摘要：人工智能大热的同时，研究鸟类、小鼠和鱼类的神经科学家们成了稀缺人才，帮助各大科技公司提高人工智能、自动驾驶等技术，现在能够获得七位数的薪水，也就是数百万美元。彭博社发表发表报道，介绍了人工智能技术浪潮下的神经科学家们。原文标题为Apple, Google, and Facebook Are Raiding Animal Research Labs，作者是Sarah McBride和Ashlee Vance。文章由36氪神译局编译，希望能够为你带来启发。
图注：波士顿大学的蒂姆·奥奇（Tim Otchy）拿着他最重要的研究对象之一：斑胸草雀。
Jaguar是一只小鼠。它住在哈佛大学罗兰研究所(Harvard’s Rowland Institute)的实验室里。
它的主要工作，就是时不时地在一个平台上玩电子游戏。Jaguar被四周的金属棒关在一个小平台内，任务是通过感觉找到虚拟盒子的边缘。
为了完成这个任务，它需要伸出右爪，抓住可以360度旋转的操纵杆，直至感觉到来自机器的反馈。
当它到达正确的目标区域时，比如说盒子的边缘，就会得到一滴糖水作为奖励。
为了追踪Jaguar的大脑活动，研究人员对它进行了改造，让它大脑中的神经元在发射信号时能发出荧光——可以通过一个固定在它头骨上的玻璃板看到。然后，平台上方的显微镜记录下Jaguar玩耍时大脑发光的整体图像。
“在实验得过程中，你可以教它们新的规则，并观察成千上万的神经元学习的过程，看看它们是如何变化的，”负责这项实验的神经学家麦肯齐·马西斯(Mackenzie Mathis)说。
在过去的几十年里，马西斯的研究仅仅只聚焦在提高人类对小鼠和大脑功能的认知上。现在，有越来越多研究动物的科学家，开始协助科技公司开发人工智能软件和脑机接口软件，马西斯就是其中之一。
她想发现小鼠是如何进行学习的，部分原因是这可以告诉我们如何教电脑学习。例如，观察小鼠在视频游戏中对意外情况的反应，在未来某一天或许能帮助人类把类似技能传授给机器人。
图注：哈佛大学罗兰研究所的神经科学家们对小鼠进行研究，训练它们完成包括视频游戏和移动操纵杆等任务。
其他有一些神经科学家们，正在研究斑胸草雀“唱歌”的技巧。也有一些神经科学家们正在研究绵羊头骨导电率，还有更多的神经科学家选择研究果蝇或者蠕虫等神经结构相对简单的生物，来获取更多关于神经元的洞察。
过去的几年里，大型科技公司一直在从大学挖走这类人才。马西斯说，苹果、Facebook、谷歌和Twitter都从自己负责的一个奖学金项目中聘用了博士生：“在拿到学位之前，博士生就有工作了。”
当然，动物在推动企业科学研究方面一直在发挥着重要作用，尤其是在医疗领域。但是，要想把解剖斑胸草雀的发声器官得到的见解转化到Siri语音识别软件上，或者从小鼠玩视频游戏中的反应得到经验，并转化为亚马逊公司运营仓库中机器人的软件，则需要完全不同的技术飞跃。
随着新产业带来各种各样的挑战，揭开动物大脑秘密的竞赛变得越来越奇特。
1958年，康奈尔大学神经生物学家弗兰克·罗森布拉特(Frank Rosenblatt)开发出了感知器，这是最早通过计算机模拟大脑结构的设备之一。
它通过处理单元的协调工作，也就是罗森布拉特所说的神经元，来确定一张特定照片属于男人还是女人。这是一种在图像识别方面的原始尝试。
现在，感知器这一概念已经被取代了，Facebook、谷歌和其他公司将它们庞大的人工智能计算系统描述为“神经网络”，其中有数百万个神经元协同工作。
