专访艾伦脑科学研究所所长克里斯托夫·科赫

魏潇

克里斯托夫·科赫（Christof Koch），这位现年 61 岁的著名脑科学家，不仅曾和 DNA 双螺旋结构的发现人之一弗兰西斯·克里克（Francis Crick）一起工作了近十年，也作为艾伦脑科学研究所（Allen Institute for Brain Science）的所长和首席科学家参与了美国脑计划的许多重要项目。

艾伦脑科学研究所由微软创始人之一的保罗·艾伦（Paul Allen）于 2003 年建立，在神经科学领域占有世界级的重要地位。在美国脑计划（BRAIN initiative）中，艾伦脑科学研究所是美国国立卫生研究院（NIH）以外的主要独立研究机构之一。

本周三，我们对专门从美国西雅图赶来参加《环球科学》与财新传媒联合举办的 STEP 科学高峰论坛的克里斯托夫·科赫进行了一次专访。

克里斯托夫·科赫，西雅图艾伦脑科学研究所所长、首席科学家

在简短的寒暄之后，克里斯托夫立刻开始向我们询问中国脑计划的正式启动时间。了解大脑、探索大脑、模拟大脑已经成为了世界各国科技计划的主流。这个位于我们脊椎上方颅骨内部 1.5 千克的极端复杂的神经组织，已经吸引了无数学者和研究人员的目光。

对于脑科学来说，我们现在进入了一个激动人心的时代

问：美国脑计划从 2013 年开始今年已经是第 4 年了，在这 4 年里，艾伦脑科学研究所获得的最重要的成就是什么？

克里斯托夫·科赫（以下简称 K）：我们目前对大脑的理解和认识 99.9% 都是来自动物的大脑。想要了解人类的大脑，我们只能用磁共振扫描、在外部进行脑电波的检测、或者使用已死之人的大脑。我们对人类大脑的理解，至少在细胞水平上，是非常有限的。

在过去的 4 年中，我们做了一项非常独特的工作：

我们和西雅图的 7 位神经外科医生合作，获得了有生命的人类大脑皮层组织。一些患有脑肿瘤的病人需要通过手术切除他们的脑部病灶，但是病灶位于大脑深部，因此脑外科医生必须先切掉一小块位于大脑最外层的皮层组织才能接触到深处的肿瘤。一般情况下，这一小块大脑皮层是通过医学手段烧毁的，但是我们把这一小块皮层保留了下来，用特殊容器带进了我们的实验室。这样我们就能就像神经科学家一直以来研究实验动物的大脑一样，通过神经科学的手段去研究它们。20 分钟前，这一小块大脑组织很可能是一段美妙记忆的储存体，但是现在它已经在我们的培养皿中了。

我们可以用微电极去检测神经元的电活动，我们也可以用单细胞测序的方法去分析其中的每一个神经细胞的基因组。我们还能研究这些神经细胞的形态。现在这些数据都可以在艾伦脑科学研究所的网站上找到。每个人都可以去下载这些数据。以前有研究者这样研究过小鼠的大脑和猴子的大脑，但从没人用这样的方法去分析从鲜活的人脑上分离下来的皮层组织。

我们刚刚从美国脑计划获得了 1 亿美元去继续这项工作。这项工作也受到了微软公司的创始人之一 Paul Allen 的资助。我们希望继续这项探索大脑的工作，不论是研究小鼠、猴子还是人类，我们希望能够把我们对大脑的理解和世界上的所有人共享。

艾伦脑图谱网站 www.brain-map.org

问：2016 年美国投入了 1 亿美元的研究经费，启动了被称为“大脑阿波罗计划”的 MICrONS 项目（皮层神经网络与机器智能项目，The Machine Intelligence from Cortical Networks program）。MICrONS 和艾伦脑科学研究所之前的工作有什么区别？这个研究能够带给我们什么？

K : 美国脑计划由美国国立卫生研究院（National Institutes of Health, NIH）主导，美国国家科学基金资助，MICrONS 是美国脑计划的一部分。

艾伦脑科学研究所在这个项目中也占有一席之地：我们获得了大约 2000 万美元的资助。MICrONS 计划打算将小鼠大脑皮层上的一小块组织分离出来，然后使用高分辨率的显微镜重建这一小块皮层组织的神经细胞网络，并根据我们观察到的小鼠脑内的实际神经网络构建机器学习模型。在小小的一块 1 立方毫米的小鼠皮层组织中，包含了 8 万多个神经元，10 亿多个突触结构，我们在实验室中重建这些神经元和突触连接，希望这能帮助我们更好的理解“学习”这一大脑活动，开发出比现阶段更快更好的机器学习模型。

与此同时，我们也开始了在人类大脑中的、类似 MICrONS 计划的人类神经元网络分析。

对于脑科学来说，我们现在进入了一个激动人心的时代。不仅仅是政府部门，Facebook 等大型企业也十分重视脑科学的研究、各种各样的脑研究计划不断出台，科学家们能够得到经费支持越来越多。我相信未来我们会获得更多的突破和进展。

