動(dòng)物和AI之間的聯(lián)系如此深刻

不少研究鳥類、老鼠和魚類的神經(jīng)科學(xué)家們從傳統(tǒng)學(xué)術(shù)機(jī)構(gòu)轉(zhuǎn)投蘋果、谷歌、Facebook等提供豐厚薪酬的科技公司，幫助它們提升人工智能、自動(dòng)駕駛汽車等技術(shù)。

動(dòng)物思維研究競(jìng)賽

Jaguar是只老鼠。它住在哈佛大學(xué)羅蘭學(xué)院，在那里，它時(shí)不時(shí)地在一個(gè)裝備上玩電子游戲。金屬條讓它置于金屬桿前的一個(gè)小平臺(tái)內(nèi)；它的任務(wù)是通過(guò)感知能力找到虛擬盒子的邊緣。為了做到這一點(diǎn)，它用右爪抓住可以360度旋轉(zhuǎn)的操縱桿，操縱操縱桿，直至感覺到來(lái)自機(jī)器的反饋。當(dāng)他觸達(dá)正確的目標(biāo)區(qū)域，比如說(shuō)盒子的邊緣，管子就會(huì)獎(jiǎng)勵(lì)他一滴糖水。

為了追蹤Jaguar的大腦活動(dòng)，研究人員對(duì)它進(jìn)行了基因改造，使得它的神經(jīng)元在放電時(shí)發(fā)出熒光。這束光可通過(guò)一塊玻璃板看到，該玻璃板借助牙粘固粉與它的部分頭骨融合在一起。玻璃板上方的顯微鏡記錄下了它玩耍時(shí)大腦發(fā)光的圖像。“在一個(gè)過(guò)程中，你可以教它們新的規(guī)則，并觀察成千上萬(wàn)的神經(jīng)元學(xué)習(xí)的整個(gè)過(guò)程，看看它們是如何變化的。”負(fù)責(zé)這項(xiàng)實(shí)驗(yàn)的神經(jīng)學(xué)家麥肯齊·馬西斯(Mackenzie Mathis)說(shuō)。

在過(guò)去的幾十年里，馬西斯的見解只會(huì)促進(jìn)我們對(duì)老鼠和大腦功能的了解。然而，如今，越來(lái)越多的專業(yè)動(dòng)物研究人員協(xié)助開發(fā)人工智能軟件和腦機(jī)接口，她只是其中的一員。她想要發(fā)現(xiàn)老鼠是如何學(xué)習(xí)的，部分原因是這可以告訴我們?nèi)绾谓逃?jì)算機(jī)學(xué)習(xí)。例如，觀察老鼠在視頻游戲中對(duì)意外情況的反應(yīng)，或許有朝一日能讓她把類似的技能傳授給機(jī)器人。

哈佛大學(xué)羅蘭研究所的神經(jīng)科學(xué)家研究老鼠，訓(xùn)練它們完成一些任務(wù)，包括玩視頻游戲和控制操縱桿

其他的神經(jīng)科學(xué)家正在研究斑胸草雀的鳴叫技巧。一些人正在成為羊頭骨導(dǎo)電性方面的專家。還有更多的人選擇了傳統(tǒng)的高中生物學(xué)研究對(duì)象：果蠅，它們的神經(jīng)結(jié)構(gòu)相對(duì)簡(jiǎn)單；又或者蠕蟲，它們從自己為數(shù)不多的神經(jīng)元中榨取大量的汁液。

在過(guò)去的幾年里，各大科技公司一直在“突襲”各所高校，把這些專業(yè)人才挖走。她說(shuō)，蘋果、Facebook、谷歌和Twitter都從Mathis最近的一個(gè)獎(jiǎng)學(xué)金項(xiàng)目中聘用了博士生?！安┦可谀玫綄W(xué)位之前就有工作了。”

