這個項目的雄心壯志令其他神經科學家敬佩不已。「我認為他們在做的事情非常英勇」,來自布蘭迪斯大學的 Eve Marder 說道,她的整個學術生涯都在研究更小尺度的神經環路。在賓夕法尼亞大學從事大腦計算模型研究的科學家 Konrad Kording 同樣為此感到興奮:「這是神經科學領域最令人激動的事了」。
MICrONS的構思者及啟動者 Jacob Vogelstein,該項目相當於神經科學領域的「阿波羅登月計劃」
普林斯頓大學的神經科學家、這一圖譜繪製工程的關鍵人物 Sebastian Seung 表示,MICrONS 至少將會為我們解答其中一個問題。事實上,「若不通過這樣的項目,我們永遠也無法回答其中任何一個問題。」
圖 | 左圖為左上方的一小塊大腦為將要繪製的部分;右圖為該塊大腦被亞克力封裝,將被切為極薄的片狀。
不斷放大
MICrONS 共有三個團隊:一支由 David Cox 領導,一支來自萊斯大學及貝勒醫學院,一支來自卡內基梅隆大學,每一個團隊都分別在從事頗為綜合的研究:重建一立方毫米大鼠腦中所有細胞,以及它們的連接圖譜(即「連接組」),這個圖譜將體現每個細胞如何與其他細胞連接,同時通過數據展示激發神經元放電並傳遞其他神經元的情景。
當今許多 AI 應用程序都不存在反饋機制。大部分神經網路中的電信號瀑布式地從上一層網路節點傳至下一層,然而通常不再向回傳遞。(不要與反向傳播演算法混淆,那是訓練神經網路的方式。)當然,這並非全部情況:循環神經網路 (RNN, Recurrent Neural Networks) 的確有向回傳遞的連接,可以幫助它們處理隨時間變化的輸入。然而,RNN 應用反饋的程度並沒有達到像大腦應用反饋一樣。來自卡內基梅隆大學的 Tai Sing Lee 說,在被充分研究的部分視覺皮層中,「僅僅有 5% 到 10% 的突觸等待並接收來自眼睛的視覺信號。」其他的則是等待著來自更高級大腦的反饋信息。
圖 | 上色后的立方體用來用來進一步分析神經結構及活動,讓科學家們深入了解大腦里到底在發生什麼
這一重構的大腦立方塊用 3D 圖像展示出了不同種類的神經結構和神經過程,為科學家們提供了迄今為止大腦最真實詳盡的圖像。
David Cox 舉了這樣一個例子:當她的女兒第一次看到狗的時候,她不知道影子是什麼,也不需要知道光在平面上反射的原理,她在生活中積攢了大量的經驗。當她發現類似於「這是一隻狗」事情,她就能根據生活經驗,進一步補充更多信息。如果大腦的信息反饋是正確的,那麼 MICrONS 就能在詳細結構圖中顯示大腦的結構和功能,反映出神經電路是如何預測和自主學習的。