以蜻蜓大腦為師的快速高效神經(jīng)網(wǎng)絡(luò)

編譯 高斯寒

人類的大腦中共有860億個(gè)神經(jīng)元在并行工作，處理來自感官和記憶的輸入信息，實(shí)現(xiàn)人類認(rèn)知的眾多絕技。其他生物的大腦不是這么能干的多面手，但那些生物常常展現(xiàn)出對(duì)于特定任務(wù)的內(nèi)在天資，這是數(shù)百萬年的進(jìn)化打磨出的能力。

我們之中多數(shù)人都早已見過動(dòng)物做聰明的事情。或許你家養(yǎng)的寵物是一名逃脫高手；也許你住在鳥兒或蝴蝶的遷徙路線附近，慶祝它們每年的歸來；或者你對(duì)螞蟻鍥而不舍地一直侵入你家食品儲(chǔ)藏室的行為感到過驚奇。

關(guān)注這類特殊的神經(jīng)系統(tǒng)，并將其作為人工智能（AI）的模型，可能會(huì)被證明與研究人類大腦同樣有價(jià)值。考慮一下你家食品儲(chǔ)藏室里的那些螞蟻的大腦。每只螞蟻的大腦擁有大約25萬個(gè)神經(jīng)元。更大型的昆蟲擁有將近100萬個(gè)神經(jīng)元。我在位于阿爾伯克基的桑迪亞國(guó)家實(shí)驗(yàn)室從事的研究中，以一種較大型的昆蟲——蜻蜓的大腦為研究對(duì)象。我和同事們希望能利用蜻蜓的專長(zhǎng)來設(shè)計(jì)出對(duì)于某些任務(wù)最優(yōu)化的運(yùn)算系統(tǒng)，譬如攔截來襲的導(dǎo)彈或追蹤氣味煙羽（odor plume）。通過利用蜻蜓神經(jīng)系統(tǒng)的高速、簡(jiǎn)潔和高效，我們旨在設(shè)計(jì)出能更快履行這些功能的計(jì)算機(jī)，而且能耗僅僅為常規(guī)系統(tǒng)消耗量的一小部分。

將蜻蜓當(dāng)作未來計(jì)算機(jī)系統(tǒng)的先驅(qū)來關(guān)注也許看起來反直覺。那些被新聞報(bào)道的人工智能和機(jī)器學(xué)習(xí)的進(jìn)展通常都是模仿人類智慧、甚至超越人類能力的算法。神經(jīng)網(wǎng)絡(luò)早已在某些特定任務(wù)（譬如在醫(yī)學(xué)掃描中偵測(cè)癌癥）中就算不是比人類更出色，也是和人類干得一樣好。這些神經(jīng)網(wǎng)絡(luò)算法的潛能遠(yuǎn)遠(yuǎn)超越視覺處理。通過自我對(duì)弈來訓(xùn)練的計(jì)算機(jī)程序阿爾法零（AlphaZero）是全世界最厲害的圍棋手。與它師出同門的AI阿爾法星（AlphaStar）居于最優(yōu)秀的“星際爭(zhēng)霸II”選手之列。

然而，這些成就有所代價(jià)。開發(fā)這些復(fù)雜系統(tǒng)需要大量的處理能力，一般只有擁有最高速的超級(jí)計(jì)算機(jī)和支持它們資源的一流研究機(jī)構(gòu)才可利用那些系統(tǒng)，而且能耗讓人不禁卻步。近期的估測(cè)指出，開發(fā)和訓(xùn)練一個(gè)自然語(yǔ)言處理算法的過程產(chǎn)生的碳排放量超出四輛汽車在其生命周期內(nèi)的總碳排放量。

但是，人工神經(jīng)網(wǎng)絡(luò)真的需要那么龐大、那么復(fù)雜才能派上用場(chǎng)嗎？我認(rèn)為并非如此。為了在不久的將來獲得由神經(jīng)啟發(fā)的計(jì)算機(jī)帶來的好處，我們必須找到簡(jiǎn)潔性和復(fù)雜性之間的折中方案。

