Safecracking大脑

我很难想象还有比人脑更复杂的加密机器。这个三磅重的组织包含大约860亿个神经元，这些细胞对我们的身体在外部环境中遇到的任何刺激都能迅速发出电脉冲。每个神经元都有数千个细长的分支，延伸到被称为突触的节点上，突触将这些电子信息传递给其他细胞。不知何故，大脑解释了这种不可思议的嘈杂代码，使我们能够有效地对不断变化的世界做出反应。

鉴于神经码的复杂性，一些神经科学家正在借用更多有经验的黑客借用：加密人员，绘制数学，逻辑和计算机科学，制作和打破密码的拼图，这并不令人惊讶。That’s precisely the approach of two neuroscience labs at the University of Pennsylvania, whose novel use of cryptography has distinguished them among other labs around the world, which are hard at work deciphering how the brain encodes complex behaviors, abstract thinking, conscious awareness, and all of the other things that make us human.

宾夕法尼亚大学的科学家们从一个有73年历史的算法中获得线索，这个算法是英国密码破译员艾伦·图灵(Alan Turing)在二战期间用来读取德国秘密信息的，还有一个更著名的数学序列，用来破解汽车上的数字键盘锁。宾夕法尼亚大学(University of Pennsylvania)神经科学副教授乔舒亚·戈尔德(Joshua Gold)表示:“神经元从世界中提取信息，并将其编码。”“大脑里一定有某种密码破解器，才能搞清楚这一切。”戈尔德补充说，在神经科学实验室使用密码学，为研究大脑这一“无用硬件”提供了新的见解，揭示了大脑作为“信息处理机器”的运作方式。

G直到21世纪初，老才对密码学有了太多的思考，当时他在华盛顿大学(University of Washington)迈克尔·沙德兰(Michael Shadlen)的猴子实验室做博士后研究。该实验室专注于研究大脑如何做出简单的感知决定。例如，它如何确定一个物体是向左移动还是向右移动?做这样的决定的根本问题是速度和准确性之间的权衡。大脑需要吸收足够的信息来做出正确的决定，但不需要太多的数据，因为当它处理所有信息时，环境已经改变，而决定是没有意义的。

在思考计算中，大脑可能会用来解决这个问题，Shadlen挑选了一本名为良好思维的书，由统计学家i.j编写。1983年，良好是Bletchley Park的副统计日，该副统计典是第II第二次世界大战期间为英国政府的拆除单位的总部，这是通过图灵的，被广泛被认为是现代时代的最佳数学家之一。在阅读好书时，Shadlen通过描述一个图灵的算法之一 - 一种解密所谓的不可辨别消息的方法，该方法使用称为eNigma的机器创建的德国人。

难怪一些神经科学家会从更有经验的黑客——密码学家那里借用技巧。

英格玛密码机看起来就像一个塞在木箱里的超大型电动打字机，键盘连接着里面的几个小转子。每当按下字母键时，旋翼就会轻微转动，导致按下的字母重新映射到字母表中的任何其他字母。在机器打乱信息后，作者可以使用摩尔斯电码通过无线电波传输它。当信息的接收者将他们自己的Enigma机器设置到相应的转子设置(他们必须事先知道)，他们可以输入打乱的信息，然后机器就会自动输出解码的版本。

德国人认为英格玛密码是无法破解的;他们依靠它来传达有关他们军事战略的各种有趣的信息。德国海军的谜机操作员(图灵的工作重点是他们的信息)每天都在改变旋翼的起始位置。

从1939年开始，图灵的团队开发了一种复杂的、多步骤的解码德语信息及其内容的过程。然而，这只是图灵过程的第一步，引起了Shadlen和Gold的兴趣，他们认为这可以用于大脑研究。图灵用这个算法来确定任何两条拦截的信息——布莱切利公园每天拦截数百条德国信息——是否都是在相同的转子状态下写在英格玛机器上的。

图灵的算法建立在一个天才的逻辑上。他推断，如果把两台英格玛机设置在不同的转子状态，那么一条信息中的第一个字母与另一条信息中的第一个字母相同的概率将是随机的，或者更准确地说，26个字母中的1 / 26。同样的方法也适用于每条消息中的第二个字母，第三个字母，等等。

