“我们做的工作不是设计大脑,而是大脑就在那,我们要弄清楚大脑的工作原理。”格兰特说,“目前,我们也没有任何数学方法来为大脑这类系统建模。”即使与大脑每个区域的内容有关的数据非常多,目前也没有现成的等式来对它们、它们之间的关系以及它们随时间如何发生变化等进行描述。
英国剑桥医学研究理事会(MRC)认知与脑科学部计算神经学家尼古劳斯·科瑞格斯科特也说,甚至理解视觉信息如何被编码都非常需要技巧,尽管视觉系统是大脑内最为人所知的系统。他说:“视觉是人工智能领域的难题之一,但我们认为,它要比下棋或者证明定理更加简单。”
除此之外,还有很多问题需要认真处理:比如神经束如何描述脸等事物;信息在视觉系统的不同区域之间如何移动;当脸部发生变化时,描述这张脸的神经编码如何改变等等。自上而下,逐个神经创建一个模型过于复杂。科瑞格斯科特说:“我们也没有那么多资源或时间这样做。”因此他的研究团队正在将现有的视觉模型与大脑数据进行比较,以确定哪些模型最契合。
现实应用:路漫漫其修远兮
设计一个对于所有大脑及同一个大脑在不同时间都适用的解码模型非常困难。大脑解码器一般以单个大脑为基础,除非这些解码器正在计算一些非常简单的二元选择题——人们在看A图还是B图等。但是,数个研究小组正致力于创建出一个“放之四海而皆准”的模型。“每个人的大脑都有点不同,你无法排列出所有这些不同的活动模式。”其中一个研究团队的领导者、美国新罕布什尔州达特茅斯学院的吉姆·哈斯比如是说。
如果要想让我们上面讨论的大脑解码应用(其中可能包括阅读某人深藏的或潜意思的想法等)落到实处,必须对解码模式进行标准化。尽管这样的应用还没有真正实现,很多公司都已经高度关注且跃跃欲试。海恩斯说,最近戴姆勒汽车公司的一位代表找到他,询问他是否能够解码消费者潜藏的消费偏好。从原理上来讲,这一点可以做到,但目前的方法还无法解决“消费者最喜欢30个不同产品中的哪一个”这类问题。他说,做市场的人应该“就菜下饭”,“我非常确信,传统的市场研究技术可能会做得更好。”