但是，这种新的概念夸大了计算和认知领域的重叠。对于科学家来说，想要复制他们并不能真正理解的东西相当困难。
比如，神经元如何存储记忆等大脑的运作原理仍然难以琢磨。神经元的数字化对应物只能是有缺陷的模仿品。它们是最基本的处理引擎，经过训练可以进行大量的统计计算和模式识别。
图注：玩视频游戏的小鼠正在帮助研究人员解开神经网络的秘密。
尽管如此，随着科技行业追逐所谓的通用人工智能(artificial general intelligence，简称 AGI) ，这两个领域之间的壁垒已经变得没有那么强大了。
通用人工智能的目标，是打造一个功能上有感知能力的机器，它可以自己解决问题，而不是依靠人类来训练它。
让一些伦理学家感到没有那么焦虑的是，我们离通用人工智能还有很长的路要走，但许多计算机科学家和神经科学家认为大脑会给我们指明道路。
另外，有一些公司正在努力研究脑机接口技术，比如，让假肢能像自然肢体一样活动，或者让人们将知识下载到大脑中。
埃隆·马斯克(Elon Musk)领导的Neuralink就是这样一家公司，由科技富豪布莱恩•约翰逊(Bryan Johnson)运营的Kernel也有同样的“野心”。
神经科学家正在为这些创业公司提供各种建议，包括如何穿过头骨传导海量信息，以及确保电极不会在实验对象身上引起感染。
在马西斯的哈佛实验室里，这两种研究所共有的科学原理是显而易见的。
“这是我们的小鼠宫殿，”她一边说，一边打开一个房间的门，里面有几十只关在塑料笼子里的小鼠。这些动物蹦蹦跳跳地走跑来走跑去，一边看着来访者，一边晃着头，抽动着胡须。
它们居住的地方非常干净，只散发出一丝啮齿动物的气息。整个房间中被红光笼罩着，以确保这类本性在夜间活动的生物能够在白天保持清醒，随时准备为科学做出贡献。
相对应的研究有开头提到的虚拟盒子游戏和一种看起来难度更大的马里奥赛车游戏。
在后面一种研究中，一只小鼠跨坐在两个定制的电动圆盘上，爪子放在两边的凹槽里。屏幕上显示的是一个绿色通道，末端是一个蓝色矩形。
进行实验的小鼠需要驾车试图接近蓝色矩形，整个过程中，它必须小心驾驶以保持车行驶在虚拟的道路上。和人类一样，这些小鼠在玩游戏的过程中，目光也略显呆滞。整个实验大约会持续半个小时。
通过显微镜观察它们的大脑，可以记录大量的信息。
“我们可以同时覆盖它们大部分的感觉、运动皮层和决策区域，”马西斯说。研究人员有时会改变游戏的规则和控制方式，例如，让操纵杆产生之字形运动而不是直线运动，然后寻找神经元活动方式的差异。
马西斯也一直致力于破坏小鼠一部分神经元，比如与学习相关的神经元，以观察其余神经元的反应。
围绕着整个研究，一个早期的结论是：当涉及到解码（理解）时，在运动皮层之外，感觉皮层似乎扮演了一个更大的角色，这与之前的研究发展有所不同。 她说：“这些神经元不仅仅只是专注于一件特定的事情。”
马西斯研究的主要目的之一是想要了解更多关于动物如何快速适应物理环境变化的知识。
例如，当你拿起一个未知重量的物体时，你的大脑会迅速计算出身体需要施加多大的力。目前，机器人还不能做到这一点，但拥有小鼠神经元学习模式的机器人有可能做到。
马西斯说，小鼠有很大的可能帮助弥补这一差距。它们的大脑非常复杂，拥有进行高层次决策的能力；但同时它也足够简单，可以让研究人员在合理时间内推断出大脑之中神经元的联系。
直到最近，人类才开发出足够强大的计算机来捕捉、处理和分析小鼠大脑中大约7500万神经元的一个子集所产生的大量数据。
