?

腦容量太大是浪費?最高效大腦或許是那些微型大腦

2018-4-2 13:40:03 新聞來源:重慶新聞網

   在一些蜘蛛身上,科學家發現了一個有趣的現象:縱使大腦體積相差多個數量級,但它們表現出的行為能力卻幾乎沒有差異。據此以及從其他動物中觀察到的類似現象,科學家提出:或許一個微型的大腦,已經足以更加高效地完成所有復雜的生命活動。這一結論不僅影響我們對生物演化的認知,更為人工智能的研究提供新見解。

 

  Samoanmossspider是世界上最小的蛛形綱動物,它的體長僅三分之一毫米,單靠肉眼幾乎觀察不到;世界上最大的蜘蛛則是生活在南美的亞馬遜巨人捕鳥蛛,這種蜘蛛重達142克,體型可媲美吃西餐時使用的大餐盤。形象地說,如果把Samoanmoss放大到捕鳥蛛那樣,那么等比例放大的捕鳥蛛就有一只海豚那么大。

 

  只不過,更大的體型并沒有讓捕鳥蛛占到什么行動上的便宜——它們并沒有比小蜘蛛表現出更為復雜的行動方式。“以絕對體積而言,昆蟲、蜘蛛或是一些類似的生物擁有我們目前能夠研究的最小的腦,”巴拿馬市史密森尼熱帶研究所的科學家WilliamWcislo這么告訴我們,“神奇的是,這些生物的行為與大腦體積相對更大的生物同樣復雜,所以我們不禁會好奇:它們是如何做到的?”

 

  哈勒定律

 

  沒有人會指望狼蛛能擁有和海豚相當的智力,也沒有人質疑體積更大的大腦能夠勝任更復雜的功能,不過越來越多的科學家開始思考體積變大是否是大腦功能增強的唯一途徑。為了捕食狡猾的獵物、設計精密的結構、構建復雜的社交網絡,一個“大”腦是否是必須的呢?

 

  在這之前,一代代的科學家們都著眼于一個問題:智能生物是如何演化出體積更大的大腦以進行復雜工作的,而另一小群科學家們(Wcislo也是其中之一)關心的卻是問題的相反方向——大腦為什么會出現小型化的趨勢,以及在體積減小后如何繼續保持功能,甚至還比那些擁有更大腦體積的物種表現的更為出色。簡單來說,這種被科學家們稱作“大腦微型化”的行為就類似于電腦芯片中晶體管體積的縮小。如果這項研究能夠取得突破性的進展,工程師就有可能從中獲取靈感,將小動物的智慧融入下一代電腦的設計中。

 

  研究大腦微型化的科學家常常會提到哈勒定律(Haller‘sRule)。哈勒定律由德國神經系統學家BernhardRensch提出,取名“哈勒”則是為了紀念18世紀的生理學之父AlbrechtvonHaller。哈勒定律聲稱,體型更小的動物的大腦也會相應變小,但是大腦與整體體型的比例將會上升。神奇的是,幾乎所有生物都遵從哈勒定律。“哈勒定律的普適性超出了人們的想象。雖然這個定理在很早之前就已經被學界提出,直到現在科學家們都沒能提出合理的解釋。”與Wcislo任職于同一家研究所,并且保持頻繁合作關系的蜘蛛學者WilliamEberhard這么說道。

 

  想象你為了一次長途旅行打包了一只巨大的行李箱,卻在上飛機前被告知只能攜帶原有箱子體積一半大小的行李。旅行還得照舊,只是可用空間一下就變得狹小了許多——被逼無奈,你只能更有效率地利用可用的空間,僅有的包裹也會被塞得擁擠雜亂。類似的情況的確發生在Eberhard教授養的一些小蜘蛛身上,“他們的大腦并不在尋常的位置上,在體型極其微小的蜘蛛中,有的大腦長到了腿上;還有些胸骨突出,胸腔內部充滿了大腦。為了以小體型容下大腦,它們的身體構造被完全重塑。”Eberhard教授告訴我們。

 

  蜘蛛實驗

 

  蜘蛛世界的體型范圍之廣令人困惑,就拿Eberhard教授最喜歡的圓蛛科為例,他飼養的圓蛛中,最大的重約3克,然而最小的僅重0.005毫克,比它的“堂兄弟”小了約60萬倍。形象地說,兩者相比,就像一個正常體型的成年男子站在一個40萬米高、超過300條藍鯨重量的巨人身旁,僅這個巨人的腦子就有900噸重。

 

  那么現在問題來了,這個擁有更重大腦的巨人會比正常人更聰明嗎?如果我們回到蜘蛛世界來問答這個問題,答案是否定的。通過近距離觀察蜘蛛結的網,科學家們能夠以此推測蜘蛛的智力水平。