假如你早已遇見過蜻蜓，那么你早已知道這些美麗的生物急速飛行時(shí)有多快，你也見識(shí)過它們?cè)诳罩凶屓穗y以置信的敏捷性。在隨意的觀察中不太容易獲知蜻蜓絕佳的獵食能力：蜻蜓追逐獵物時(shí)的捕捉成功率有95%之高，每天要吃掉數(shù)百只蚊子。

蜻蜓的體魄肯定沒有被人忽視。數(shù)十載以來，美國(guó)的科研機(jī)構(gòu)已經(jīng)試驗(yàn)了將從蜻蜓獲得啟發(fā)的設(shè)計(jì)方案用于監(jiān)視用無人機(jī)。現(xiàn)在是時(shí)候?qū)⑽覀兊淖⒁饬D(zhuǎn)向控制這個(gè)小型“捕獵機(jī)器”的蜻蜓大腦了。

蜻蜓也許不會(huì)玩圍棋這種策略性游戲，但蜻蜓確實(shí)在獵食時(shí)展現(xiàn)出一種策略，它會(huì)提前瞄準(zhǔn)獵物的當(dāng)前位置，從而攔截住它的“晚餐”。這需要讓運(yùn)算進(jìn)行得極快才行——通常蜻蜓只需要50毫秒就對(duì)獵物的機(jī)動(dòng)動(dòng)作做出反應(yīng)，開始轉(zhuǎn)向。它這么做的同時(shí)，還會(huì)追蹤頭部與身體之間的角度，這樣它知道要把哪側(cè)的翅膀撲扇得更快，好搶在獵物之前轉(zhuǎn)向。蜻蜓也會(huì)追蹤自身的運(yùn)動(dòng)，因?yàn)殡S著蜻蜓轉(zhuǎn)向，蜻蜓所觀察到的獵物位置會(huì)有變動(dòng)。

蜻蜓只需大約50毫秒就能開始對(duì)獵物的機(jī)動(dòng)動(dòng)作做出反應(yīng)。假如我們假定眼睛里的細(xì)胞偵測(cè)到獵物和傳遞獵物相關(guān)信息耗時(shí)10毫秒，肌肉開始產(chǎn)生力耗時(shí)5毫秒，這樣就僅剩下35毫秒來讓神經(jīng)回路進(jìn)行計(jì)算。考慮到一個(gè)神經(jīng)元通常要耗費(fèi)至少10毫秒來整合輸入信息，底層神經(jīng)網(wǎng)絡(luò)至少有三層的深度

因此，考慮到一個(gè)神經(jīng)元將所有輸入信息整合起來（被稱為膜時(shí)間常數(shù)）所需時(shí)間超過10毫秒，蜻蜓的大腦正在完成一項(xiàng)引人注目的壯舉。假如你將眼睛處理視覺信息和肌肉產(chǎn)生運(yùn)動(dòng)所需力的時(shí)間包含進(jìn)來，那么余下的時(shí)間其實(shí)只夠三層、也許四層神經(jīng)元依次將熟悉信息加總處理后，再把信息傳遞給下一環(huán)。

我能不能構(gòu)建一個(gè)像蜻蜓攔截系統(tǒng)一樣運(yùn)作的神經(jīng)網(wǎng)絡(luò)？我也尋思這樣由神經(jīng)啟發(fā)的攔截系統(tǒng)的用途。我在從事國(guó)家安全研究的桑迪亞國(guó)家實(shí)驗(yàn)室工作，立刻就考慮起國(guó)防應(yīng)用，譬如導(dǎo)彈防御的用途，設(shè)想未來的導(dǎo)彈擁有旨在快速計(jì)算攔截軌道、又不會(huì)影響導(dǎo)彈起飛總重或能耗的彈載系統(tǒng)。但是，也能想到民間應(yīng)用。譬如說，控制無人駕駛汽車的算法可以被改造得更高效，不再需要大量計(jì)算設(shè)備。假如由蜻蜓啟發(fā)的系統(tǒng)能進(jìn)行計(jì)算并繪制出攔截軌道，那么全自動(dòng)無人機(jī)或許能利用它來避免碰撞。假如計(jì)算機(jī)能做得像蜻蜓大腦一樣小（大約6立方毫米），那么或許未來某一天驅(qū)蚊水和蚊帳會(huì)變成過時(shí)之物，取而代之的是微型滅蟲無人機(jī)！