而人工智能软件只是在最近几年才发展到足以自动化大部分研究过程的地步。
马西斯和她的丈夫，神经系统科学家亚历克斯·马西斯（Alex Mathis），开发了一种名为DeepLabCut的开源软件，来追踪他们研究对象的动作。
这个应用程序使用图像识别技术，跟踪小鼠在玩游戏时的微小动作变化，并观察它对糖水奖励的反应。
图注：马西斯和亚历克斯·马西斯。
科学家们过去常常靠人工来完成这类工作，小鼠只要喝一口水就要在笔记本上记下来。依靠这个软件，可以在几分钟内完成之前需要花费数周或者数月的琐碎体力劳动。
亚历克斯说：“2015年有篇关于灵长类动物的论文，在研究猴子日常活动的过程中——比如伸手拿东西——追踪了相当多的身体部位变化，比如指关节、四肢和一只手臂等等。后来，这篇论文的第一作者写信给我，说如果有DeepLabCut的帮助，他可以提前两年拿到博士学位。”
现在，有200多个研究中心正在使用DeepLabCut跟踪各种动物的行为动作。
这类软件和数据分析工具，引发了神经科学家对科技公司的兴趣，就像科技公司对神经科学家对动物认知理解的兴趣一样。
现代从事大脑研究的科学家必须知道如何编码并处理大量信息，就像谷歌的人工智能研究员为了改进广告算法或者让汽车自动并线所做的那样。
以动物为中心的神经科学家也习惯于使用非常规的方法进行研究。 “你往往会散发着牛仔气息的有创意的人。” 麦肯齐说，“总有些人，愿意把自己职业生涯押注到研究黑匣子上。”
蒂姆·奥奇（Tim Otchy）不拿小鼠做实验。他的研究对象是鸟类。
奥奇是波士顿大学的助理教授，右臂上纹着一只斑胸草雀——一只矮矮胖胖的小鸟，喙是亮橙色的，在树枝上若有所思地凝视着天空。
“我真的很喜欢鸟，”他坐在一间摆满书籍的办公室里说道。
上世纪90年代末，奥奇在乔治亚理工学院攻读机械工程专业，此前在一家专门从事自动化工厂系统研发的公司工作。
他的工作是教机器人识别小工具或者汽车零部件等对象，并在它们从传送带上下来时对它们进行分类。“我很难接受去做这些事情，”他说：“这些都是孩子们能做的事情。”
工作中的挫败感，促使他下决心揭开感知、决策和学习的内在机理。他离开了工厂，最终转向神经科学和斑胸草雀。
像斑胸草雀这样的鸣禽，有着不同寻常的技能。 大多数生物本能地知道如何发出声音，而斑胸草雀则学会模仿它们所听到的声音，然后变换音调，展示它们对声音的一些语义理解。
经过几十年的研究，我们已经确定了雀类大脑中发出这种行为的结构，也就是众所周知的鸣叫核心。
对这一领域的研究，让人们对神经回路如何运作有了更深入的了解，进而为其他关于人类如何运动、感觉和情绪的研究提供了参考信息。
弄清楚鸟类如何互相模仿的，可能有助于解释我们如何做同样的事情，这可能对教授机器去学习语言技能来说很重要。
图注：鸟类对自己叫声有类似于语义的理解，如果科学家能够从中得到见解，可以应用到语音识别软件上。
在波士顿大学的一个鸟舍，奥奇与大约300只鸟一起工作。在其中一项实验中，研究人员将为一只斑胸草雀配备一些电子装置，比如有电池可以为连接在头骨上的大量电子设备提供动力。
然后，这只鸟被放在一个微波炉大小的隔音箱内，连续鸣叫几天。奥奇和他的团队则会通过类似于马西斯用在老鼠身上的机制，来观察斑胸草雀的大脑。
随着研究人员对斑胸草雀的鸣叫有越来越多的理解，它们对斑胸草雀大脑的运作方式也有了更精确的理解。