 

  在蜘蛛織網的過程中,它必須不停地作出決定,以尋找最有效率的連接蛛絲的方式。盡管蜘蛛們都是杰出的建筑家,它們也會犯錯——而且這些錯誤會持續出現。利用這一點,Eberhard教授將蜘蛛織網時犯的錯誤作為衡量其認知能力的指標。考慮到蜘蛛縮小體型和腦容量所付出的驚人代價,Eberhard教授認為這種代價將會反應在它們的織網水平上,即體型更小的蜘蛛將會在織網過程中犯更多的錯誤。

 

  出乎他們意料的是,體型更小的蜘蛛并沒有在織網中表現出什么劣勢,無論是在物種之間還是在同一物種內部,蜘蛛們犯錯的幾率是完全一樣的。隨后,Eberhard教授的一位學生測試了這些小型生物在限定的狹小環境中織網的能力。同樣,無論體型大小,這些蜘蛛都表現出相近的失誤率,即使是新生的小蜘蛛也是如此。類似的現象也發生在寄生蜂的身上,無論是體型巨大的沙漠蛛蜂還是比單細胞草履蟲更小的纓小蜂,哪怕纓小蜂的腦部已經小到了極致,也并不影響它們熟練地定位和伏擊獵物。“迄今為止,在行為學上我們還沒有發現大腦微型化帶來的負面作用。”Wcislo教授總結。

 

  大腦是如何在體積更小的情況下不影響其功能的呢?答案是通過殘酷的生存競爭篩選。一些小型生物的確擁有縮攏的腦細胞群,神經元細胞之間通過極短的軸突互相連接;不過即使如此,這種縮攏也是有下限的——一個細胞不可能比它的細胞核更小(盡管有些甲蟲直接放棄了所有的細胞核)。而且如果軸突過短的話,它們就會像糾纏的電纜線一樣變得亂七八糟。

 

  小型無脊椎動物們為了得到一個合格的大腦可謂費勁了心思。那么對于更大的動物來說,又是什么情況呢?研究結果發現,無論是蜘蛛、寄生蜂這樣的小型動物,還是更大的鳥類、甚至人類,都在哈勒定律的適用范圍內。如果動物在面臨氣候變化或是其他選擇壓力時選擇向更小的體型方向進化,他們的大腦反而需要更高比例的能量和容量的分配。

 

  蠑螈目中的一個物種有著與昆蟲類似的特點:在同一種群中存在顯著的體型差異。為了擴充腦容量,它們演化出了更薄的頭骨。盡管我們還不知道哈勒定律在人類中的適用形式,但是能夠確定的是,在過去的一萬年間,人類的大腦正在縮小。比起變得更加愚笨,更大的可能是,人類的祖先在向更有效率地利用腦容量轉變。

 

  微型大腦也能完成復雜行為?

 

  DiegoOcampo是一名剛剛從邁阿密大學獲得博士學位的生物學家,他對多達70種鳥類進行了調查,發現這些鳥類完美符合哈勒定律,體型最小的物種擁有占比最大的大腦。但是當他分析物種內部的情況時,Diego發現蜂鳥有它們自己的改良規則。舉例來說,一類體型較大的紫刀翅蜂鳥重達12克,大腦約占總體積的2.4%;而另一種紋喉隱蜂鳥的大小約是紫刀翅蜂鳥的五分之一,但是其大腦卻只占其體積的4.8%。與其他物種相比,這個數字有些小的奇怪。

 

  由此觀之,蜂鳥們似乎擁有比其他鳥類更有效率的大腦,能以更小的體積完成更多的任務——這對哈勒定律又做了一個小小的補充。事實也的確如此,紋喉隱蜂鳥一點也不蠢,相反,它們表現出了相當復雜的行為模式——在翅蜂鳥還只會傻傻地守護一株植物時,紋喉隱蜂鳥能夠記住復雜的路線,在整個森林里尋找食物。

 

  那么是否存在這樣的可能:鳥類的大腦遵循著一些超高效率的設計原則,能使它們用更少的資源實現更多功能?如果這樣的話,許多人們觀察到的動物的驚人能力就能得到合理的解釋。舉幾個例子,非洲灰鸚鵡能夠辨認形狀,甚至可以數數;鴉科動物(包括烏鴉、喜鵲)擁有與某些靈長類動物相同數量的神經元,一些科學家認為它們甚至擁有對“自我”的認知;還有章魚,盡管它們的大腦非常原始,但它們能與狗完成同樣復雜的任務。

 