我開始解答這些問題，創(chuàng)造出一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)來代替蜻蜓的神經(jīng)系統(tǒng)，用它來計(jì)算蜻蜓如何拐彎才能捉到獵物。我構(gòu)建的三層神經(jīng)網(wǎng)絡(luò)是一種軟件模擬。一開始，我只是在Matlab軟件內(nèi)構(gòu)建程序，因?yàn)樗俏以缫言谟玫木幊汰h(huán)境。此后，我將模型遷移到Python語(yǔ)言平臺(tái)。

因?yàn)轵唑训靡匆姭C物才能捕捉獵物，于是我首先模擬出蜻蜓眼睛的簡(jiǎn)化版本，抓取追蹤獵物所需的最少細(xì)節(jié)。雖然蜻蜓有兩只眼睛，但一般公認(rèn)蜻蜓并不利用立體景深感知來估量自身與獵物的距離長(zhǎng)短。在我構(gòu)建的模型中，我沒有模擬兩只眼睛，也沒有試圖去趕上蜻蜓眼睛的分辨率。相反地，神經(jīng)網(wǎng)絡(luò)的第一層包括441個(gè)神經(jīng)元，代表來自眼睛的輸入信息，每個(gè)神經(jīng)元描述視野內(nèi)的一塊特定區(qū)域——這些區(qū)域平鋪在一起，形成21×21的神經(jīng)元陣列，覆蓋蜻蜓的視野。隨著蜻蜓轉(zhuǎn)向，獵物影像在蜻蜓視野內(nèi)的位置也會(huì)改變。蜻蜓計(jì)算要讓獵物影像與這些“眼睛”神經(jīng)元中的一個(gè)（或者多個(gè)神經(jīng)元，假如獵物足夠大的話）對(duì)準(zhǔn)的話需要如何轉(zhuǎn)向。第二組441個(gè)神經(jīng)元也在神經(jīng)網(wǎng)絡(luò)的第一層內(nèi)，負(fù)責(zé)告訴蜻蜓哪些眼睛神經(jīng)元應(yīng)當(dāng)與獵物影像對(duì)準(zhǔn)，也就是說，獵物應(yīng)該會(huì)出現(xiàn)在蜻蜓視野內(nèi)的何處。

在完全學(xué)分制環(huán)境下，授課教師面臨很多新問題和挑戰(zhàn)。大學(xué)生的創(chuàng)新意識(shí)和創(chuàng)新能力是高等教育人才培養(yǎng)的重要內(nèi)容。大學(xué)第二課堂——實(shí)踐類教學(xué)活動(dòng)是實(shí)現(xiàn)學(xué)生創(chuàng)新能力培養(yǎng)的關(guān)鍵。本文將創(chuàng)新實(shí)踐類課程授課分為課前視頻學(xué)習(xí)、課堂訓(xùn)練內(nèi)化、課后固化三個(gè)層次。創(chuàng)新實(shí)踐課程經(jīng)過翻轉(zhuǎn)后，增加了師生、生生互動(dòng)和個(gè)性化接觸時(shí)間，課堂成為學(xué)生進(jìn)行項(xiàng)目訓(xùn)練、解決問題的場(chǎng)所，學(xué)生在“做中學(xué)”中理解與應(yīng)用理論、學(xué)習(xí)理論，最大限度地完成知識(shí)內(nèi)化。

