克里斯托夫·科赫（Christof Koch），一位从事意识和大脑领域研究的顶尖学者，有个著名理论称大脑为“已知宇宙中最复杂的研究对象”。大脑错综复杂，由一千亿个神经元和一百万亿个连接组成，不难理解为什么说他的这个理论很可能就是真相。

但宇宙中还有无数其他复杂的研究对象。比如，星系可被分为很多不同规模的巨型结构，分别被称作“星系团”（cluster）、“超星系团”（supercluster）和“纤维束”（filament），延伸数亿光年之远。这些结构之间的边界及其周围被称作“空洞”（cosmic void）的空间可能极其复杂。引力作用将这些边界上的物质加速到每秒数千公里，在星际气体中产生了骇人的冲击波和湍流。通过衡量描述它所需的信息位数的大小，我们已经预测到丝状结构与空洞的边界是宇宙中最复杂的空间之一。

这不禁令人深思：宇宙是否比大脑更复杂？

所以我们——一个天体物理学家和一个神经科学家——联合起来，对星系网络与神经网络的复杂性进行了一个定量比较。我们得出的第一个结果着实惊人：大脑和宇宙不仅在复杂性上十分相似，在结构上也是如此。宇宙可能与规模是其十亿亿分之一的物体具有自相似性。

比较大脑和星系团是一个艰难的任务，因为我们需要处理以截然不同的方式获得的数据：一方面是天文望远镜和数值模拟，另一方面则是电子显微镜、免疫组化和fMRI（功能性磁共振成像）。

我们还需要考虑规模上的巨大差异：宇宙网络中的所有星系勾勒出一个大型的结构，至少延伸数百亿光年，这比人脑的规模大了27个数量级。此外，其中的一个星系上还栖息着数十亿大脑。如果宇宙网络至少与它的任何组成部分一样复杂，我们可能会天真地得出结论：宇宙必须至少和大脑一样复杂。

人脑中的神经元总数与可观测宇宙中的星系数目大致相同。

但“涌现”（ emergence ）的概念使得这种比较成为可能：许多自然现象在所有尺度上的复杂性不尽相同，只有在最大程度上探查苍穹时，这张宏伟的宇宙巨网才变得明晰起来。在较小的尺度上，物质被限定于恒星、行星和（可能存在的）暗物质云中，这种结构就消失了。不断演变着的星系对原子内电子轨道上的舞蹈漠不关心，而电子绕核旋转，亦毫不顾及它们所处的星系。

宇宙就是以这样的方式容纳了许多系统的嵌套，而不同规模的系统之间几乎没有交互。这种尺度隔离使得我们能在自然尺度上研究物理现象。

星体、气体和暗物质（其存在有待被证实）由于自身引力形成的光环是构建宇宙网络的砖瓦，可观测宇宙（observable universe）中的星系总数在一千亿以上。时空的加速膨胀和其自身引力牵拉之间的平衡使得宇宙拥有了蜘蛛网般的形态。普通物质和暗物质凝成弦状的纤维，并在其交叉处形成星系团，余下的大部分空间则空空荡荡。最终形成的结构似乎与生物学有着若隐若现的关联。

直到最近，文献中才出现人类大脑中细胞或神经元数量的直接估测值。占大脑80%的皮质灰质含有60亿个神经元（是脑神经元总数的19%）和近90亿个非神经元细胞；小脑有大约690亿个神经元细胞（是脑神经元总数的80.2%）和近160亿个非神经元细胞。有趣的是，人脑中的神经元总数与可观测宇宙中的星系数目大致相同。