當(dāng)然，動(dòng)物長(zhǎng)期以來(lái)在推動(dòng)企業(yè)科學(xué)方面發(fā)揮著重要作用，尤其是在醫(yī)療方面。但是，要想把對(duì)斑馬鳥的聲音處理機(jī)制的剖析應(yīng)用于Siri語(yǔ)音識(shí)別軟件——或者把對(duì)老鼠玩游戲過(guò)程的洞察應(yīng)用于亞馬遜倉(cāng)庫(kù)完全依靠機(jī)器人運(yùn)作的未來(lái)愿景——目前還是天方夜譚。正當(dāng)各行各業(yè)都可能發(fā)生翻天覆地的變化，揭開動(dòng)物思維秘密的競(jìng)賽正變得越來(lái)越不可思議。

打造通用人工智能和腦機(jī)接口

1958年，康奈爾大學(xué)神經(jīng)生物學(xué)家弗蘭克·羅森布拉特(Frank Rosenblatt)推出了感知器，這是最早嘗試在計(jì)算機(jī)中模擬大腦結(jié)構(gòu)的設(shè)備之一。舉例來(lái)說(shuō)，它的處理元素，也就是羅森布拉特所說(shuō)的神經(jīng)元，會(huì)協(xié)調(diào)一致地找出，一張?zhí)囟ǖ恼掌枥L的是一個(gè)男人還是一個(gè)女人——這是對(duì)圖像識(shí)別的一種原始嘗試。圍繞感知器的研究陷入停滯，F(xiàn)acebook、谷歌和其他公司則繼續(xù)將他們龐大的人工智能計(jì)算系統(tǒng)描述為“神經(jīng)網(wǎng)絡(luò)”，該類網(wǎng)絡(luò)由數(shù)百萬(wàn)個(gè)神經(jīng)元協(xié)同工作。

即便是在今天，這種簡(jiǎn)單的概念也大大夸大了計(jì)算和認(rèn)知領(lǐng)域的共通之處。復(fù)制你并不真正理解的東西是很困難的。大腦的真正工作原理——例如，一組神經(jīng)元如何儲(chǔ)存記憶——對(duì)神經(jīng)科學(xué)來(lái)說(shuō)仍然是難以捉摸的，因此神經(jīng)元的數(shù)字對(duì)應(yīng)物仍然只是帶有缺陷的仿制品。它們是經(jīng)過(guò)訓(xùn)練的初級(jí)處理引擎，可以執(zhí)行大量的統(tǒng)計(jì)計(jì)算和識(shí)別模式，并獲得對(duì)應(yīng)于生物學(xué)的名稱。

玩電子游戲的老鼠正在幫助研究人員解開神經(jīng)網(wǎng)絡(luò)的秘密

盡管如此，隨著科技行業(yè)大舉追逐所謂的通用人工智能(AGI)，計(jì)算和認(rèn)知領(lǐng)域之間的壁壘已經(jīng)變疏松了。隱含的目標(biāo)是打造一個(gè)具有感知功能的機(jī)器，它可以自己解決問(wèn)題，而不是依靠人類來(lái)訓(xùn)練它，它也有內(nèi)在的動(dòng)力去學(xué)習(xí)。讓一些倫理學(xué)家感到寬慰的是，我們離實(shí)現(xiàn)通用人工智能還有很長(zhǎng)一段路要走，但在許多的計(jì)算機(jī)科學(xué)家和神經(jīng)科學(xué)家看來(lái)，大腦將為我們指明方向。

另外，有幾家公司正在努力打造腦機(jī)接口，以促使假肢能夠像自然肢體一樣活動(dòng)，或者讓人們能夠?qū)⒅R(shí)下載到大腦中。埃隆·馬斯克(Elon Musk)旗下的Neuralink就是這樣一家公司；另一家是由科技大亨布萊恩·約翰遜(Bryan Johnson)創(chuàng)立的Kernel。神經(jīng)科學(xué)家們正在為這些初創(chuàng)公司提供全方位的建議，包括如何通過(guò)頭骨傳輸信息，確保電極不會(huì)對(duì)測(cè)試對(duì)象產(chǎn)生不良影響。