計(jì)算處理發(fā)生在我的人工神經(jīng)網(wǎng)絡(luò)的第一層和第三層之間，輸入的信息描述了物體掠過視野的運(yùn)動(dòng)，處理后得出蜻蜓需要朝哪個(gè)方向轉(zhuǎn)向的指令。我在第二層中使用了194 481（21的四次方）個(gè)神經(jīng)元組成的陣列，很可能比蜻蜓對(duì)于這個(gè)任務(wù)所用到的神經(jīng)元數(shù)量多得多。我預(yù)先計(jì)算了系統(tǒng)中所有神經(jīng)元之間連結(jié)的權(quán)重。雖然神經(jīng)網(wǎng)絡(luò)可以通過足夠長(zhǎng)時(shí)間的學(xué)習(xí)來獲知這些權(quán)重，但通過進(jìn)化和預(yù)編程神經(jīng)網(wǎng)絡(luò)架構(gòu)“學(xué)習(xí)”具有優(yōu)勢(shì)。蜻蜓結(jié)束若蟲期，成為有翼成蟲（專業(yè)的稱呼是幼嫩期）后，并沒有父母喂養(yǎng)它或者向它演示如何捕蟲。蜻蜓處于脆弱的狀態(tài)，逐漸適應(yīng)新軀體——假如它得要同時(shí)琢磨捕獵策略的話，那會(huì)不利于它生存。我設(shè)置網(wǎng)絡(luò)的權(quán)重，允許蜻蜓模型根據(jù)輸入的視覺信息，計(jì)算攔截獵物所需的正確轉(zhuǎn)向。要怎樣轉(zhuǎn)向呢？呃，假如一只蜻蜓想要捕捉一只與它路線交叉的蚊子，那么它不能光瞄準(zhǔn)蚊子。借用冰上曲棍球選手韋恩?格雷茨基（Wayne Gretzky）的昔日說法，蜻蜓得要瞄準(zhǔn)蚊子將會(huì)出現(xiàn)的地方。你也許認(rèn)為遵循格雷茨基的建議需要有復(fù)雜的算法，但事實(shí)上這個(gè)策略相當(dāng)簡(jiǎn)單：蜻蜓所需要做的，就是將它觀察獵物的視線和固定參考方向之間的角度維持不變。

有過操縱船只經(jīng)驗(yàn)的讀者會(huì)明白背后道理。他們知道，當(dāng)他們觀察另一艘船的視線與參考方向（比如正北方向）之間的角度保持不變時(shí)，他們?cè)摀?dān)憂起來，因?yàn)閮伤掖谙嘧埠骄€上。長(zhǎng)期以來，海員們一直避免使用這種被稱為“平行航行”的航線來防止相撞。

將這番道理轉(zhuǎn)用到蜻蜓身上，蜻蜓想要與獵物相撞的方法很簡(jiǎn)單：讓觀察獵物的視線與某個(gè)外部參考之間的角度保持不變。然而，當(dāng)蜻蜓俯沖轉(zhuǎn)向、收集“晚餐”時(shí)，這項(xiàng)任務(wù)不一定微不足道。蜻蜓體內(nèi)沒有不管蜻蜓如何轉(zhuǎn)向都維持恒定方向并提供參考的陀螺儀（據(jù)我們所知）。蜻蜓也沒有永遠(yuǎn)會(huì)指向北方的磁性羅盤。在我對(duì)蜻蜓捕食的簡(jiǎn)化版模擬中，蜻蜓轉(zhuǎn)向后將獵物影像與眼睛的特定位置對(duì)準(zhǔn)，但它需要計(jì)算出那個(gè)位置該是什么。

我模擬的神經(jīng)網(wǎng)絡(luò)的第三層（也是最后一層）是運(yùn)動(dòng)指令層。這一層的神經(jīng)元輸出信息是對(duì)于蜻蜓肌肉的高級(jí)指令，告訴蜻蜓該轉(zhuǎn)向哪個(gè)方向。蜻蜓也利用這一層的輸出信息來預(yù)測(cè)它自己的機(jī)動(dòng)動(dòng)作對(duì)于獵物影像在其視野中位置的影響，并相應(yīng)地更新預(yù)測(cè)位置。這種更新使得蜻蜓在接近獵物時(shí)能夠讓它觀察獵物的視線相對(duì)于外部世界保持恒定。

