来源：
矮白牙齿white，按质量计是最小的哺乳动物。里面有一个小的，整体的，复杂的大脑，原则上可以绘制出来，
简短的答案是可能的，但不完整，也不十分准确。也就是说，我们仍然无法复制她的意识，但是我们比以往任何时候都更加接近。再活二十年-也许您的大脑也将能够备份。
为了更接近意识的数字化和这种奇特的不朽形式，您应该首先处理活的神经网络。他们的逆向工程向我们展示了如何将思考（计算）过程通常安排在优化的系统中。
60年前，即1960年9月13日，科学家们召开了第一次生物学家和工程师座谈会，以便他们弄清楚复杂的机器和有机体之间的区别是什么。甚至在那里。科学被称为“仿生学”，其目标是将生物系统方法应用于应用工程和新技术。生物系统被视为新技术的高效原型。
军事神经解剖学家杰克·斯蒂尔（Jack Steele）成为对技术领域（包括AI领域）进一步发展产生重大影响的人之一，在AI领域，神经形态工程和生物启发计算等领域得到了发展。斯蒂尔是一名医师，精通精神病学，热衷于建筑学，知道如何驾驶飞机并修理自己的设备，也就是说，他是一位非常出色的应用工程师。斯蒂尔的科学工作成为电影《半机械人》的脚本原型。因此，您可以稍加称呼他为终结者的曾祖父。如您所知，终结者在哪里，还有天网。
这篇文章基于我们同事谢尔盖·马尔科夫（Sergei Markov）的未来著作“狩猎电羊：人工智能大书”中的内容。
通常，人类神经系统中发生的生理过程与精神现象之间的关系问题是现代科学中最引人入胜的问题之一。想象一下，一个秘密的计算机处理器已经落入您的手中，您想复制它。您可以将其切成薄片，然后仔细地逐层复制。但是，您需要多大的精确度才能完全或至少部分地使用副本？没有实验，很难回答这样的问题。
仿生学或仿生学模仿了生物系统的原理或以此为基础。达·芬奇（Leonardo da Vinci）观察鸟类的飞行并发明了一种直升机（不幸的是，当时找不到合适的材料和能源），因此在20世纪，我们复制了越来越复杂的系统。 RFID芯片，医用粘合剂（粘合剂），疏水性结构，纳米传感器-所有这些以及更多这些都是使用生物原型创造的。某种程度上，自然界中原型的存在使人们有可能理解技术在原则上是可能的。如果植物能够从二氧化碳和水中合成糖和淀粉，则可以创建一个执行相同功能的设备。
而且，如果演进使系统朝着适应环境的方向优化，那么我们就可以针对任务优化它们。从进化的角度来看，人脑必须消耗很少的能量，必须能抵抗身体的影响（如果您因头上的苹果掉落而完全失去记忆，就不太可能喜欢它），婴儿的头必须在出生时自由地克服产道，依此类推。
在使用相同原理开发设备的情况下，我们没有这些限制。像其他数百人一样。
顺便说一下，我们的祖先经常坚持“终极”思维理论，这表明这些过程发生在遥远的某个地方（在灵魂中），并以命令的形式通过某个器官传播。亚里士多德和他的同事们相信灵魂的尽头在心中。但是古代医生的实验受到文明技术水平的限制。这种情况一直持续到1791年Luigi Galvani发现电流导致肌肉收缩。这些实验引起了对生物电现象领域的研究。在某个时候，卡托决定测量他周围所有物体的潜力，并开始为他的测量打开动物。他发现灰质的外表面比大脑的深层结构带正电。他还指出，大脑中的电流似乎与基本功能有关。“当我向猴子展示葡萄干但不给葡萄干时，安培数略有下降。”多亏了他，非侵入性（即与穿透身体外部障碍无关的）脑电图诞生了。 1890年，来自波兰的生理学家阿道夫·贝克（Adolf Beck）发现了置于兔子大脑枕皮质的两个电极之间发生的电位低，高频波动。
在那一刻，许多科学家已经清楚大脑是一个基本可识别的事物。也许这不是一个神圣灵魂的“终端”，而是一个完全可以理解的电机，但仅仅是非常复杂的。或者它包含这样的工程组成部分，可以进行研究。卡托为随后出现的脑电图创造了前提条件。现代脑电图技术是由Berger创建的，尽管他有Pravdich-Neminsky等人的前辈。