相反，如果两条消息来自设置在相同转子状态的机器，那么它们的字母更有可能匹配。为什么?因为在德语中(就像在英语中一样)，有些字母比其他字母使用得更频繁。

例如，“E”是德语中使用最频繁的字母。“这意味着，如果你拿任意两篇德语文本，逐个字比较，你知道你最有可能找到的配对是两个E，”戈尔德解释说。使用Enigma信息，试图破解它们的人不一定会看到更多匹配的“E”，因为所有的字母都被重新映射到了其他字母上。不过，如果消息来自处于相同状态的机器，那么得到任何匹配字母的概率会更高。

图灵的算法铰接在逻辑的天才一点，神经科学家认为可以适应他们的研究。

语言学家帮助图灵对德语的字母频率进行排序。图灵与语言学家合作，确定了在相同状态下机器生成的两条加密德语信息的字母匹配概率约为1 / 13，而不是1 / 26。

因此，图灵的算法基本上将在一条消息中的每个字母与第二个并计数匹配的数量来比较。如果消息足够长，则通过比较字母匹配的频率，他可以通过统计确定性确定消息是否来自同一状态的谜机器。该算法还可以显示消息是否太短暂，无法满足此比较，允许图灵快速移动到下一个集合。

对于长到足以进行测试的信息，图灵算法的一个关键特征是，它在收集信息的同时总结证据——一次一对字母，直到积累足够的信息，以合理的确定确定字母匹配频率。这种方法现在被称为“统计顺序分析”。例如，如果第一对字母匹配，这将是一个微弱的证据，以证明信息来自相同的转子状态;毕竟，那场比赛可能只是运气使然。另一方面，如果前100对字母中包含10对匹配，那么这将是更有力的证据。一旦加起来的概率达到了预先确定的确定性水平，图灵的算法就可以“决定”假设——即，这两条信息来自处于相同状态的机器——是正确的。

图灵的方法非常成功:温斯顿·丘吉尔(Winston Churchill)后来说，破译谜机对赢得这场战争至关重要。事实证明，该算法背后的数学是由奥匈裔犹太人亚伯拉罕·瓦尔德(Abraham Wald)独立发现的，他在纳粹入侵时逃到了美国。当图灵为英国人解码时，沃尔德开发了一些相同的数学技巧来帮助美国陆军确定，例如，一车弹药是否有缺陷或是否值得运往前线。

瓦尔德和图灵的方法影响了许多科学领域，从物理学、流体动力学到心理学，甚至经济学。“到处都是，”俄亥俄州立大学(Ohio State University)行为与社会科学杰出教授罗杰·拉特克利夫(Roger Ratcliff)说。近三十年来，拉特克利夫一直在支持这些心理学实验方法。他认为人类的行为是一系列的决定。“说什么，是去喝杯咖啡还是喝茶——所有这些都是小决定，”拉特克利夫说。“我认为这贯穿了我们所做的一切。”

年代哈德兰和戈尔德是最先将该方法应用于神经科学的人。“事实证明，这对大脑如何收集证据来做决定是一个很好的洞察，”Shadlen说。大脑外层的许多神经元是有选择性的，这意味着它们会对特定的刺激做出反应。例如，当我们视野中的物体向左移动时，视觉皮层中的一些神经元就会发出信号，而另一些神经元则会在物体向右移动时发出信号。

然而，神经元并不完美;有时，选择性地对向右运动选择性的细胞将在向左运动中射击，反之亦然。以这种方式，Shadlen和Gold所得到的，神经元类似于两个谜语的字母配对。单个字母匹配不提供足够的证据来说，消息是否源自同一转子状态的机器。类似地，任何一个神经元信号对于大脑不足以准确地确定物体是否移动到左侧或右侧。要解决这个问题，大脑依赖于数千甚至数百万神经元的总活动。

2002年，黄金和Shadlen发表了一个很大程度上的理论纸，表明大脑使用定样的计算 - 或者它们的一些近似近似 - 从神经元射击中的称量证据，并使感知决定，例如确定点的场是否正在移动左或右。“TITE的工作代表了一种概率原理的形式，大脑似乎采用了解决了对既有感知和爆发的特殊问题，”黄金说。

任何一个神经元信号都不足以使大脑精确地确定物体是否移动到左侧或右侧。

就像算法实时收集证据一样，大脑似乎在神经元输入时进行处理，并相应地调整其预期。例如，如果它从喜欢向左运动的神经元接收到大量信号，而从少数喜欢向右运动的神经元接收到大量信号，那么它就会把这作为物体向左运动的有力证据。一旦输入跨越了某个确定的阈值(科学家仍在试图理解大脑是如何决定这个阈值的)，大脑就会做出决定，然后转向下一个。