蜻蜓這種生物可能已經(jīng)進(jìn)化出額外的工具來幫助進(jìn)行這種預(yù)測(cè)所需的計(jì)算。譬如說，蜻蜓擁有專門測(cè)量飛行中軀體旋轉(zhuǎn)和頭部相對(duì)于軀體旋轉(zhuǎn)的傳感器——假如這些傳感器足夠快，那么蜻蜓能根據(jù)傳感器輸出值來直接計(jì)算它自身運(yùn)動(dòng)對(duì)獵物影像的影響，或者用一種計(jì)算方法來交叉檢驗(yàn)另一種方法。我在模擬中沒有考慮這個(gè)可能性。

為了測(cè)試這個(gè)三層神經(jīng)網(wǎng)絡(luò)，我模擬一只蜻蜓和它的獵物在三維空間內(nèi)以相同速度移動(dòng)。同時(shí)，我所建模的神經(jīng)網(wǎng)絡(luò)大腦“看見”獵物，計(jì)算要指向哪個(gè)方向來讓獵物影像保持在恒定角度，再發(fā)送適當(dāng)?shù)闹噶罱o肌肉。我能夠展示這個(gè)蜻蜓大腦的簡(jiǎn)單模型確實(shí)能成功攔截其他昆蟲，甚至是沿著曲線或半隨機(jī)路徑行進(jìn)的獵物。不過，模擬的蜻蜓并沒有完全達(dá)到生物學(xué)上蜻蜓的捕獵成功率，它也沒有具備蜻蜓為人所知的所有優(yōu)勢(shì)（譬如說，蜻蜓令人驚異的飛行速度）。

要確定這個(gè)神經(jīng)網(wǎng)絡(luò)是否真的吸收了蜻蜓大腦的所有奧秘，需要做更多研究工作。霍華德?休斯醫(yī)學(xué)研究所位于弗吉尼亞州的珍利亞科研園區(qū)里，那兒的科研人員已經(jīng)研發(fā)出用于蜻蜓身上的微型背包，能夠在蜻蜓飛行時(shí)測(cè)量蜻蜓神經(jīng)系統(tǒng)發(fā)出的電信號(hào)，傳回這些數(shù)據(jù)用于分析。這些“蜻蜓背包”尺寸小到不會(huì)干擾蜻蜓獵食。相似地，神經(jīng)科學(xué)家已經(jīng)能夠在蜻蜓被靜止固定住時(shí)——但通過向蜻蜓呈現(xiàn)適當(dāng)?shù)囊曈X提示，讓蜻蜓以為自己在移動(dòng)，創(chuàng)造出蜻蜓尺度下的虛擬現(xiàn)實(shí)——記錄下蜻蜓大腦內(nèi)單個(gè)神經(jīng)元發(fā)出的信號(hào)。

這些數(shù)據(jù)使得神經(jīng)科學(xué)家能夠?qū)Ⅱ唑汛竽X模型的活動(dòng)和真實(shí)蜻蜓中的生物神經(jīng)元的活動(dòng)模式作比較，從而驗(yàn)證蜻蜓大腦模型。盡管我們還不能直接測(cè)量蜻蜓大腦內(nèi)神經(jīng)元之間的單一連結(jié)，我和同事們將能夠推斷蜻蜓的神經(jīng)系統(tǒng)做的計(jì)算和我的人工神經(jīng)網(wǎng)絡(luò)所預(yù)測(cè)的結(jié)果是否相似。那會(huì)幫助確定蜻蜓大腦內(nèi)的神經(jīng)元連結(jié)是否類似于我預(yù)先計(jì)算的神經(jīng)網(wǎng)絡(luò)權(quán)重。我們無可避免地會(huì)發(fā)現(xiàn)，我們的模型在某些方面與實(shí)際的蜻蜓大腦不同。或許這些區(qū)別會(huì)提供線索，讓我們知道蜻蜓大腦走了哪些捷徑來加速計(jì)算。

