理論上，你一生的回憶可以在宇宙結構中復原
克里斯托夫·科赫（Christof Koch），一位從事意識和大腦領域研究的頂尖學者，有個著名理論稱大腦為“已知宇宙中最複雜的研究對象”。大腦錯綜複雜，由一千億個神經元和一百萬億個連接組成，不難理解為什麼說他的這個理論很可能就是真相。
但宇宙中還有無數其他複雜的研究對象。比如，星系可被分為很多不同規模的巨型結構，分別被稱作“星系團”（cluster）、“超星系團”（supercluster）和“纖維束”（filament），延伸數億光年之遠。這些結構之間的邊界及其周圍被稱作“空洞”（cosmic void）的空間可能極其複雜。引力作用將這些邊界上的物質加速到每秒數千公里，在星際氣體中產生了駭人的衝擊波和湍流。通過衡量描述它所需的信息位數的大小，我們已經預測到絲狀結構與空洞的邊界是宇宙中最複雜的空間之一。
這不禁令人深思：宇宙是否比大腦更復雜？
所以我們——一個天體物理學家和一個神經科學家——聯合起來，對星系網絡與神經網絡的複雜性進行了一個定量比較。我們得出的第一個結果著實驚人：大腦和宇宙不僅在複雜性上十分相似，在結構上也是如此。宇宙可能與規模是其十億億分之一的物體具有自相似性。
比較大腦和星系團是一個艱難的任務，因為我們需要處理以截然不同的方式獲得的數據：一方面是天文望遠鏡和數值模擬，另一方面則是電子顯微鏡、免疫組化和fMRI（功能性磁共振成像）。
我們還需要考慮規模上的巨大差異：宇宙網絡中的所有星系勾勒出一個大型的結構，至少延伸數百億光年，這比人腦的規模大了27個數量級。此外，其中的一個星系上還棲息著數十億大腦。如果宇宙網絡至少與它的任何組成部分一樣複雜，我們可能會天真地得出結論：宇宙必須至少和大腦一樣複雜。
人腦中的神經元總數與可觀測宇宙中的星系數目大致相同。
但“湧現”（ emergence ）的概念使得這種比較成為可能：許多自然現象在所有尺度上的複雜性不盡相同，只有在最大程度上探查蒼穹時，這張宏偉的宇宙巨網才變得明晰起來。在較小的尺度上，物質被限定於恆星、行星和（可能存在的）暗物質雲中，這種結構就消失了。不斷演變著的星系對原子內電子軌道上的舞蹈漠不關心，而電子繞核旋轉，亦毫不顧及它們所處的星系。
宇宙就是以這樣的方式容納了許多系統的嵌套，而不同規模的系統之間幾乎沒有交互。這種尺度隔離使得我們能在自然尺度上研究物理現象。
星體、氣體和暗物質（其存在有待被證實）由於自身引力形成的光環是構建宇宙網絡的磚瓦，可觀測宇宙（observable universe）中的星系總數在一千億以上。時空的加速膨脹和其自身引力牽拉之間的平衡使得宇宙擁有了蜘蛛網般的形態。普通物質和暗物質凝成弦狀的纖維，並在其交叉處形成星系團，餘下的大部分空間則空空蕩蕩。最終形成的結構似乎與生物學有著若隱若現的關聯。
直到最近，文獻中才出現人類大腦中細胞或神經元數量的直接估測值。佔大腦80%的皮質灰質含有60億個神經元（是腦神經元總數的19%）和近90億個非神經元細胞；小腦有大約690億個神經元細胞（是腦神經元總數的80.2%）和近160億個非神經元細胞。有趣的是，人腦中的神經元總數與可觀測宇宙中的星系數目大致相同。
從下圖中，我們一眼就能看出二者的相似：左邊模擬的是延伸約十億光年的宇宙截面中的物質分佈，右邊則是一張4微米厚的人類小腦切片。
圖1:宇宙網絡物質分佈模擬圖（左）與小腦神經元胞體分佈圖（右）。神經元經過2F11單克隆抗體染色後顯示出神經纖維束（neurofilament）的形態。右圖由摩德納大學附屬醫院解剖病理系的Elena Zunarelli博士提供。
這種顯而易見的相似，是否只是因為人類總是傾向於從隨機數據發掘一些看似有意義的模式？（編者按：這種行為又稱 Apophenia，人類傾向於探知表面上毫無關聯的事物之間的內在聯繫並賦予其意義。）然而答案卻是否定的：數據分析表明，這兩個系統確實有著可量化的相似度。研究人員使用功率譜分析（power spectrum analysis）技術來研究大尺度上的星系分佈情況。圖像的功率譜測量的是屬於特定空間尺度的結構波動強度，換句話說，它能告訴我們每張圖像中有多少高音和低音音符共同交織組成這一首獨特的空間奏鳴曲。
從圖2的功率譜分析圖像中可以看到令人震驚的一幕：兩個系統波動分佈的相似程度非常驚人，儘管他們相差巨大的數量級。
不斷演變著的星系對原子內電子軌道上的舞蹈漠不關心。
小腦中0.1-1mm 範圍內的波動分佈不禁令人聯想起數千億光年內的星系分佈。在顯微鏡所能觀察到的最小尺度（大約10微米）下，大腦皮質的形態與幾十萬光年尺度上所看到的星系更加相似。