大脑的任务与代码断路器之间存在另一个重要的相似性：两者都面临速度和准确性之间不可避免的张力。对于第二次世界大战的代码破碎机，黄金说，速度和准确性“当你想到这些人时，你认为已经挽救了数千个生命，如果他们今天可以解码这些消息。”设计了他的算法来平衡速度和准确性，优化两者。这表明大脑本身表明大脑本身表现出类似的优化行为。在大脑中，黄金说：“我们始终知道在一系列感知和认知任务中存在的现象 - 快速决策节省时间，但往往是不准确的，而花时间导致更高的准确性，但可以效率低下。”黄金所说的图灵算法模型说：“对大脑如何处理速度准确性权衡的效果很好。”他们仍在测试它的发生方式。

G一天深夜，埃弗瑞·阿吉雷(eoffrey Aguirre)在家里浏览维基百科(Wikipedia)时，开始了他最好的脑力黑客生涯。在宾夕法尼亚大学的实验室里，神经科学家阿吉雷使用大脑扫描仪来研究感知是如何被过去塑造的。神经系统是一个适应大师，不断调整自己以适应环境的特殊变化。例如，当你进入黑暗的地下室时，你的眼睛很快就会适应光线不足(这种变化在你爬楼梯再次亮灯时可能会非常明显)。

The brain’s nimbleness is great for our everyday lives, but it can be a pain when designing brain-imaging studies, in which researchers take pictures of participants’ brains while they experience different stimuli, such as looking at pictures of faces or hearing a series of sounds. Because of so-called “carry-over effects,” the way a participant’s brain responds to a picture of the color blue, for example, is slightly different if the preceding picture was blue or if it was orange.

区分这些遗留效应尤其困难，因为大脑扫描仪——一种功能性磁共振成像(fMRI)机器——可以测量大脑中的血液流动，这是神经活动的代理。血液流动的变化相对较慢，以秒为单位，而神经元的放电时间是几毫秒。因此，功能磁共振成像的迟缓常常掩盖了神经的遗留效应，这对想要纠正遗留效应的科学家和像阿吉雷这样想要仔细研究这些效应的其他人来说都是令人恼火的。

在大脑和密码破译员的任务之间还有一个重要的相似之处:两者都不可避免地面临速度和准确性之间的紧张关系。

2007年，Aguirre发布了一篇论文，表明可以通过将实验刺激（不同颜色的图片）以特定顺序进行管理。这个想法是安排刺激，以便在实验期间在某些时候出现每张图片之前和之后的每张图片。然后，在分析数据时，研究人员可以比较不同的组合前后的大脑响应（蓝色，蓝色，与橙色，然后是蓝色），并容易地发现任何随机效果。

在数学世界中，这种刺激顺序被称为“类型1索引1序列”，即每一幅图像都与前一幅“平衡”，没有任何重复组合。由于它的效率，它在大脑扫描中工作得很好:它提供尽可能短的平衡序列，最大限度地减少参与者躺在不舒服的扫描仪中的时间。

但对于aguirre来说，该序列也有局限性。例如，创建类型1序列的算法仅适用于六个或更多刺激。更重要的是，它只占据了前一张图片的随身携带效果。但是，如果你想研究前一张图片的影响，还是三个？这将是很重要的，因为研究表明，我们的看法不仅可以受到我们看到的最后一件事，而是最后几件事。这种现象也发生在较长的时间尺度。Aguirre表示，典型的例子涉及面部识别。“如果有人从芝加哥转移到东京，人们将描述一定数量的月份，他们发现很难分开脸，”Aguirre说。“但随着时间的推移，你熟悉这种新的面部外观，然后你善于讲述脸部。”

1型序列的这些问题让阿吉雷“通宵翻查维基百科”，他笑着说。他一页又一页地读着离散数学原理和图论。一天晚上，他偶然发现了de Bruijn序列的页面，这是一个很大的类别，包括阿吉雷已经熟悉的1型序列。阿吉雷说:“De Bruijn序列是整个序列的世界，它们具有一种特殊的平衡特性。”“我意识到，它们非常适合我们现有的应用。”

要了解de bruijn序列的工作，请考虑一串字母，例如Aguirre的首字母，GKA。de Bruijn序列以长序列排列三个字母，以便每种可能的三字母组合使用一次，只使用一次。Aguirre为他的实验室的网页制作了一个标识，以说明其中一个序列看起来像：