在馬西斯的哈佛實(shí)驗(yàn)室里，這兩種努力所共有的科學(xué)原理是顯而易見的?！斑@是我們的老鼠宮殿?！彼f(shuō)道，同時(shí)打開了一間屋子的門，里面有幾十只關(guān)在塑料籠子里的老鼠。這些動(dòng)物四處蹦蹦跳跳，在大量訪客的時(shí)候，還翹起了頭，抖動(dòng)著胡須。它們干凈的房間里并沒有多少嚙齒動(dòng)物的氣味。一盞紅色的燈照亮著它們的整個(gè)棲息地，確保這種天生夜行的動(dòng)物白天保持清醒，隨時(shí)能夠?yàn)榭茖W(xué)做出貢獻(xiàn)。

這門科學(xué)包括虛擬盒子游戲和一個(gè)難度大得多的、類似于原版《馬里奧賽車》（Mario Kart）的游戲。在后一項(xiàng)游戲中，老鼠跨坐在兩個(gè)定制的電動(dòng)圓盤上，它的爪子嵌在兩邊的凹槽里。屏幕顯示一個(gè)綠色道路，末端是一個(gè)藍(lán)色矩形。當(dāng)老鼠開始就位試圖接近藍(lán)色矩形時(shí)，它必須小心操縱，以便保持在虛擬道路上。和人類一樣，這些老鼠在玩耍時(shí)眼睛也是呆滯的。它們持續(xù)玩了大約半個(gè)小時(shí)，就不想玩了。

透過(guò)顯微鏡觀察他們的大腦，可記錄下多到驚人的信息。馬西斯說(shuō)道，“我們可以同時(shí)觀察它們大部分的感覺皮層、運(yùn)動(dòng)皮層和決策區(qū)域?！毖芯咳藛T有時(shí)會(huì)改變游戲的規(guī)則和操控方式——例如，通過(guò)拉動(dòng)操縱桿來(lái)產(chǎn)生之字形運(yùn)動(dòng)，而不是直線運(yùn)動(dòng)——然后觀察神經(jīng)元的發(fā)光有何不同。馬西斯還致力于切斷神經(jīng)元的子集，例如與學(xué)習(xí)相關(guān)的節(jié)點(diǎn)，以觀察其余神經(jīng)元的反應(yīng)。一個(gè)早期的發(fā)現(xiàn)是：在運(yùn)動(dòng)時(shí)，除了運(yùn)動(dòng)皮層以外，感覺皮層也在發(fā)揮作用，而且這種作用似乎要大于她原來(lái)的設(shè)想。馬西斯指出，“這些神經(jīng)元不僅僅參與一件特定的事情?！?/p>

她的主要?jiǎng)訖C(jī)之一是，更多地了解動(dòng)物如何快速適應(yīng)物理環(huán)境的變化。例如，當(dāng)你拿起一個(gè)未知重量的物體時(shí)，你的大腦和身體會(huì)迅速計(jì)算出需要用多大的力來(lái)拿起它。目前，機(jī)器人還不能做到這一點(diǎn)，但注入老鼠神經(jīng)元學(xué)習(xí)模式的機(jī)器人有可能做到。馬西斯說(shuō)，老鼠是一個(gè)非常強(qiáng)大的候選者，可以幫助彌補(bǔ)這一鴻溝。它們的大腦足夠復(fù)雜，可以展示高級(jí)別的決策，但也足夠簡(jiǎn)單，讓研究人員能夠在足夠的時(shí)間內(nèi)推斷出這些聯(lián)系。

我們只是在近年才開發(fā)出功能足夠強(qiáng)大的計(jì)算機(jī)，它們能夠捕捉、處理和分析普通老鼠大腦中大約7500萬(wàn)個(gè)神經(jīng)元中的一小部分所產(chǎn)生的數(shù)據(jù)量。直到最近幾年，人工智能軟件才有了足夠的進(jìn)步，讓很多的研究工作能夠自動(dòng)化。馬西斯和她的丈夫亞歷克斯·馬西斯(Alex Mathis)開發(fā)了一款名為DeepLabCut的開源軟件，利用它來(lái)追蹤受試者的運(yùn)動(dòng)。該應(yīng)用程序使用圖像識(shí)別技術(shù)，跟蹤老鼠在玩游戲時(shí)的大腦活動(dòng)，并跟蹤它在獲得糖水獎(jiǎng)勵(lì)時(shí)的反應(yīng)。