“虽然现在我们还不知道人类怎么将骑自行车、驾驶直升机、说日语等信息存储在大脑中储存的，”奥奇说。“但总有一天，我们会知道。”
图注：奥奇在波士顿大学的实验室里。
在奥奇来到现在的实验室之前，他的前任蒂姆·加德纳(Tim Gardner)请假在马斯克的Neuralink工作。这家公司致力于拥超高速计算机处理器来增强人类大脑的能力。
业内人士对马斯克的这一愿景感到非常兴奋，加德纳的离开也在神经科学家和学生中引起了不小的轰动（加德纳没有回复记者的置评请求，他将把实验室搬到俄勒冈大学，也将兼职留在 Neuralink）。
“目前，这只是一个幻想，但在遥远的将来，我们真的可以把信息直接写进大脑……这太神奇了，”奥奇说。“我很希望能够为做到这一点做出哪怕是很小的贡献。”
在人工智能领域，鸣禽研究人员是最炙手可热的一类雇员。
在加州大学伯克利分校完成学位论文并在苹果公司工作一段时间后，钱宁·摩尔(Channing Moore)加入了谷歌的语音理解小组，主要开发与谷歌图像识别软件一样复杂的语音识别系统，能够区分出警报声和婴儿的哭泣声。
在英特尔公司，伯克利分校的另一位博士泰勒·李（Tyler Lee）正在利用自己对斑纹雀的研究，来改进语音处理技术。这种技术最终有望应用于Siri等语音助理中。
“我们正试图提出非常相似的问题，”他说。“我怎样接收听觉输入，然后以一种我可以理解一个人在说什么的方式来处理它？他们处于什么样的噪音中，他们处于什么样的环境中？”
伯克利大学教授弗雷德里克·休尼森(Frederic Theunissen)是摩尔和李曾经所在实验室的负责人。他监督的许多重要研究都能产生许多潜在的应用。
“如果你对自动语音识别、语义理解等感兴趣，你就会发现，这需要一套特殊的技能，” 休尼森说。
基于声纹的设备安全系统就是一个例子。另一方面的应用是减少电话和视频的噪音信息。这个应用来自于摩尔对鸟类析除噪声的研究。斑胸草雀的神经元能够从周围的噪音中分辨出另一只雀的叫声。
自里根时代（上世纪70年代）以来，学术界一直试图宣称这是属于神经科学的时代，但在本世纪初，年轻的神经科学研究生的发展前景也很渺茫，也没有多少人原因在这一领域学习研究。
根据美国教育部的统计，15年前，美国所有的大学中只有不到1500名神经科学本科生，而获得博士学位的只有不到400人。就算只有这些人，各大高校也没有给他们提供足够的全职工作或者助学金。
2005年，当德鲁·罗布森(Drew Robson)从普林斯顿大学数学系毕业时，他的本科辅导员给了他一条令人难忘的建议：无论你做什么，都不要从事神经科学。
罗布森并没有放在心上，而是和他的女友珍妮弗·李(Jennifer Li)一起来到了罗兰研究所。
他们见证了这个领域的飞速发展，现在美国的高校每年会授予大约5000个神经科学学士学位和600个博士学位。罗布森表示：“过去10年，我们经历了爆炸式的增长。”
罗布森所在的团队研究斑马鱼，这是鲦鱼家族中的成员，它们年幼的时候身体是透明的，研究人员可以直接看到它们的神经元。
罗布森和李发明了一种特殊的移动显微镜，可以帮助他们记录鱼游动的时候哪些神经元是活跃的。为了捕捉斑马鱼行为的不同方面，它们可能会改变水流的方向——导致它们转身或更努力地朝同一方向游。
图注：在德鲁·罗布森和詹妮弗·李所在的哈佛实验室中，数百种斑马鱼正在被用来做研究。
像许多同龄人一样，罗布森和李非常了解大脑科学和人工智能技术之间的关系。
去年，这对夫妇买了一辆特斯拉，在看到自动驾驶技术不断发展的时候，他们非常开心。