问：美国脑计划由奥巴马政府提出，然而我们听说今年年初特朗普的新政府削减了 NIH 的财政预算，这对脑计划有影响吗？

K : 新政府确实是想要削减 NIH 的预算，但实际上 NIH 的财政预算最后增加了 20 亿美元。因为就连政界人士——不论是民主党还是共和党——都认为脑科学研究非常重要，没人希望受到阿尔茨海默症和其他脑疾病的困扰。所以 NIH 的预算没变少，反而增加了。即便如此，新政府依然想要削减 NIH 的科学研究经费，比如气候变化研究和涉及人类胚胎的研究，现在这些研究领域在美国想要获得新的科研经费是比较困难的。但是脑科学研究在美国各界获得了广泛的支持，至少到今天为止，美国政府对脑科学的资助力度并未减小。

科学家不能让数据和成果藏在付费屏障后面，数据的开放共享才能造福我们所有人

问：除了美国、欧盟的脑计划，世界上其他国家也在开展他们自己的脑科学研究，你对此怎么看？

K : 脑科学是一门年轻的科学，它和拥有悠久历史的数学或者物理学不同，大概只有 20 到 50 年的历史。到目前为止，脑科学家已经研究了许多种不同生物的大脑，比如果蝇、小鼠、猴以及我们人类自身。现在世界上大概有超过 1 万间的神经科学实验室，他们在各种各样的层次上研究大脑，并且使用着不同的工具和方法。有人研究脑的发育，也有人研究脑的衰老。

神经科学在最近十年间的发展，已经为我们开展世界范围内的大规模脑计划研究奠定了坚固的基础，世界各地的科学家们能够从果蝇、啮齿类、新大陆猴和旧大陆猴等不同的物种出发，从多个不同的生命系统去深入地了解大脑。我们也能从基因、细胞或大脑整体活动等不同层次去构建各种神经活动模型，因此世界各国的脑计划正分别从各自的角度和方向去研究神经科学和脑科学。美国的脑计划覆盖范围非常广，不过主要还是集中在小鼠和人类的大脑研究。据我所知，日本的脑计划侧重于对新大陆猴（狨猴）的研究，而中国可能更多的在使用旧大陆猴（猕猴）。

如果各国之间的脑计划能够加强合作和沟通，那么科学家的工作就会得到非常有利的帮助。艾伦脑科学研究所在脑计划中获得的所有数据都可以在网上免费下载。我认为这是做基础研究的一条重要原则：你的研究数据应该提供给所有人，这样才能加速学科的整体发展。科学家不能让数据和成果藏在付费屏障后面，数据的开放共享才可能造福我们所有人——这有这样研究才能加速推进，我们才能够更快的找到治疗复杂脑疾病的方法和药物——这显然是对全人类都大有裨益的。

问：AI 研究者总是从脑科学研究中获得灵感，那么脑科学家们是否也能利用 AI 帮助自己的研究更上一层楼？

K : 当然！艾伦脑科学研究所现在已经在使用大数据和机器学习去分析我们获得的数据了。比如在 MICrONS 计划中，我们要把从上千个神经元中获得的数据整合在一起，这时我们就需要机器学习这样的算法去帮助我们完成对这些神经元及其突触联系之间的重构。因此现在监督学习和非监督学习这样的人工智能算法已经在神经科学领域内发挥着重要的作用。

在做大脑细胞水平的形态学分析的时候，大部分的显微镜成像是靠人工分析整合的，你可能需要整理 2 万张共聚焦显微镜或者电子显微镜的照片，而且每张照片都必须经过非常仔细的处理。十个人要花好几个月的时间才能完成这项工作。现在我们可以先整理出一小部分，然后训练机器学习处理这些数据，这大大提升了我们的研究速度。

美国西雅图艾伦研究所一隅

我们必须要给年轻人提供足够的自由，让他们去完成自己的雄心壮志

问：作为艾伦脑科学研究所的所长和首席科学家，你肯定在脑计划的开展和实施中收获了很多经验和体会，这其中有什么经验值得中国科学家借鉴？

K : 我认为科学进步依靠的是研究者，尤其是年轻人所爆发出的能量和创造力。所以当你实施一个大型的研究计划时，你可能会发现：在一个集体制定的常规目标和一个来自个人的创造性、突破性想法之间找到平衡是件非常困难的事情——因为这两点都是完成研究项目的必要条件。在保证整体目标能够达成的前提下，我们需要那些充满创造力的点子和雄心勃勃的人才来帮助我们进步。

阿波罗登月计划的目标很简单——把人送上月球然后再让他安全地回来。但脑计划的研究目标恐怕没办法像阿波罗计划一样能简单的解释清楚。我们都想了解大脑，但是究竟怎样才算是“了解”？在计算机上模拟大脑算是“了解”吗？彻底治愈复杂的脑疾病算是“了解”吗？绘制出一张包含所有神经细胞连接方式的脑图谱算是“了解”吗？——目前我们能使用的方法太多了，所以我们没办法在脑计划的开始就给出一个简洁明了的目标。理解大脑需要大量的经费和众多研究者一起努力，管理这样一项复杂而又庞大的研究计划是件非常有难度的事。

当然，把来自不同学科背景的研究者们整合在一起做事情确实非常困难。因为每个领域都有自己的科学话语体系，不同领域的人交流起来并不容易。这对我们而言是个一直存在的挑战。在我加入艾伦脑科学研究所之前，曾在加州理工学院任教。在那儿，我们招收那些物理、数学、工程学专业背景的学生，让他们在博士阶段学习神经科学，这样他们拿到博士学位的时候，他们就具备了交叉学科背景。我们希望能够尽可能的培养这样的人才，他们是非常具有创造性的，能够更好的利用他们的数理或工程背景去帮助我们理解大脑的运行机制。