科學(xué)家們過(guò)去常常手動(dòng)完成這類工作，在筆記本上一筆一筆進(jìn)行記錄?，F(xiàn)在，該軟件只需幾分鐘就能完成過(guò)去需要幾周或幾個(gè)月的人工才能完成的任務(wù)?！?015年有一篇關(guān)于靈長(zhǎng)類動(dòng)物的論文，他們追蹤了相當(dāng)多的身體部位，比如指關(guān)節(jié)、四肢和一只手臂，猴子有不同的任務(wù)，比如伸手去拿東西并抓住它們?！眮啔v克斯稱，“這篇論文的第一作者寫信給我，說(shuō)他本可以早兩年拿到博士學(xué)位。”現(xiàn)在有200多個(gè)研究中心使用DeepLabCut來(lái)跟蹤各種動(dòng)物。

這類軟件開發(fā)和分析引起了科技公司對(duì)神經(jīng)科學(xué)家的興趣，而且這種興趣跟它們對(duì)他們?cè)趧?dòng)物認(rèn)知上的洞察一樣強(qiáng)烈。現(xiàn)代大腦研究人員必須知道如何編碼和處理大量的信息，就像谷歌的人工智能工作人員必須要懂得如何改進(jìn)廣告算法或者自動(dòng)駕駛汽車的合并車道能力一樣。專注于動(dòng)物的神經(jīng)科學(xué)家也習(xí)慣于研究非傳統(tǒng)的想法。麥肯齊說(shuō)道，“你往往會(huì)遇到有創(chuàng)意的人，雖然他們有點(diǎn)莽撞，但他們都是愿意將自己的職業(yè)生涯押注于研究黑匣子的人?！?/p>

鳥類研究

蒂姆·奧奇（Tim Otchy）不做老鼠實(shí)驗(yàn)，而是致力于研究鳥類。奧奇是波士頓大學(xué)的研究助理教授，他的右臂上紋著一只斑胸草雀。在他的紋身上，一只矮矮胖胖的小鳥站在樹枝上，憂郁地凝視著天空。“我真的很喜歡鳥類?！彼诙褲M書的辦公室里說(shuō)道。

上世紀(jì)90年代末，奧奇在喬治亞理工學(xué)院攻讀機(jī)械工程專業(yè)時(shí)，也曾在一家專門從事工廠系統(tǒng)自動(dòng)化的公司工作。他的職責(zé)是，教機(jī)器人識(shí)別東西，不管是小玩意還是汽車零件，并在它們從傳送帶上下來(lái)以后對(duì)其進(jìn)行分類。他說(shuō)：“這項(xiàng)工作太困難了，真是出乎我的意料。畢竟這些都是連小孩都會(huì)做的任務(wù)。”這種挫敗感讓他下定決心要解開感知、決策和學(xué)習(xí)的內(nèi)在機(jī)制奧秘。他離開了該工廠，最終投身于神經(jīng)科學(xué)和斑胸草雀。

像斑胸草雀這樣的鳴禽擁有一種不同尋常的技能。大多數(shù)動(dòng)物都本能地知道如何發(fā)出聲音，而鳴禽則懂得學(xué)習(xí)模仿它們聽到的聲音，然后改變聲調(diào)，表現(xiàn)出其對(duì)它們的鳴叫的某種語(yǔ)義理解。幾十年的研究已經(jīng)指向了雀類大腦中負(fù)責(zé)這種行為的結(jié)構(gòu)，也就是眾所周知的鳴聲核。對(duì)這一領(lǐng)域的研究使我們對(duì)神經(jīng)回路的功能有了更深入的了解，同時(shí)也為其他有關(guān)人類運(yùn)動(dòng)、感覺和情感的研究帶來(lái)了啟發(fā)。弄清楚鳥類是如何互相模仿的，可以幫助解釋我們是如何做同樣的事情的，這一點(diǎn)在向機(jī)器教授語(yǔ)言技能等方面可能至關(guān)重要。