在Cato进行实验的前两年，即1873年，发现了高尔基方法（以其作者的名字命名，意大利生理学家Camillo Golgi），该方法可以对单个神经元进行染色（尽管直到1891年才使用“神经元”一词）。
在生物学中发现高尔基体之前，一个流行的概念是由德国组织学家约瑟夫·冯·格拉赫（Joseph von Gerlach）提出的，他认为从各种细胞体中出来的纤维被连接到一个称为“网状结构”的单一网络中。 Gerlach的观点之所以流行，是由于这样的事实，与心脏或肝脏不同，大脑和神经系统无法分为单独的结构单元：尽管当时许多研究人员在组织中描述了神经细胞，但神经细胞与连接它们的轴突之间却存在联系。树突还不清楚。主要原因是缺乏显微镜检查。由于他的发现，高尔基发现一个细胞体的分支过程不会与其他细胞合并。但是，他没有拒绝杰拉赫的观点，暗示长而纤细的附肢可能是连接到一个连续的网络。
就像机械师和电工已经知道的那样。机械方法取得了成功。没错，目前还不清楚它是如何工作的。或者至少它是如何工作的。
14年后的1887年，西班牙神经解剖学家Santiago Ramon y Cajal证明，从细胞体中出现的漫长而细小的过程根本没有连接到单个网络中。像所有其他生物组织一样，神经系统由独立的元素组成。 1906年，拉蒙·卡哈尔（Ramon y Cajal）和卡米洛·高尔基（Camillo Golgi）在神经系统结构方面的工作获得了诺贝尔生理学和医学奖。拉蒙-卡哈尔（Ramon-i-Cajal）的素描至今尚存，至今已有约3,000人幸存，至今仍是对大脑和神经系统结构多样性的最详细描述之一。
圣地亚哥·拉蒙·卡哈尔（Santiago Ramon y Cajal）撰写的素描
进一步的研究表明，越来越多的细节可以使我们从根本上弄清楚我们的想法-在工程水平上。这意味着我们可以进行仿生应用。
尽管自从Galvani时代起就知道神经可以电刺激，但是用来刺激神经的刺激却很难控制。信号应该是什么强度和持续时间？潜在的生物物理学如何解释刺激与兴奋性之间的联系？这些问题是由19世纪和20世纪初的神经兴奋性研究的先驱提出的。路易斯·拉皮克（Louis Lapicque，1866-1952年）。在 1907年的第一项研究中，Lapik提出了一种神经模型，并将其与通过刺激青蛙的神经获得的数据进行比较。该模型基于简单的电容器电路，将作为未来神经元细胞膜模型的基础。
为了让您了解那些年科学的复杂性，值得举几个例子。 Lapik使用的刺激是通过两个专门为此目的设计和制造的电极施加的短电脉冲。理想情况下，刺激实验可以使用电流脉冲，但是不容易创建合适的电流源。相反，Lapik使用电压源-电池。使用分压器进行电压调节，该分压器是带有滑块的长导线，类似于现代电位计。很难获得持续时间只有几毫秒的精确脉冲，此前为此发明的一种工具称为“流变仪”。该装置由带有胶囊锁的手枪组成，它的子弹首先破坏了第一个跳线，在刺激电路中产生电流，然后破坏了第二个跳线，中断了接触。
1907年的工作使Lapik提出了许多理论上的考虑。他推测神经细胞链的激活取决于前一个细胞的冲动或动作电位对每个细胞的顺序电刺激。 Lapik提出了一种神经过程理论，类似于振荡无线电电路之间的调谐或共振。
1943年，Lapik出版了《机器神经的使用》一书，总结了科学家多年的研究成果。
出版人巴黎：Maison parisienne Neurdein（ND。Phot。），资深大律师