這個(gè)“蜻蜓背包”能從插入蜻蜓大腦的電極中抓取信號(hào)，由珍利亞科研園區(qū)的一名科研團(tuán)隊(duì)帶頭人安東尼?萊昂納多（Anthony Leonardo）研發(fā)

蜻蜓也能教會(huì)我們?nèi)绾卧谟?jì)算機(jī)中實(shí)現(xiàn)“關(guān)注”。你可能知道你的大腦全神貫注時(shí)有什么感覺，你完全專心一志，聚焦于一項(xiàng)任務(wù)，達(dá)到其他讓你分心的事似乎都逐漸消失的程度。蜻蜓同樣能集中注意力。它的神經(jīng)系統(tǒng)能夠放大對(duì)于特定的、大概是挑選出來的目標(biāo)的反應(yīng)，甚至在同個(gè)視野內(nèi)能看見其他潛在獵物時(shí)依然如故。一旦一只蜻蜓決定好追逐一只特定獵物，它只有在捕捉第一選擇失敗之后，才會(huì)改變目標(biāo)。（換句話說，假如你很容易就分心，采用平行導(dǎo)航法來捕捉獵物沒有用。）

即使我們最終發(fā)現(xiàn)蜻蜓引導(dǎo)注意力的機(jī)制在復(fù)雜性上比不上人類在擁擠的咖啡廳里聚精會(huì)神的機(jī)制，一個(gè)更簡(jiǎn)單但能耗更低的機(jī)制依然可能會(huì)證明對(duì)于下一代算法和計(jì)算機(jī)系統(tǒng)有益處，因?yàn)樗峁┝藪仐墴o關(guān)輸入信息的高效方式。

研究蜻蜓大腦的好處并不只是新算法，它們也能影響系統(tǒng)設(shè)計(jì)方案。蜻蜓的眼睛很敏捷，運(yùn)作速度相當(dāng)于每秒200幀：那是人類視覺速度的好幾倍。但蜻蜓的空間分辨率相對(duì)較差，大概只有人眼空間分辨率的1/100。蜻蜓雖然視覺感知能力有限，卻能如此高效地獵食。弄懂這背后的原因，就能提出設(shè)計(jì)更高效系統(tǒng)的方法。以導(dǎo)彈防御問題來說，蜻蜓的例子表明，我們的快速光學(xué)傳感反導(dǎo)彈系統(tǒng)要擊中目標(biāo)的話，可能需要較低的空間分辨率。

蜻蜓并非現(xiàn)今唯一一種可以為神經(jīng)啟發(fā)的計(jì)算機(jī)設(shè)計(jì)方案提供幫助的昆蟲。君主斑蝶的遷徙路線長(zhǎng)得讓人難以置信，它們利用某種天生固有的本能在適當(dāng)?shù)臅r(shí)候開始遷徙旅程，飛往正確的方向。我們知道，君主斑蝶的遷徙依賴太陽(yáng)的位置，但依靠太陽(yáng)來導(dǎo)航需要掌握時(shí)間。假如你是一只飛往南方的君主斑蝶，你會(huì)希望上午太陽(yáng)在你的左邊，而到下午時(shí)太陽(yáng)出現(xiàn)在你的右側(cè)。于是，為了設(shè)定路線，蝴蝶大腦必須讀出自身的晝夜節(jié)律，再將這個(gè)信息與它觀察到的情況相結(jié)合。

