是少量数据。HBP 是否会重蹈美国人类脑计划的覆辙，还有待观察。 另外，在脑的两到三个层次之间通过建模和仿真发现隐藏在数据背后的规律是一回事（虽说这确实是一个重要的方面），但是要从最底部的微观层次到最顶部的宏观层次进行如此高度跨层次的建模和仿真，则是另一个问题。这绝不仅仅是提高计算机运算能力的问题。更何况，从科学发展史上来看，也并非所有的问题都可以通过计算得到解决 —— 即使是最简单的三体问题，也只是在作了极度简化之后才能计算。所以以为只要加强计算机的计算速度和存储容量就能在今后几十年内解决脑研究的一切问题只不过是一种幻想[19]。

本文讨论的是一些尚无定论的开放性问题，想在这样一篇短文中充分展开是不可能的。事实上，正是基于对这些问题的共同兴趣，德国信息技术工程师和连续高科技创业者施拉根霍夫（Karl Schlagenhauf）博士和笔者通过电邮进行了长达 6 年的频繁讨论和争辩，对相关问题做了仔细分析，最终经重新整理后结集出版[19]。其中既有共识，也有歧见。由于讨论的都是这样一些开放性问题，因此即使是我们的共识，也未必都成立，我们在此书中并不企图告诉读者结论，而是希望引起读者的思考，并做出自己的判断。由于我们在书中批评了许多人，当然这也就把我们自己放到了被他人批评的地位，本文当然就更是如此了。