相比之下，其他複雜系統（包括雲、樹枝、等離子體和湍流的對應圖像）的功率譜分析結果與宇宙網絡的截然不同，這些系統的功率譜更加嚴格地依賴尺度，而這可能是它們分形性質的表現。這種現象在樹枝分叉和雲層形狀中更加明顯，二者都是非常典型的分形結構，在很大的尺度範圍分佈內保有自相似性（self-similiarity）。另一方面，對於人腦和宇宙這樣的複雜網絡，它們可觀察到的行為都沒有分形的特徵，這可以被解釋為依賴尺度的自組織結構出現的依據。
儘管功率譜的比較結果很驚人，也不能說明二者的複雜程度是否相同。估測某一系統複雜性的常用方法是衡量預測其自身反應的難度。通過計算可執行這一預測的最小程序所需的信息位數，我們可以量化這種複雜性。
圖2:將圖1作空間尺度上的波動分佈函數（附加分析了圖1中未示出的人腦皮質切片）。同時示出了雲團、樹枝、等離子體和湍流的功率譜密度以作比較。
最近，我們中的一位研究者通過數字模擬宇宙測量出了預測宇宙演變是多麼困難(1)，這個估測表明，在它（至少是在模擬宇宙中）表現出自組織結構的尺度上，描述整個可觀測宇宙的演變需要大約 1-10PB（1PB=1024TB）。
估測人腦的複雜性則難上加難，因為模擬人腦在全球範圍內仍是個極大的挑戰。儘管如此，我們可以認為它的複雜程度與智力和認知成正比。根據對神經網絡連接的最新分析，一些研究者得出結論：成人大腦的記憶存儲總量在 2.5PB 左右，與上文中預估宇宙所需的 1-10PB 非常接近。
大致看來，記憶容量上的相似意味著儲存在人腦中的信息（例如，一個人的全部生命體驗）可以被編碼為宇宙中的星系分佈；反過來說，一個有人腦記憶容量的計算機也可以在最大尺度上再現這複雜的宇宙。
比起其內部的星系，宇宙與人腦更相似；比起神經元胞體內部，神經網絡與宇宙網絡也更相似。儘管二者在所處環境、物理機制和規模大小上有巨大差異，在信息論的研究方法下，人類的神經網絡與星系間的宇宙網絡的相似程度仍令人咋舌。
這個事實，是否揭示了某些關於這兩個系統的層展現象原理的重要之事呢？或許吧。但我們必須採取半信半疑的態度，因為這個分析存在一定的侷限性，因為
我們取樣採用的測量方式差異非常大，且樣本量很小。此外，這個分析並未指出兩個系統間的動態相似性。構建信息在時間和空間內的傳遞模型將是接下來的研究關鍵。對於宇宙網絡，這已經可以通過數值模擬實現；對於人腦，我們需要依靠更多全球樣本的估算數據，通常是由較小的部分開始，再擴大規模。在不久的將來，我們的目標是在更復雜的數字人腦模型中檢驗這些概念。
人類大腦計劃（Human Brain Project）這樣的項目致力於模擬整個人腦神經網絡，而射電天文學領域的最大企業Square Kilometer Array 將幫助我們填補其中的一些細節，並讓我們深入瞭解宇宙是否比我們以為的更加驚人。
延伸與昇華
更多精彩，盡在：
《新未來簡史：區塊鏈、人工智能、大數據陷阱與數字化生活》。該書以30多門前沿科技、學科展開深度推演，與《今日簡史》《未來簡史》《人類簡史》至少分別有80項、100項與50項對立觀點 。其中，該書用了8萬多字從50多個角度深刻分析人工智能AI，幾乎摧毀了神話大數據、AI、算法等數十個觀點。如圖：
特別推薦：
《區塊鏈實用解碼730問》（上下合集）：32大專題、260多項細分主題、47萬字、730問，實用、全面、系統，囊括區塊鏈基礎理論、運行機制、核心算法，以及從1.0到3.0等幾乎所有、全鏈條式的知識操作、實踐應用的圖書
。如圖：人類的終極理想與終極社會，就是區塊鏈的社會，所以人人都應瞭解區塊鏈。
相關鏈接：
0.1：
0.2：
0.3：
0.4：
1、
2、
3、
4、
5、
6、
7、
8、
9、
10、
11、
FRANCO VAZZA & ALBERTO FELETTI
發表於NAUTILUS
封面：MICHAEL MARSICANO
數學 MATH 宇宙學COSMOLOGY 神經科學NEUROSCIENCE
References
1. Vazza, F. On the complexity and the information content of cosmic structures. Monthly Notices of the Royal Astronomical Society 465, 4942-4955 (2017).
Franco Vazza
博洛尼亞大學天文學博士，意大利INAF（國家天體物理研究所）下屬的射電天文學研究員。
Alberto Feletti
意大利摩德納大學附屬醫院的神經外科醫生。
翻譯：杜璇；校對：tangcubibi；編輯：EON
閱讀更多 前沿news 的文章