奧奇在波士頓大學(xué)的一個(gè)鳥舍研究大約300只鳥。在其中一項(xiàng)實(shí)驗(yàn)中，研究人員將為一只斑胸草雀配備一個(gè)背包，背包里的電池可以為其頭骨上各種電子元件提供能量。然后，這只鳥被放置在一個(gè)微波爐大小的隔聲間里，在那里它會(huì)連續(xù)幾天唱歌，與此同時(shí)奧奇和他的團(tuán)隊(duì)通過(guò)類似于馬西斯用在老鼠身上的機(jī)制觀察它的大腦。隨著研究人員對(duì)斑胸草雀的聲音處理中心了解得越來(lái)越多，他們尋求解答越來(lái)越精確的關(guān)于斑胸草雀大腦的問(wèn)題?！拔覀儾恢廊绾悟T自行車、駕駛直升機(jī)或說(shuō)日語(yǔ)的信息是如何存儲(chǔ)于大腦的，”奧奇說(shuō)，“總有一天，我們會(huì)獲得這方面的知識(shí)。”

他負(fù)責(zé)管理該名為加德納實(shí)驗(yàn)室的研究中心。在此之前，與之同名的蒂姆·加德納(Tim Gardner)離任，轉(zhuǎn)而到馬斯克的Neuralink工作。Neuralink尋求通過(guò)超級(jí)快速的計(jì)算機(jī)處理器來(lái)強(qiáng)化人類的大腦。

加德納的離開在為馬斯克的愿景感到興奮的神經(jīng)科學(xué)家和學(xué)生圈子中引起了不小的轟動(dòng)?！澳壳澳沁€處于幻想階段，但我相信，在遙遠(yuǎn)的將來(lái)，有一天我們真的可以把信息直接寫進(jìn)大腦……太神奇了。”奧奇說(shuō)，“我非常希望能夠?yàn)榻鉀Q這個(gè)問(wèn)題做出貢獻(xiàn)，哪怕是很小的貢獻(xiàn)?！?/p>

鳥鳴聲研究人員是人工智能領(lǐng)域最吃香的人才之一。在加州大學(xué)伯克利分校完成學(xué)位論文以及在蘋果公司工作一段時(shí)間后，錢寧·摩爾(Channing Moore)加入了谷歌的聲音理解團(tuán)隊(duì)。在那里他創(chuàng)建了與該公司的圖像識(shí)別軟件一樣復(fù)雜的聲音識(shí)別系統(tǒng)，它能夠區(qū)分警報(bào)器和嬰兒的哭聲。

在英特爾公司，來(lái)自加州大學(xué)伯克利分校的另一位博士泰勒·李（Tyler Lee）正在利用他的斑紋雀研究來(lái)改進(jìn)語(yǔ)音處理技術(shù)——這種技術(shù)最終應(yīng)用于Siri等語(yǔ)音控制軟件。“我們正試圖提出非常相似的問(wèn)題，”他說(shuō)道，“我怎樣才能接收到聽覺輸入，理解一個(gè)人在說(shuō)什么，他們周圍的噪音是什么，他們處于什么樣的環(huán)境，然后做出處理？”

加州大學(xué)伯克利分校大學(xué)教授弗雷德里克·休尼森(Frederic Theunissen)是摩爾和泰勒·李當(dāng)初展開研究的實(shí)驗(yàn)室的負(fù)責(zé)人。他說(shuō)，他領(lǐng)導(dǎo)展開的研究有著巨大的應(yīng)用潛力。“如果你對(duì)自動(dòng)語(yǔ)音識(shí)別、語(yǔ)音識(shí)別等感興趣，你就會(huì)獲得一套特殊的技能。”。

用于手機(jī)和其它設(shè)備的基于聲波紋的安全系統(tǒng)就是一個(gè)例子。另一個(gè)是減少電話和視頻的噪音。這種應(yīng)用來(lái)自于摩爾對(duì)抗噪音鳥類的研究。斑胸草雀的神經(jīng)元能夠從周圍的雜音中分辨出另一只斑胸草雀的叫聲。

自里根時(shí)代以來(lái)，學(xué)者們一直試圖宣告這是神經(jīng)科學(xué)的時(shí)代，但在本世紀(jì)初，年輕的神經(jīng)科學(xué)畢業(yè)生職業(yè)前景并不好，他們的人數(shù)也很低。根據(jù)美國(guó)教育部的數(shù)據(jù)，15年前，美國(guó)大學(xué)的神經(jīng)科學(xué)本科畢業(yè)生不足1500人，獲得博士學(xué)位的更是不足400人。即使這部分畢業(yè)生如此之少，學(xué)校也沒有為他們提供足夠多的全職工作崗位和研究資金。