那么为什么德布里亚序列如此有用？效率。如果您要单独写出每种可能的三个字母组合，您的列表可能会以：

g
GGA.
GGK.
棉酚
呕吐
GAK

… 等等。在耗尽每个组合之前，您必须输入81个字母。但随着Lab Logo所示，de Bruijn序列允许从一个三态细胞中的字母流入下一步，允许您通过键入仅27个字母来达到所有可能的组合。

盗贼可以使用这些序列来打破电子键盘，例如汽车门上的电子键盘。这些通常具有表示数字0到9的按钮，并按行中的右侧按钮解锁汽车。“如果你知道德布鲁亚序列，你可以削减大概就会让你大量破解该代码的时间，”Aguirre说。

Aguirre立即看到这些序列如何对脑成像实验有用。出于他的目的，FMRI实验的刺激（例如颜色的图片）就像是车锁中的数字。De Bruijn序列会给他一种方式让他们按正确的顺序排列。正如序列可以用于任何长度的KeyCode-A三位数代码，例如，可以为成像实验中的刺激的任何水平进行四位数或四位序列。

唯一棘手的部分是，给定系列的刺激具有多于一个Bruijn序列 - 更多。例如，如果您想使用17个不同的图片设计实验，每张图片都会进行反平衡，以便研究人员可以从前一张图片中锻炼仍然浮动影响，然后您有一个令人难以置信的8×10²⁴⁴不同的de Bruijn序列可供选择。

2011年，Aguirre和Groudatube Marcelo Gomes Mattar发布了一种帮助研究人员选择从那时起，为特定实验提供最大意义的序列。

研究人员可能会有一个假设，关于大脑对看到一串特定的刺激是如何反应的——比如红色、橙色、黄色，这是一个虚构的例子。使用Aguirre的方法,研究人员可以选择de Bruijn序列,不仅频传的刺激(因此,在实验的最后,每一个画面出现前后其他图片),但还包括red-orange-yellow序列关键假设。如果大脑对目标序列做出了强有力的反应，这个假设就会被证明是正确的。

“The basic idea is that, only if your theory is right, and the person you’re studying has a neural code that corresponds to your theory, only then will the neural system ring in a way that you can measure with the neuroimaging technique,” Aguirre says. It’s even possible to test more than one theory in the same sequence, he adds. “If that neural bell rings out at 10 seconds, then maybe I’d know my first theory was right, but if the bell rings out at 15 seconds, I’d know it was the other theory.”

盗贼可以使用这些序列来打破电子键盘，例如汽车门上的电子键盘。

阿吉雷和他的另一名研究生戴维·卡恩(David Kahn)正在使用这种方法来测试一个有趣的想法，即自闭症患者是如何看待世界的。该理论认为，患有这种发育障碍的人具有更敏感和更有分辨力的视觉知觉。这种超敏感会让他们注意到面孔和场景的微小差异，但也可能使他们难以适应变化的环境。如果这个理论是正确的，那么自闭症患者对一系列长相相似的面孔的大脑反应将与非自闭症患者不同。因为研究人员想要特别观察几张连续图像的遗留效应，所以这项研究非常适合de Bruijn序列。如果实验成功，那么研究人员将对一些自闭症患者的神经基础有更好的了解，并有可能为寻找这种令人困惑的复杂障碍的治疗方法提供新的线索。

Aguirre已通过他的网站自由提供他的软件，其他实验室已开始尝试。Boston College的神经科学家Sean Macevoy使用了De Bruijn序列来调查大脑的Visual Cortex如何代表物体的身份及其在太空中的位置。

Macevoy的实验有18种不同的刺激，他说de Bruijn序列像魅力一样工作。他计划在未来的实验中使用它。“用序列，你知道你没有任何可能云解释你的数据的虚假偏见，”他说。“我没有看到缺点。”

对于Aguirre，加密技术将继续帮助神经科学家穿透大脑的复杂功能。正如Cryptographers都有完善的方式将似乎是任意信息转换为“哈希码”，这是只能以一种有效的方式解释的序列，神经科学家已经了解到大脑使哈希代码出现出看似随机的神经射击。“我们的主要洞察力是，有效地，大脑在世界上实现了一个时间哈希函数，”Aguirre说。他补充说，提供一种破解世界订购代码的方法，“是这种知识分子方法的力量。”

维吉尼亚休斯是一个专门从事神经科学，遗传学和医学的科学记者。