將大腦上傳到云端有多難？

假設我們已經解決了傳感器和肌肉以及所有其他的問題，并且接受已經上傳的大腦將不會真實的反應我們的思想。那么問題來了：上傳我們的大腦。但是大腦到底是什么呢？這個詞大多數時候指的是大腦皮層，可能還有一些大腦皮層下結構，包括杏仁核，海馬體以及基底神經節。但是中樞神經系統實際上還包括其他一些不那么重要的結構，例如小腦，丘腦，下丘腦，延髓及腦干。
制造連接

如果我們考慮整個中樞神經系統，那么我們要面對的就是平均約860億個神經元，而它們中的每一個大約與10000個其他神經元“相互交流”，這樣總的連接數就接近8600億。這是一個天文數字。所以我們到底要將什么上傳到計算機里呢？每一個神經元的種類，大小以及幾何結構嗎？它當下的膜電勢？軸突的大小和位置以及髓鞘化狀態？樹突樹的完全幾何結構？或者不同離子泵的位置？還是不同神經遞質的數量，位置，和狀態？這些中的任意一種都可能是至關重要的，并且只有最先進的計算機模型（并且也只能包括少數幾個神經元）才能將它們考慮在內。這一問題的關鍵是，我們不知道到底是什么決定了我們是誰，并且不同于其他任何一個人（我甚至沒有在談論學習的問題）。

退一步來說——也只有我們有合適的工具來一次性記錄上述提到的所有這些參數的情況下——我們能嘗試移植任何東西。然而，一個神經元就可能就會需要大約成千上萬條信息來描述。如果你僅僅考慮神經元的數量，這個數就已經達到zetta域（供參考，順序是 kilo，mega，giga，tera，peta，exa以及zetta每往右增大一步需要乘以1000（zetta也就是1021））。這個數量過于巨大，以至于現今的計算機科學不能將其作為一個整體來操作。至今為止我們還僅僅在討論大腦的容量，我們同時也需要保證這個模型能夠實時運轉，因為沒有人會樂意接受一個轉得比人腦還慢的電子大腦。純粹從技術角度來看，我們遠遠（真的遠遠）還達不到將大腦電子化的水平。

更讓人難以接受的是，研究發現摩爾定律（Moore’s Law）——該定律指出計算機性能每18個月就會倍增——即將達到極限，也就是說我們可能永遠也達不到所需的技術水平。人類腦計劃預見到了這一問題，并且一開始就計劃好了只用簡化的神經元和突觸模型。如果你對更精確的模型感興趣，可以看一看智能蠕蟲計劃（OpenWorm），但這一計劃也只停留在模擬少數幾個神經元的水平。
機器中的鳥
將一個人的大腦移植到機器中，這一設想不論是在文學作品還是大銀幕上都很常見。由于最近人工智能領域的進展，全世界對這一想法又燃起了興趣。然而，關于到底什么是人工智能，它的目標是什么，人們可能并沒有搞清楚。

當媒體報道人工智能的時候，他們一般指的是機器學習以及機器人學，這二者并不致力于理解大腦或認知（當然也有一些例外，比如Pierre-Yves Oudeyer的著作）。這一混淆可能是由于一些新設計的算法可以讓機器完美地完成一些以前被認為只有人類才能完成的事情——比如辨識圖像，開車等等。

即使機器學習和機器人學進展神速，我們也不能從中獲得生物大腦的運轉規律（至少是不能直接獲得）。如果我們想知道這方面的知識，就得著眼于神經科學更確切的說是計算神經科學。人工智能與神經科學的關系就像飛行技術與鳥類學的關系。雖然飛翔的鳥類激發了早期的飛行嘗試，但這些早期嘗試早就被拋棄了，應用航空學專門技術能設計更為有效的飛行器（速度，有效載荷等）。要更好的了解鳥類，就必須求助于鳥類學和生物學。因此，因為人工智能的進步就談論將大腦上傳到計算機，這和將羽毛粘到飛機上假裝那是一只人造鳥沒有什么區別。

沒有人知道是否有這種“將大腦上傳到計算機”的可能。但能夠確定的是，憑借現在的科學水平，如果我們在理解大腦以及它是如何工作方面沒有突破性進展的話，這一言論是，并且仍將是無稽之談。

注：所有文章均由中國數字科技館合作單位或個人授權發布，轉載請注明出處。