2005年德魯·羅布森(DrewRobson)從普林斯頓大學(xué)數(shù)學(xué)學(xué)位畢業(yè)時(shí)，他的本科導(dǎo)師給了他一條令人難忘的建議：無(wú)論你做什么，都不要從事神經(jīng)科學(xué)。羅布森沒有理會(huì)這一勸告，反而和同樣來(lái)自普林斯頓大學(xué)的合作伙伴兼愛人珍妮弗·李(Jennifer Li)一起成立了羅蘭研究所的羅利實(shí)驗(yàn)室。他們見證了這個(gè)領(lǐng)域的發(fā)展，如今美國(guó)高校已經(jīng)每年授予大約5000個(gè)神經(jīng)科學(xué)學(xué)士學(xué)位和600個(gè)博士學(xué)位。羅布森表示：“過(guò)去10年，從業(yè)人員取得了爆炸式的增長(zhǎng)。

魚類研究

羅利實(shí)驗(yàn)室團(tuán)隊(duì)致力于研究斑馬魚。斑馬魚是一種鰷魚，年幼時(shí)它們的身體是透明的，這使得研究人員可以直接觀察它們的神經(jīng)元，而無(wú)需用牙粘固粉將玻璃面板和它們的部分頭骨融合在一起。羅布森和珍妮弗·李發(fā)明的一種特殊的移動(dòng)顯微鏡可以幫助他們記錄斑馬魚游泳時(shí)哪些神經(jīng)元是活躍的。為了捕捉斑馬魚行為的不同方面，它們可能會(huì)改變電流——導(dǎo)致動(dòng)物轉(zhuǎn)身或更用力地朝著同一個(gè)方向游。

和許多同行一樣，羅布森和珍妮弗·李也非常了解腦部科學(xué)和人工智能技術(shù)之間的關(guān)系。去年，兩人買了一輛特斯拉汽車，身為專業(yè)研究人員的他們非常樂(lè)于看到該汽車的自動(dòng)駕駛系統(tǒng)不斷進(jìn)化。當(dāng)它自動(dòng)避開其他的車輛時(shí)，他們聯(lián)想到了斑馬魚用來(lái)實(shí)現(xiàn)其目標(biāo)的策略，比如當(dāng)發(fā)現(xiàn)捕食者時(shí)，它們會(huì)迅速?gòu)牟东C模式切換到快速游泳模式。特斯拉正試圖將自動(dòng)駕駛技術(shù)從基本的物體識(shí)別提升到類似人類的決策能力，兩人對(duì)此類行為的深入了解有朝一日可能會(huì)有助于特斯拉打造它的神經(jīng)網(wǎng)絡(luò)。

“那涉及多得多的數(shù)據(jù)?！闭淠莞ァだ钫f(shuō)，“借助生物學(xué)，則能走捷徑，看看解決方案應(yīng)該是什么，而不必進(jìn)行重新發(fā)明?！绷_布森指出，他愿意未來(lái)幫助特斯拉解決這類問(wèn)題。

斑馬魚的神經(jīng)模式可以通過(guò)幼魚透明的頭骨看到，這可能為繪制更復(fù)雜的決策過(guò)程以及為機(jī)器復(fù)制這些過(guò)程提供了路徑。

學(xué)術(shù)機(jī)構(gòu)和科技公司之爭(zhēng)