从下图中，我们一眼就能看出二者的相似：左边模拟的是延伸约十亿光年的宇宙截面中的物质分布，右边则是一张4微米厚的人类小脑切片。

这种显而易见的相似，是否只是因为人类总是倾向于从随机数据发掘一些看似有意义的模式？（编者按：这种行为又称 Apophenia，人类倾向于探知表面上毫无关联的事物之间的内在联系并赋予其意义。）然而答案却是否定的：数据分析表明，这两个系统确实有着可量化的相似度。研究人员使用功率谱分析（power spectrum analysis）技术来研究大尺度上的星系分布情况。图像的功率谱测量的是属于特定空间尺度的结构波动强度，换句话说，它能告诉我们每张图像中有多少高音和低音音符共同交织组成这一首独特的空间奏鸣曲。

从图2的功率谱分析图像中可以看到令人震惊的一幕：两个系统波动分布的相似程度非常惊人，尽管他们相差巨大的数量级。

不断演变着的星系对原子内电子轨道上的舞蹈漠不关心。

小脑中0.1-1mm 范围内的波动分布不禁令人联想起数千亿光年内的星系分布。在显微镜所能观察到的最小尺度（大约10微米）下，大脑皮质的形态与几十万光年尺度上所看到的星系更加相似。

相比之下，其他复杂系统（包括云、树枝、等离子体和湍流的对应图像）的功率谱分析结果与宇宙网络的截然不同，这些系统的功率谱更加严格地依赖尺度，而这可能是它们分形性质的表现。这种现象在树枝分叉和云层形状中更加明显，二者都是非常典型的分形结构，在很大的尺度范围分布内保有自相似性（self-similiarity）。另一方面，对于人脑和宇宙这样的复杂网络，它们可观察到的行为都没有分形的特征，这可以被解释为依赖尺度的自组织结构出现的依据。

尽管功率谱的比较结果很惊人，也不能说明二者的复杂程度是否相同。估测某一系统复杂性的常用方法是衡量预测其自身反应的难度。通过计算可执行这一预测的最小程序所需的信息位数，我们可以量化这种复杂性。

最近，我们中的一位研究者通过数字模拟宇宙测量出了预测宇宙演变是多么困难(1)，这个估测表明，在它（至少是在模拟宇宙中）表现出自组织结构的尺度上，描述整个可观测宇宙的演变需要大约 1-10PB（1PB=1024TB）。

估测人脑的复杂性则难上加难，因为模拟人脑在全球范围内仍是个极大的挑战。尽管如此，我们可以认为它的复杂程度与智力和认知成正比。根据对神经网络连接的最新分析，一些研究者得出结论：成人大脑的记忆存储总量在 2.5PB 左右，与上文中预估宇宙所需的 1-10PB 非常接近。

大致看来，记忆容量上的相似意味着储存在人脑中的信息（例如，一个人的全部生命体验）可以被编码为宇宙中的星系分布；反过来说，一个有人脑记忆容量的计算机也可以在最大尺度上再现这复杂的宇宙。

比起其内部的星系，宇宙与人脑更相似；比起神经元胞体内部，神经网络与宇宙网络也更相似。尽管二者在所处环境、物理机制和规模大小上有巨大差异，在信息论的研究方法下，人类的神经网络与星系间的宇宙网络的相似程度仍令人咋舌。

这个事实，是否揭示了某些关于这两个系统的层展现象原理的重要之事呢？或许吧。但我们必须采取半信半疑的态度，因为这个分析存在一定的局限性，因为我们取样采用的测量方式差异非常大，且样本量很小。

此外，这个分析并未指出两个系统间的动态相似性。构建信息在时间和空间内的传递模型将是接下来的研究关键。对于宇宙网络，这已经可以通过数值模拟实现；对于人脑，我们需要依靠更多全球样本的估算数据，通常是由较小的部分开始，再扩大规模。在不久的将来，我们的目标是在更复杂的数字人脑模型中检验这些概念。

人类大脑计划（Human Brain Project）这样的项目致力于模拟整个人脑神经网络，而射电天文学领域的最大企业Square Kilometer Array 将帮助我们填补其中的一些细节，并让我们深入了解宇宙是否比我们以为的更加惊人。

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).

翻译：杜璇；校对：tangcubibi；编辑：EON

原文：The Strange Similarity of Neuron and Galaxy Networks