在讨论Lapik的 计算神经科学 工作时，经常会遇到声称Lapik是第一个称为“整合并发射”的神经元模型的创建者和研究者。根据该模型，神经元的算法可以描述如下：当将电流施加到神经元的输入时，跨膜的电势差（电压）会随时间增加，直到达到某个阈值为止，在该阈值处发生输出电势的跳跃式变化时，电压会重置到剩余电位，此后可以一遍又一遍地重复该过程。实际上，在Lapik时神经兴奋与神经冲动的形成之间的联系仍不清楚，并且科学家没有对此提出任何假设，也没有提出关于在冲动发出后膜如何返回其原始状态的假设。
Lapik的思想在计算神经生物学框架内的进一步发展导致出现了许多更准确和完整的生物神经元模型。这些模型包括泄漏积分生火模型，分数阶泄漏积分生火模型，Galves-Löckerbach模型[ Galves – Locherbach模型]，指数积分解雇模型等。 1963年诺贝尔奖授予艾伦·劳埃德·霍奇金爵士（1914-1998年）和安德鲁·菲尔丁·赫x黎爵士（1917-2012年，不要与作家混淆）的研究。
来源
与其他鱿鱼一样，长足沿海鱿鱼（Doryteuthis pealeii）由于存在巨大的轴突，因此对于神经生理学家而言是极为方便的模型生物。巨大的鱿鱼轴突是一个很大的轴突（通常直径约为0.5毫米，有时最大可达1.5毫米），它控制着鱿鱼的水反应系统的一部分，该系统主要用于短暂但非常快速的水中运动。鱿鱼触角之间有一个虹吸管，由于动物体壁肌肉的收缩，水可以通过虹吸管快速排出。这种收缩是由巨轴突的动作电位引发的。由于电阻与物体的截面积成反比，因此动作电位在较大的轴突中传播得比较小的轴突快。因此，在进化过程中维持了巨轴突直径的增加，因为它允许增加了肌肉反应的速度。这是对霍奇金和赫，黎（Huxley）的真实礼物，他们对动作电位的离子机理感兴趣-毕竟，由于轴突的直径较大，因此可以在其内腔中安装夹紧电极！
来源
Hodgkin-Huxley模型是一个非线性微分方程组，可以大致描述受激单元的电特性。结果是建立了一个模型，作为更详细研究的基础-这是20世纪神经生理学的重大突破。
Sebastian Seung实验室的科学家开展了一项更有趣的项目。该项目的近期目标是在老鼠Harold的视网膜中创建神经元之间的连接图。视网膜被选为模型对象，用于测试实现长期科学目标所需的技术-对人脑连接体的完整描述。将老鼠的大脑从头骨上取下并切成薄片。
将获得的切片通过电子显微镜。当实验室工作人员意识到重建一个单一神经元的连接图需要大约50个小时的专家工作时间并为一组100位科学家绘制老鼠的视网膜图将花费近200年时，很明显需要一种根本不同的解决方案。它被发现了。他创建了在线游戏EyeWire，其中的玩家相互竞争，对老鼠的大脑切片进行彩色照相。
在2014年，即EyeWire推出两年后，实验室工作人员进行了首次发现，并在《自然》杂志上进行了报道。科学家已经弄清楚了哺乳动物如何识别运动。当光照射到感光细胞时，它们将信号传输至双极细胞，再传输至无长突细胞，最后传输至神经节细胞。科学家分析了80个无长星状星状神经元（其中29个由EyeWire参与者帮助描述）以及与它们连接的双极细胞。他们注意到，不同类型的双极细胞与无长突神经元的结合方式不同：一种类型的双极细胞距离星状细胞的“体”（身体）较远，并且可以快速传输信号，另一种类型的双极细胞则位于相近的位置，但信号会延迟传输。
如果视野中的刺激远离星状无长突细胞的身体（体），则首先激活“慢”双极细胞，然后激活“快”双极细胞。然后，尽管有延迟，两种细胞的信号同时到达星状无长突神经元，它发出一个强信号并将其传递到神经节细胞。如果刺激移向躯体，则不同类型的双极神经元的信号不会“相遇”，并且来自无长突细胞的信号很弱。
玩家标记的数据用于训练他们身上相应的机器学习模型，然后可以自己进行着色。...具有讽刺意味的是，这些模型基于卷积神经网络（我们稍后会详细讨论），这些模型是在研究大脑视觉皮层的过程中获得的科学数据的影响下依次创建的。
