2026-08-25
Jonas 与 Kording 把 MOS 6502 当模式生物，用连接组、损伤、调谐、LFP 和 NMF 分析 3510 个晶体管。图看起来像脑数据，却还原不出加法器和指令周期。
神经科学里有一种常见信念：我们主要缺数据。连接组更全、记录更密、仿真更大，再配上现成分析算法，大脑怎么算就会自己露出来。真脑没有 ground truth。算法吐出的「模块」「节律」「因果边」对不对，没有地方可以核对。
Eric Jonas（UC Berkeley）和 Konrad Kording（西北大学）把这件事做成对照实验。他们选了一台已经在每一层都被读懂的机器：MOS 6502（以及几乎相同的 6507），当年跑在 Apple I、Commodore 64 和 Atari VCS 上。Visual6502 团队用硫酸去封装、可见光显微拼接硅片，重建了 3510 个增强型晶体管的净表，仿真可以给出每根线的电压和每个晶体管的开关。目标不是证明芯片等于脑，而是问一个更狠的问题：把神经科学常用工具原样扣上去，能不能得到电气工程本科生会承认的那种理解——寄存器、ALU、指令译码、加法器。
「行为」是三款游戏的开机过程：Donkey Kong、Space Invaders、Pitfall。各仿真约 10 秒、250 帧以上。仿真吞吐大约每秒 1.5GB 状态，时钟约 1000 周期/墙钟秒。晶体管的 off-to-on 跳变被当成 spike。
分析按分辨率往下加：
每一步都用 2017 年研究生课会教的经典工具，故意不引入电气工程先验。
连接组聚类能分出时钟态晶体管、接地当反相器的晶体管，以及控制 X/Y/S 寄存器和特殊数据总线的一组。看起来像细胞分型。芯片上物理只有一种晶体管。分出来的是布局和局部电路的混合物，到不了「这是加法器」。
损伤更容易误导。有的晶体管只让 Donkey Kong 挂、Space Invaders 还活着。按神经科学话术，这像「Donkey Kong 神经元」。真实功能是全加器这类通用逻辑。对某一款游戏「必要」，只说明这段开机代码碰巧用到了它。
调谐曲线同样漂亮且错。若干晶体管对像素亮度有单峰或复杂曲线，但它们并不计算亮度，相关多半来自游戏关卡切换。成对相关弱、全局相关强，也和神经群体数据长得很像。LFP 做出近似幂律频谱和区域特异性「节律」。芯片里只有一种元件，这些频率是计算的副产品，不能当成信息通道的证据，更没理由把处理器建成一堆耦合振子。
Granger 因果对了一部分：寄存器确实影响累加器，译码器确实影响状态位。也错了一部分：Donkey Kong 里两块译码器被画上通信，Pitfall 里累加器到寄存器的边消失，而累加器写回寄存器是架构事实。NMF 的 6 个成分能对齐两相时钟和读写信号 RW。找到时钟并不等于理解指令周期。
无限数据和标准分析能产出「看起来像神经科学论文」的图，给不出层次化的计算描述。
对做 interpretability、连接组和「再多记一点就能懂」叙事的人，这是一次便宜的 sanity check。大脑比 6502 更难：神经元随机、种类多、可塑性强，I/O 函数还重建不出来。芯片更小、确定、只有一种晶体管、仿真可任意损伤。工具在容易的对象上已经失败，没有理由默认它在脑子上更灵。
论文也点到深度网络可视化。连人工训练的分类网络都经常不透明。如果皮层里真有类似对损失函数做梯度下降的东西，只靠观测和降维会更不够。建议很具体：新方法先在有 ground truth 的人造系统上过筛。加法器找得到，才有资格说它能找栅格细胞。
连接组在这里不是废物。没有净表，这篇仿真根本做不成。缺的是从解剖跳到计算层次的算法。
作者自己列了几条。脑不是处理器：模拟、并行、进化设计路径都不同，不能直接外推。行为是被动开机，没法「玩」游戏，输入维度极窄，接近运动研究里反复做的 reaching task。晶体管状态被二值化成 spike，丢掉了线上模拟电压。NMF 潜在维数 6 是手调的「最好解释」值，不是交叉验证选出来的。三款游戏各 10 秒，大量指令路径根本没被激发。
更刺的一点：「理解」的金标准是电气工程教科书里的模块图。如果有人认为神经科学本来就不该追求这种可替换模块式理解，这篇的失败判据就不成立。论文没有系统比较 2017 年之后的新方法，非线性状态空间、可微电路搜索、机械可解释性工具都不在测试集里。它证明的是当时标准工具箱不够，不是任何数据驱动方法都不可能。