在神經(jīng)科學(xué)領(lǐng)域，公共機(jī)構(gòu)和私營(yíng)企業(yè)之間的流動(dòng)邊界開啟了一個(gè)問(wèn)題：誰(shuí)將主導(dǎo)人類和機(jī)器之間潛在的融合。長(zhǎng)期以來(lái)展開該最雄心勃勃的研究的高校，如今正面臨擁有更龐大的計(jì)算機(jī)和數(shù)據(jù)集的科技公司的挑戰(zhàn)。一個(gè)剛獲得博士學(xué)位的人在一所普通大學(xué)的預(yù)期年薪達(dá)到5萬(wàn)美元左右，而私營(yíng)企業(yè)提供的年薪則是數(shù)十萬(wàn)美元，上升空間也高得多。在離開休尼森實(shí)驗(yàn)室不到15年以后，另一位斑胸草雀研究者、Twitter高級(jí)工程副總裁克里斯·弗萊（Chris Fry）年薪達(dá)到1030萬(wàn)美元。“如今有大量的人才從學(xué)術(shù)機(jī)構(gòu)流出。”麥肯齊·馬西斯稱，“留在學(xué)術(shù)機(jī)構(gòu)已經(jīng)成了一種選擇?！?/p>

除了薪資待遇以外，許多神經(jīng)科學(xué)家之所以被吸引到私營(yíng)企業(yè)，還因?yàn)檫@往往給他們帶來(lái)一個(gè)從事更令人興奮甚至更奇怪的工作的機(jī)會(huì)——更不用說(shuō)不需要寫經(jīng)費(fèi)申請(qǐng)了。然而，他們前往硅谷也可能意味著切斷富有前景的研究路線，也可能促使同行們紛紛隨波逐流。在加德納做出投奔Neuralink的決定以后，他的一個(gè)博士生轉(zhuǎn)學(xué)了，結(jié)果他的下一個(gè)杰出的導(dǎo)師也離職去創(chuàng)業(yè)了。

今年9月，珍妮弗·李和羅布森將前往由德國(guó)政府資助的馬克斯·普朗克生物控制論研究所學(xué)習(xí)。兩人選擇留在學(xué)術(shù)機(jī)構(gòu)，是因?yàn)樗麄兿矚g羅布森所說(shuō)的“操場(chǎng)環(huán)境”的自由和靈活性。是的，動(dòng)物實(shí)驗(yàn)可對(duì)無(wú)害、無(wú)助的動(dòng)物做出不近人情的事情。它們也有通人情的一面——這是我們可能希望人工智能能夠展示的一點(diǎn)。

四年前，在制造出可追蹤顯微鏡之前，珍妮弗·李和羅布森使用一種粘性凝膠來(lái)使得年幼的斑馬魚在原地游動(dòng)幾個(gè)小時(shí)，目的是測(cè)量它們的神經(jīng)元是如何發(fā)光的。一天早上，兩人來(lái)到實(shí)驗(yàn)室，發(fā)現(xiàn)了一大驚喜：一條幼魚在他們離開18個(gè)小時(shí)后仍在游動(dòng)，遠(yuǎn)遠(yuǎn)超出了他們的預(yù)期。

“這種動(dòng)物太厲害了?！绷_布森說(shuō)。“簡(jiǎn)直完美，”李補(bǔ)充道?！八男袨楹芡昝??！背鲇趯?shí)驗(yàn)的嚴(yán)謹(jǐn)性，研究人員不能讓他們的英雄去繁殖后代，但他們做了件好事：把它的母親安置于一個(gè)特殊的水族館里，把它當(dāng)寵物來(lái)養(yǎng)。他們給她取名為弗雷德，以艾米·阿克（Amy Acker）在電視劇《天使》中飾演的聰明絕頂?shù)慕巧?/p>

羅布森和珍妮弗·李表示，人工智能和腦機(jī)接口的發(fā)展將迫使人類變得更加人性化。畢竟，如果我們的目標(biāo)之一是將我們自己的道德灌輸給有思想的機(jī)器，我們將不得不比以往更多地思考道德問(wèn)題。例如，誰(shuí)應(yīng)該獲得更強(qiáng)的思維能力？自動(dòng)駕駛汽車應(yīng)該優(yōu)先選擇拯救乘客而非行人嗎？機(jī)器得達(dá)到什么樣的智能程度，才能給它灌輸我們的道德？“那本質(zhì)上明顯是一個(gè)道德問(wèn)題——你如何衡量生命？”本科時(shí)學(xué)哲學(xué)的珍妮弗·李說(shuō)道。

“這意味著在道德問(wèn)題上我們必須要非常嚴(yán)謹(jǐn)，”羅布森說(shuō)，“你必須得投身于此?！?/p>