在特斯拉躲避其他车辆的时候，会让他们想起斑马鱼在发现捕食者的时候采取的策略：迅速从捕猎模式转化为快速游动模式。
随着他们在斑马鱼上的研究越来越深入，有朝一日可能会为特斯拉自动驾驶系统中的神经网络提供信息，这家公司正在试图推动自动驾驶技术从基本的目标识别发展到能做出类似于人类的决策。
“这需要更多的数量级数据，”李说。“如果你从生物学的角度出发，你基本上可以‘作弊’，看看解决方案应该是什么，而不必重新发明轮子。”罗布森说，他不介意有一天去帮助特斯拉解决这类问题。
图注：斑马鱼的神经元可以在它们幼小的时候透过透明的头骨看到。这为绘制出更复杂的决策过程，以及用机器来复制这些过程提供了便利。
在神经科学领域，公共机构和企业之间的边界不断变化并消失不见，提出了一个问题：最终谁将控制人类和机器之间可能的合并？长期以来进行超前研究的大学，如今正面临拥有更强大计算机和更丰富数据集的科技公司的竞争。
在一所普通大学刚刚获得博士学位的毕业生，进入高校一年大概能够挣5万美元，而科技公司能够提供6位数的年薪，甚至更高。
克里斯·弗莱（Chris Fry）曾经也是研究斑马鱼的学者，在离开实验室的15年后，已经成为了Twitter高级工程副总裁，年薪高达1030万美元。“有大量的人才从学术界流失，”马西斯表示，“留在学术界，只是一种选择了。”
除了薪水之外，还有其他很多因素吸引神经科学家加入企业。
比如给他们从事更令人兴奋、更奇怪工作的机会，而不必花太多时间去申请研究资助。不过，转身投向业界，也可能意味着切断有前途的研究路线，或者随着同事们逐渐变得随波逐流。
当加德纳去Neuralink工作的时候，一名博士生看到他请假，就直接换了学校。
图注：罗布森和李在他们编程的核磁共振成像仪旁。
今年9月份，李和罗布森将会前往德国图宾根的马克斯·普朗克生物控制论研究所(Max Planck Institute for Biological Cybernetics)学习。
他们之所以留在学术界，因为他们喜欢罗布森所说的“校园环境”的自由和灵活性。“是的，动物实验会对无害、无助的动物做出非自然的事情。但也可以从人性化的角度出发——这才是我们可能想看到的人工智能。”
四年前，在他们完成可跟踪显微镜之前，李和罗布森使用一种粘合明胶让小斑马鱼在一个地方游上几个小时，来测量它们的神经元是如何运作的。
一天早上，他们两个来到实验室，发现了一个大惊喜：他们留下的一条幼鱼在游动18个小时后仍然在游动，这远远超出了他们的预期。
“这只动物是冠军，”罗布森说。“完美，”李补充道。“它的行为是完美的。”
但由于实验的严谨性，研究人员无法将这位英雄留给下来，但他们也做了件好事：李和罗布森将它的母亲安置在一个特殊的水族箱里，作为宠物饲养。
他们给它取名为弗雷德（Fred），来自艾米·阿克尔（Amy Acker）在电视剧《夜行天使》（Angel）中扮演的聪明伶俐的角色。
罗布森和李表示，人工智能和脑机接口技术的发展将迫使人类变得更加人性化。
毕竟，如果我们的目标之一是将我们的道德观念灌输给机器，我们将不得不比以往更多地思考道德本身。
谁应该拥有强化思维的能力？自动驾驶汽车应该拯救乘客还是行人？在机器能够媲美人类之前，它们该有多聪明?
“从根本来说，这是一个道德问题——你该如何看待生命？”在本科时学过哲学的李说。
“它迫使我们思考，严格要求自己遵守的道德底线到底能够归结为什么，”罗布森说“你必须做出承诺。”