2013年4月2日，“大脑计划”启动。基金会的第一块砖头是Paul Alivizatos的文章，概述了一个更温和项目的实验计划，其中包括可用于构建“功能连接套”的方法，还列出了该项目期间需要开发的技术。它计划从蠕虫和苍蝇转移到更大的生物系统，尤其是侏儒sh。它是按体重已知的最小的哺乳动物，其大脑仅包含约一百万个神经元。从sh到灵长类，包括最后阶段，再到人类，都是可能的。
线虫C. elegans是线虫的第一个连接基因组，由剑桥的生物学家Sydney Brenner（1927-2019）领导的一组研究人员于1986年建造。布伦纳（Brenner）和他的同事们小心翼翼地将蠕虫切成薄片，并使用安装在电子显微镜上的胶卷相机对每个部分进行拍照，然后从图像中手动跟踪神经元之间的所有连接。然而，秀丽隐杆线虫仅具有302个神经元和大约7,600个突触。 2016年，来自加拿大达尔豪西大学的一个科学家团队重复了他们的同事为海洋被膜for虫Ciona intestinalis的幼虫所做的壮举，事实证明，其中枢神经系统包括177个神经元和6,618个突触连接。...但是，应注意的是，用于建立连接体的方法对大型神经系统无效。研究人员直到2004年才开始认真考虑进行更大的项目，当时物理学家Winfried Denk和神经解剖学家Heinz Horstmann建议使用自动显微镜对大脑进行解剖和可视化，并使用软件来收集和组合所得图像。
2019年，《自然》杂志发表了Scott Emmons博士的出版物，其中详细报道了使用新方法重建线虫秀丽隐杆线虫的连接体...一年前，由普林斯顿大学的郑志浩领导的一组科学家完成了对果蝇大脑的扫描工作，果蝇大脑由大约100,000个神经元组成。该系统由Zheng和他的同事开发，使得可以通过透射扫描电子显微镜将苍蝇的7,000处较薄的部分穿过，每个部分的厚度约为40 nm，最终图像的总大小为 40万亿像素。
在2019年4月，大脑研究所的员工。西雅图的艾伦（Allen）庆祝突破了一个项目的最后里程碑，该项目绘制了1立方毫米的老鼠大脑及其100,000个神经元以及它们之间的十亿个连接。为了处理芥菜籽大小的样品，显微镜连续运转了五个月，从视觉皮层的25,000个部分收集了1亿张图像。然后，由该研究所的科学家开发的软件花了大约三个月的时间将这些图像组合成一个2 PB的三维阵列。 Landsat的任务收集了30多年，我们的地球所有图像仅占据约1.3 PB，这实际上使鼠标的大脑扫描“遍及整个世界”。最终目标-纳米级的人类大脑连接组-距离还有很长的路要走。其中的神经元数量与银河系中的恒星数量相当（约1011）。借助当今的成像技术，数十年来要全天候运行的显微镜需要数千年才能收集实现最终目标所需的数据。但是，显微镜技术的进步，以及功能更强大的计算机和图像分析算法的发展，都推动了连接组学领域的发展如此之快，以至于研究人员对此感到惊讶。里德说：“五年前，考虑到立方毫米太雄心勃勃了。”如今，许多研究人员认为，在未来十年中，将有可能完成对老鼠大脑的完整映射，体积约为500立方毫米。如今，在突触水平上绘制人脑似乎令人难以置信。但是，如果继续以相同的速度前进，无论是在计算能力还是在科学方法上，功能已经再增加了数千倍在我们看来并非不可思议。“ BRAIN计划
的来源
并不是该领域中唯一的大型计划。来自“蓝脑计划”和“人脑计划”的科学家还参与了大鼠脑功能模型的研究（关注人脑）。中国脑计划也不止步。
实际上，既然您已经了解了这些生物原型的复杂性，则可以继续采用工程方法，并逐渐开始讨论这些原理在现代计算中的应用。但是，下次再说。或者-更详细地讲这部分及以下内容-在谢尔盖·马尔科夫（Sergei Markov）的著作《追捕电羊：人工智能大书》中，该书正准备由出版社“ Alpina Non-Fiction”出版。您还无法购买该书，但已经可以阅读这些材料上的帖子。好吧，一般欧伦皮格尔 非常酷的专家。