其他昆蟲（譬如撒哈拉沙漠蟻）必須行走相對(duì)遠(yuǎn)的距離來覓食。它一旦發(fā)現(xiàn)食物源，不會(huì)簡(jiǎn)單地沿原路返回巢穴，因?yàn)槟呛芸赡苁且粭l迂回的路線。相反地，螞蟻會(huì)計(jì)算出一條直接返回巢穴的路線。因?yàn)槲浵伿澄镌吹奈恢妹刻於疾灰粯樱浵伇仨毮苡涀∷捠硶r(shí)所走的路線，將視覺信息和某種體內(nèi)行進(jìn)距離測(cè)量的數(shù)據(jù)相結(jié)合，然后從那些記憶中計(jì)算出它的回巢路線。

雖然沒人知道沙漠蟻體內(nèi)是什么神經(jīng)回路完成這項(xiàng)任務(wù)，但珍利亞科研園區(qū)的研究人員已經(jīng)確定了使得果蠅能利用視覺路標(biāo)自我定向的神經(jīng)回路。沙漠蟻和君主斑蝶很可能利用相似的機(jī)制。這類神經(jīng)回路可能有朝一日能在低耗能無人機(jī)上派上用場(chǎng)。

假如昆蟲啟發(fā)下的計(jì)算效率達(dá)到極高程度，這些專門組件的數(shù)百萬個(gè)實(shí)例能夠并行運(yùn)行，從而支援更強(qiáng)大的數(shù)據(jù)處理或機(jī)器學(xué)習(xí)，那時(shí)會(huì)如何？下一代的“阿爾法零”可不可能合并數(shù)百萬個(gè)類似螞蟻的覓食架構(gòu)來完善它的對(duì)弈？或許昆蟲會(huì)啟發(fā)出新一代的計(jì)算機(jī)，那些計(jì)算機(jī)在外形上與我們現(xiàn)在的計(jì)算機(jī)截然不同？一批蜻蜓攔截之類的算法能夠用來控制游樂園機(jī)動(dòng)游戲設(shè)施的移動(dòng)部件，確保車輛甚至在復(fù)雜且刺激的疾駛中也不會(huì)相撞（很像領(lǐng)航員操縱船只）。

沒人知道下一代的計(jì)算機(jī)會(huì)是什么模樣，是否會(huì)是有機(jī)體與無機(jī)物相結(jié)合的半機(jī)械人同伴，或者是像艾薩克?阿西莫夫（Isaac Asimov）筆下馬爾蒂瓦克（Multivac）那樣的集中式資源。同樣地，沒人能說出開發(fā)這些平臺(tái)的最佳路徑需要有什么。科研人員從人類大腦汲取靈感，開發(fā)出早期神經(jīng)網(wǎng)絡(luò)，而現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)常常依賴與大腦截然不同的運(yùn)算。研究生物神經(jīng)回路中的單個(gè)神經(jīng)元的運(yùn)算——目前只可以在非人類系統(tǒng)里直接辦到——也許會(huì)教會(huì)我們更多東西。昆蟲看似簡(jiǎn)單，但它們所能做到的事常常令人驚訝，對(duì)下一代計(jì)算機(jī)的發(fā)展可做的貢獻(xiàn)很大，尤其是隨著神經(jīng)科學(xué)研究繼續(xù)前進(jìn)，我們對(duì)于生物神經(jīng)回路的運(yùn)作機(jī)制理解得更為深入。

所以，下次當(dāng)你看見一只昆蟲做一些聰明的事情時(shí)，想象一下如果你有一支由小小的蜻蜓、蝴蝶或螞蟻組成的小軍隊(duì)任你調(diào)遣，如果你能擁有它們的高效率，它會(huì)對(duì)你的日常生活帶來什么影響。也許未來的計(jì)算機(jī)會(huì)給“蜂群思維”這個(gè)術(shù)語(yǔ)賦予新的含義，擁有大量高度專業(yè)化且極其高效的微處理器，能夠根據(jù)手頭的任務(wù)進(jìn)行重新配置和部署。憑借現(xiàn)今神經(jīng)科學(xué)取得的進(jìn)展，這看似幻想的未來可能比你想象中更加接近現(xiàn)實(shí)。

資料來源IEEESpectrum