  LarsChittka在倫敦皇后瑪麗大學研究行為與智能,他認為或許可以從另一個角度來解釋這些有關動物智能的問題。或許動物們并不需要更大的腦子,一些復雜的行為活動其實并不需要那么多腦力。“迄今為止人們也沒有發現,什么行為是必須要有體積很大的大腦才能勝任的,”他告訴我們,“很小的大腦就可以做很多很多的事了。”比如說黃蜂能夠辨認出社群中的每一只黃蜂,但當人們觀察它們的大腦時,卻找不到這種能力從何而來。Chittka認為面部識別可能是從一些更加基礎的能力演化而來的——比如說辨認食物的來源。進一步說,蜜蜂具有復雜的社會關系、程式化的語言交流能力,還有著良好的空間記憶能力——這已經能夠媲美嚙齒類動物了。

 

  的確,直接比較動物王國里相差巨大的兩個物種不是那么可信,要解釋特定行為背后相關的心理學更加困難。不過Eberhard覺得一切也沒有那么悲觀,因為任何違反哈勒定律的動物(即在保持復雜行為能力的同時減少了大腦的體積)都為我們提供了一種研究思路,幫助我們探尋如何最優化地利用大腦。

 

  昆蟲大腦啟迪硅谷研究

 

  Wcislo將大型動物(如鯨魚,甚至是人類)比作在今天看來同樣體型龐大的蘋果IIe電腦。蘋果IIe電腦在20世紀80年代曾風靡一時,是個人計算機行業革命性的里程碑。不可否認的是,這款電腦是一款強大的工具,不過同樣我們也必須承認,它占用了許多無用的空間,還會產生過量的熱。只要與現在隨處可見的iPhone比比,我們就能直觀體會到微型化帶來的便利了。

 

  不難想象,Wcislo的工作得到了硅谷的關注,與他合作時間最長、也是最忠實的投資人FrankLevinson就是一位風險投資家,Frank同時也是光導纖維巨頭Finisar的創始人。當我們問起他為何開始投資對于昆蟲的研究時,他向我們解釋這源于有一天他看到自家附近的幾只蝴蝶,兩只雄蝶競爭一只雌蝶,它們圍繞著灌木叢回環起舞,試圖吸引心儀的異性。“哪怕是英特爾最好的電腦芯片也不會飛、不會起舞、不會追女孩,更不會爭風吃醋,”他這樣概括,“所有我知道的硅谷做出來的東西,都不能表現出這么復雜的行為。”

 

  Levinson告訴我們,今天的電子公司全都著迷于人工智能,即想讓機器更接近人類。而與此同時,對于加快運算進程的研究卻開始遲滯,這是自20世紀70年代以來的第一次。因此,Levinson覺得我們必須將更多的精力放在類似的研究上,探究智能是如何產生,以及是什么使得整個環路更小且更有效率的。換句話說,更接近那些昆蟲。

 

  昆蟲為高性能計算機的研究提供了大量思路。就拿Wcislo最新的難題來說,夜行性隧蜂是一種生活在叢林里的昆蟲,由于樹木的遮蓋,它們的生活環境比沒有月光的夜晚還要再暗上10到20倍。這種環境是如此之黑,以至于根據物理定律,隧蜂無法捕捉到足夠的光子來幫助它們區分視覺信號和背景噪音。“在這樣的情況下,它們又是怎樣看見物體的?”Wcislo思前想后:“理論上來說,它們不可能看得見啊!”一種合理的解釋是,它們小巧的大腦像夜視鏡一般過濾收集到的信號,從而從漆黑的環境中提取出圖像信息。Wcislo還訓練螞蟻走迷宮,比較能與不能勝任這些復雜任務的螞蟻的腦。類似這樣的問題還有許多,每一個都可能暗示著能夠成為最前沿的材料和設計思路,幫助電腦像動物的大腦一般迅速地縮小體積。

 

  在這篇文章的末尾,還是得提一下,昆蟲的腦不僅僅向我們展示了驚人的效率——同時它們也告訴了我們“簡單”的重要性。人工智能的研究之所以那么棘手,也許部分得歸因于人類大腦的極度復雜。不過隨著科學家們的發現,我們現在知道一個很小的、高效的大腦就已經能夠做到很多,說不定這種觀念才是程序員們需要學習并記在心中的。

 

  “硅谷永遠歡迎新思想的碰撞,”Levinson肯定地告訴我們,“看看Wcislo或是別的科學家們對于螞蟻、蜜蜂或是蜘蛛的研究就是一個不錯且有趣的嘗試,畢竟那些動物是如此微小,結構比起人類簡單了不少,這說不定會大大幫助我們探究思維或是學習的進程。”

?
?
?
本站所刊登的各種新聞﹑信息和各種專題專欄資料,均為深圳生活網版權所有,未經協議授權禁止下載使用。
Copyright ? 2000-2013 www.0755shw.com All Rights Reserved
編輯QQ:2383424132
云南快乐十分开奖结果l