“如今，我们每十到二十分钟产生的数据量，就相当于过去一百年产生的数据总量。未来十年，我们将在五秒内产生这么多数据。”亨利·马克拉姆在为世界经济论坛制作的这段视频中说道。马克拉姆是瑞士联邦理工学院（EPFL）神经科学教授，他介绍了一个新时代：受大脑启发的计算机科学正在发展，以应对大数据挑战。
观看上方完整视频，或阅读以下重要引述
谈数据挑战
“我们面临的最大挑战之一，是所产生的数据量；接下来的挑战，是处理数据的速度。如今，我们每十到二十分钟产生的数据量，就相当于过去一百年产生的数据总量。未来十年，我们将在五秒内产生这么多数据。”
“几乎所有技术专家都清楚一点：作为人类，我们已无法再阅读并消化这些信息。我们需要切实的帮助，而关键帮助将以算法的形式提供。基本上，有三类算法能够超越我们过去使用的算法。我们需要非常复杂的算法，也需要机器帮助我们构建这些复杂算法。”
“如今这些算法已经存在，并且正以极快的速度不断发展，以便我们能够尽可能快速地对数艾字节的大数据作出决策。显然，我们有希望应对在如此庞大的数据量上快速作出决策这一挑战。”
谈深度学习与认知计算
“如今非常流行的一种方法是深度学习。谷歌正在投入这一领域，微软和脸书也在使用。深度学习由一系列神经元或节点及其逐层连接构成。你可以训练其中一个节点识别面部的各种不同特征和状态，使它成为一个人脸检测节点。如果向它展示足够多的人脸图像，就可以训练它并开发出相应算法。”
“这将成为一种强大的工具，运行在云端。当你想识别某样东西时，你不会意识到系统曾运行深度学习算法来判断你看到的是什么。这将变得越来越重要，因为一切都在数字化。我们自身正在数字化，我们的健康也在数字化。识别模式的能力将日益重要。”
“第二种方法是受大脑启发的设计。这种设计更像是一组规模庞大的互连结构，是一种关于大脑可能如何运作的概念，我们尝试模仿这一概念。比如，IBM“Watson”就是认知计算的一种很好的构想。我们观察大脑，会发现它有感觉区域、推理区域、决策区域和奖赏区域。我们用数学方式模仿这些区域，并尝试让机器据此作出决策。因此，Watson可以处理维基百科数百万页内容，将其输入这一大脑概念模型，并据此作出决策。它的能力极其强大，也非常有用。”
谈绘制大脑图谱
第三个方向是正在兴起的方向，它如今依赖于更多关于大脑的具体信息。可以把它看作源自大脑的设计：尽可能准确地模仿大脑，毕竟大脑是四十亿年进化的产物。要实现大脑设计，就需要更深入地了解大脑：它如何构成，神经元如何组织。
其核心在于，大脑中有神经元，也有大量纤维束。大脑中的纤维束足以绕月球数圈。大量纤维束相互连接，形成精细复杂的网络。它们真正发挥的作用，是通过这些不同网络执行算法。大脑中还有突触负责连接神经元。在一块针头大小的脑组织中，有四千万个突触需要连接约三万个神经元。它们是细胞之间的信使；通过控制这些信使，就可以控制算法。”
作者：亨利·马克拉姆是以色列人，任职于瑞士洛桑联邦理工学院，并担任蓝脑计划和人类脑计划的主任
图片：一名工作人员在实验室里进行神经元的3D建模。路透社/Denis Balibouse。
