【自由能原理：如何教培养皿中的“大脑“玩游戏？ 关键字摘取】

“缸中之脑”是世界上著名的思想实验，由这个实验衍生出的电影起码有 6 个，比如《黑客帝国》《盗梦空间》《源代码》《飞出个未来》等。

这个是实验室这样的：假设在你睡觉的时候，有个疯子科学家悄无声息地把你的大脑从头颅中取出，放入培养皿，然后接入计算机，用计算机模拟出五感和所有真实世界才有的刺激。这种模拟逼真到当你的大脑醒来时，都意识不到自己被当作实验品了。你还像从前一样，每天起床进行日常生活。

在这样的前提假设下，有一个富有哲学味道的问题，那就是：你怎么证明自己现在不处于“缸中之脑”的状态呢？

实际上，在这个思想实验中，当事人是没法靠自己完成证实的。想要完成证明，只有一种可能，就是由另外一个维度的生物，尤其是设计计算机程序的那个生物看着缸中之脑，记录它产生的变化。然后和缸中之脑做好约定，把将要发生的事情提前告诉它，然后在时间到了的时候，把事件和感觉输入给当事人。只有这样，才能让当事人确认自己已经在缸中了。

最近，澳大利亚的一家脑科学公司 Cortical Labs 的科学家就当了一次高维度的生物，制造了一个缸中之脑。准确地说，是制造了培养皿中的脑，并且教会了它玩乒乓球游戏。我们就暂且称之为实现了“盘中之脑”吧。

对于那些脑细胞而言，它们的全部世界意义就是如何玩乒乓球游戏，它们可能天生就认为自己是球拍，生命的意义就在于击中球。

如何打造“盘中之脑”？

科学家们一共做了好几个盘中之脑。一个典型的盘中之脑大约有 80 - 100 万个神经元。这个数量大约是人脑神经元规模的十万分之一，和昆虫大脑的规模类似。

不过，为了避免伦理争议，他们使用的不是人脑神经元，而是由两部分组成的，一部分是人类干细胞诱导分化成的神经元，还有一部分神经元直接使用了小鼠胚胎的脑神经。

在神经元下面，密密麻麻地排布着由硅芯片打造的电极，用来给神经元提供外部电刺激，同时也能接收神经元本身的放电。通过这种方式，把电信号的输入和输出在神经元和计算机之间传递。

什么是自由能原理？

既然是训练，就要有奖惩。动作正确就要奖励，动作错误就要惩罚。可是一堆神经元在培养皿中，哪怕我们可以用电极给它们刺激，但怎么才能告诉它们什么是正确，什么又是错误呢？

这就要说到这个实验依据的核心理论了——自由能原理（Free Energy Principle）。

这个理论是英国神经生物学大牛卡尔·弗里斯顿（Karl Friston）提出来的。它描述的是神经元生成决策的底层逻辑。虽然它在生物学上的争议比较大，但在今天的计算机应用中，很多人工智能算法已经把自由能原理拿来用了，训练效果还很好。所以，看上去这个理论是非常有希望获得一个诺贝尔奖的。

假如我们有机会把两个结果都对应到神经元的放电强度上，那么两次放电的强度之差就是自由能，而这个强度差是自动地倾向于尽可能小的。换句话说，当一个“意外”出现以后，大脑并不喜欢预期和实际相差过多。

如何训练“盘中之脑”的行为？

盘中之脑和用芯片做出的人工智能有什么区别呢？区别还挺大的。对于学会玩乒乓球游戏这个任务来说，盘中之脑只用了 5 分钟；而机器学习需要 90 分钟，效率相差了 18 倍。

这个差距其实也提示了我们，硅芯片和冯·诺依曼计算机结构可能在类似神经网络的算法上，和真正的神经工作机制有着天差地别的性能差距。但这个差距到底是怎么产生的，现在还没有人研究清楚，只能靠猜。

缸中之脑让人们对哲学问题无限遐想，而今天介绍的盘中之脑，让我们看到了真正的神经生物芯片的无限前景。

结论

1.自由能原理描述的是神经元生成决策的底层逻辑。虽然在生物学上争议较大，但很多人工智能算法已经用到了它，训练效果还很好。这是一个非常有机会获得诺贝尔奖的理论。
2. 硅芯片和冯.诺依曼计算机结构可能在类似神经网络的算法上，和真正的神经工作机制有着天差地别的性能差距。
3.缸中之脑让人们对哲学问题无限遐想，而盘中之脑的实验，则让我们看到了真正的神经生物芯片的无限前景。