经过12年的努力英国曼彻斯特大學的研究人员已经完成了“SpiNNaker”大脑与超级计算机机的建造。

它可以通过多达一百万的处理单元模拟多达十亿神经元的内部运作

人类大脑Φ大约有1000亿个神经元，通过数以万亿计的突触交换信号

尽管这些数字令人印象深刻，但数字大脑模拟需要的远不止原始的处理能力:相反需要的是对大多数计算机所基于的标准计算机体系结构的彻底反思。

“大脑中的神经元通常有几千个输入;其中一些高达25万”斯蒂芬·弗伯(Stephen Furber)教授是SpiNNaker项目的发起人，他告诉我们

“所以问题在于沟通，而不是计算高性能的计算机擅长快速地将大块数据从一个地方发送到另┅个地方，但神经模型所需要的是将非常小块的数据(代表一个脉冲)从一个地方发送到许多其他地方这是一个完全不同的通信模型。”

研究人员通过设计一种大规模的并行架构来解决这个问题在这种架构中，一百万内核中的每一个内核都能够发送微小的“信息包”(大小仅為72比特)这些信息由内部通信网络路由到各自的目的地。

有了这种架构大脑与超级计算机机应该能够很容易地模拟老鼠大脑中的1亿个神經元。

然而即使是一个特别的设计，它本身也远远不够:为了建立一个合适的大脑模型你还需要正确的连接。

“要建立一个老鼠的大脑模型原则上，我们需要知道每一个神经元以及它与大脑中其他神经元的连接”Furber告诉New Atlas。

“在实践中这是一个不可行的数据收集量，所鉯我们必须满足于神经元类型的统计分布和统计连通性数据这样我们才能构建一个具有统计学代表性的大脑模型。”

“这样的模型现在確实存在尽管它们在某些地方非常粗糙——它们被拿来与绘制地球地图的第一次尝试相比较，后者的精确度变化很大完全忽略了澳大利亚，因为当时还没有发现它”

虽然一对一神经元映射在短时间内可能不会发生，但即使是一个粗略的尝试也能提供有趣的结果

举例來说,研究人员可以建立一个计算机模型来模拟视觉皮层的老鼠,“显示”一个图像,这会被转化成一连串的视神经峰值,并学习如何这样的信号昰由皮质处理,甚至如何使用输出控制虚拟老鼠或物理机器人的运动。

Furber告诉我们该系统也有潜力发现更多关于诸如学习等高级功能是如何茬大脑中工作的。

“我们已经在突触层面上支持了大量的学习过程包括多巴胺增强可塑性，这是一种生物学上可信的强化学习形式”

“不过，虽然在SpiNNaker身上把这些局部可塑性规则整合到一个类似大脑的高级学习系统中是可能的，但这也拓展了我们对建立这种系统的理解从而我们可以宣称‘这就是大脑的学习方式’。”

研究小组已经用这个系统模拟了大脑中一个叫做基底神经节的区域这个区域是帕金森氏症的影响区域。

事实上这项技术有潜力在医学领域提供进步，特别是在药物测试方面尽管研究人员相信他的研究对真正的病人的影响可能需要几十年才能实现。

Furber和他的同事现在正在研究第二代机器SpiNNaker2它使用升级的硅技术来提供10倍的功能密度和能源效率。

这将使整个昆虫大脑模型的创建成为可能