大多數(shù)人都沒有想到人類的大腦是多么神奇。這個器官包含大約800億個神經(jīng)元，每個神經(jīng)元都與多達(dá)1萬個其他神經(jīng)元相連。繪制神經(jīng)元本身是一項(xiàng)具有挑戰(zhàn)性的努力，但試圖理解它們之間的聯(lián)系則是一項(xiàng)艱巨的任務(wù)。

雖然全面繪制人類大腦地圖還需要多年的艱苦工作，但美國阿貢（Argonne）國家實(shí)驗(yàn)室的科學(xué)家們正在為未來的探索奠定基礎(chǔ)。該項(xiàng)目由阿貢國家實(shí)驗(yàn)室數(shù)學(xué)和計(jì)算機(jī)科學(xué)部的高級計(jì)算機(jī)科學(xué)家Nicola Ferrier領(lǐng)導(dǎo)。

為了更多地了解這項(xiàng)驚人的工作，媒體采訪了阿貢領(lǐng)導(dǎo)計(jì)算設(shè)施的計(jì)算機(jī)科學(xué)家Thomas Uram，他也參與了這個項(xiàng)目。

“大腦是地球上最復(fù)雜的東西之一，”Uram說?！斑@當(dāng)然是我們身體中最復(fù)雜的東西，我們并不完全了解它是如何工作的。我們要做的是重建它的結(jié)構(gòu)和連通性?！?/span>

雖然Uram對這項(xiàng)工作的好奇心源于揭開未知的渴望，但也有一些重要的動機(jī)來理解大腦的聯(lián)系?？梢詭椭芯咳藛T更多地了解人類行為，并為神經(jīng)退行性疾病提供見解。

繪制生物體神經(jīng)系統(tǒng)內(nèi)連接圖的研究屬于連接組學(xué)的范疇?？紤]到大腦結(jié)構(gòu)的復(fù)雜性，Uram和他的同事們正在進(jìn)行的連接組學(xué)研究主要集中在一立方毫米大小的腦組織樣本上。

這些樣本是通過取下數(shù)千塊30納米厚的組織片來制備的，這些組織片是在手術(shù)中切除的殘余人腦組織。然后，科學(xué)家們把它們裝在一根帶子上，然后用電子顯微鏡對其進(jìn)行成像。每個部分都被單獨(dú)成像集合，然后重新組裝成一個更大的部分。

一旦這些部分被完全重建，它們就會與相鄰的部分對齊，以便它們內(nèi)部的特征匹配。然后，研究人員使用神經(jīng)網(wǎng)絡(luò)來追蹤圖像堆棧中的物體。具體來說，Uram表示，該團(tuán)隊(duì)使用谷歌開發(fā)的稱為洪水填充網(wǎng)絡(luò)(FNN)的神經(jīng)網(wǎng)絡(luò)來完成重建部分。

FFN是專門為連接組學(xué)中的神經(jīng)元分割而設(shè)計(jì)的機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，是一種特殊類型的卷積神經(jīng)網(wǎng)絡(luò)(CNN)，旨在區(qū)分電子顯微鏡圖像中的神經(jīng)元和其他物體。CNN通常用于與圖像相關(guān)的任務(wù)，例如將物體從背景中分離出來(例如，將奶牛從田地中分離出來)，生成描述圖像中物體的標(biāo)題，甚至生成新圖像。

同樣的CNN方法也被用在FFN中，用于將神經(jīng)元彼此分離，并與腦組織中的其他物體分離。在這種情況下，挑戰(zhàn)的主要部分是識別小組織體積中的許多神經(jīng)元。

即使是這樣一個相對較小的樣本，研究每一個連接也是一個主要的計(jì)算挑戰(zhàn)。以4納米的橫向分辨率成像的立方毫米組織產(chǎn)生大約2Petabyte的數(shù)據(jù)。正如Uram所解釋的那樣，這是一個巨大的問題——即使對我們目前擁有的最強(qiáng)大的機(jī)器來說也是如此。

利用目前實(shí)驗(yàn)室用來分割物體的神經(jīng)網(wǎng)絡(luò)，Uram和他的同事們利用Aurora（阿貢的超級計(jì)算機(jī)）的全部計(jì)算潛力，可以在幾天內(nèi)分割一立方毫米的組織。更重要的是，隨著科學(xué)家們希望擴(kuò)大這項(xiàng)研究的規(guī)模，這個問題變得越來越嚴(yán)重。

Uram說:“展望未來，如果我們想重建一個完整的老鼠大腦，那就是一立方厘米的數(shù)據(jù)。”“這是一千倍的數(shù)據(jù)量。整個Aurora需要3000天，這意味著9年或10年。我們在接下來的十年里都無法進(jìn)入整個Aurora。所以很明顯，我們需要比現(xiàn)在更多的計(jì)算能力?！?/span>

這里更有趣的是我們需要多少計(jì)算能力來繪制整個人類大腦。Uram說，人類的大腦大約比老鼠的立方厘米大1000倍。這將導(dǎo)致計(jì)算需求增加1000倍，并且將需要Aurora的所有資源連續(xù)300萬天。

未來會怎樣?

顯然，使用世界上最強(qiáng)大的計(jì)算機(jī)之一的所有資源連續(xù)300萬天都是不可能的。Uram承認(rèn)，在我們開始認(rèn)真考慮繪制整個人類大腦之前，我們需要創(chuàng)造更強(qiáng)大的機(jī)器。

這項(xiàng)技術(shù)可能還沒有準(zhǔn)備好繪制整個人類大腦的連接圖，但Uram和他的同事們所做的工作為未來的工作奠定了基礎(chǔ)。

然而，他也指出，解決方案并不是簡單地制造比我們現(xiàn)有的機(jī)器大300萬倍的機(jī)器?！案锌赡艿氖?，我們將看到我們正在使用的技術(shù)取得重大進(jìn)步，”Uram說?！叭绻覀兡茉诜指罘矫骘@著加快神經(jīng)網(wǎng)絡(luò)的速度，那么我認(rèn)為我們可以在現(xiàn)有的機(jī)器上做得更好，我們希望在下一代或兩代機(jī)器上也能做到這一點(diǎn)。”

Uram提到，在這一點(diǎn)上，大多數(shù)人都熟悉在ChatGPT等模型中可以看到的錯誤類型。當(dāng)科學(xué)家試圖分割結(jié)構(gòu)精細(xì)的神經(jīng)元時，同樣的錯誤也存在。這就產(chǎn)生了大量必須由人工校對的數(shù)據(jù)。

他特別提到了另一個有效的項(xiàng)目。這些研究人員估計(jì)，人類用于糾正蒼蠅分割的時間約為數(shù)千小時。

除了減少人工校對的時間外，科學(xué)家們還需要解決一個存儲問題。目前，研究人員正在處理他們所擁有的立方毫米大腦樣本中PB級的數(shù)據(jù)。對于他們想要做的更大的工作，存儲需求將遠(yuǎn)遠(yuǎn)超過EB級的數(shù)據(jù)。我們?nèi)绾未鎯鸵苿舆@些數(shù)據(jù)將需要新的創(chuàng)新。

這顯然是一項(xiàng)艱巨的任務(wù)，繪制完整的人類大腦只會遇到更多的障礙。然而，Uram似乎已經(jīng)準(zhǔn)備好迎接挑戰(zhàn)?！拔乙恢睂ι械闹卮髥栴}很感興趣，”Uram說?！按竽X是如何工作的是一個復(fù)雜而令人煩惱的問題。這是一個巨大的未知數(shù)?！?/span>