在一些蜘蛛身上，科学家发现了一个有趣的现象：纵使大脑体积相差多个数量级，但它们表现出的行为能力却几乎没有差异。据此以及从其他动物中观察到的类似现象，科学家提出：或许一个微型的大脑，已经足以更加高效地完成所有复杂的生命活动。这一结论不仅影响我们对生物演化的认知，更为人工智能的研究提供新见解。
Samoan moss spider是世界上最小的蛛形纲动物，它的体长仅三分之一毫米，单靠肉眼几乎观察不到；世界上最大的蜘蛛则是生活在南美的亚马逊巨人捕鸟蛛，这种蜘蛛重达142克，体型可媲美吃西餐时使用的大餐盘。形象地说，如果把Samoan moss放大到捕鸟蛛那样，那么等比例放大的捕鸟蛛就有一只海豚那么大。
只不过，更大的体型并没有让捕鸟蛛占到什么行动上的便宜——它们并没有比小蜘蛛表现出更为复杂的行动方式。
“以绝对体积而言，昆虫、蜘蛛或是一些类似的生物拥有我们目前能够研究的最小的脑，”巴拿马市史密森尼热带研究所的科学家William Wcislo这么告诉我们，“神奇的是，这些生物的行为与大脑体积相对更大的生物同样复杂，所以我们不禁会好奇：它们是如何做到的？”
没有人会指望狼蛛能拥有和海豚相当的智力，也没有人质疑体积更大的大脑能够胜任更复杂的功能，不过越来越多的科学家开始思考体积变大是否是大脑功能增强的唯一途径。为了捕食狡猾的猎物、设计精密的结构、构建复杂的社交网络，一个“大”脑是否是必须的呢？
在这之前，一代代的科学家们都着眼于一个问题：智能生物是如何演化出体积更大的大脑以进行复杂工作的，而另一小群科学家们（Wcislo也是其中之一）关心的却是问题的相反方向——大脑为什么会出现小型化的趋势，以及在体积减小后如何继续保持功能，甚至还比那些拥有更大脑体积的物种表现的更为出色。简单来说，这种被科学家们称作“大脑微型化”的行为就类似于电脑芯片中晶体管体积的缩小。
如果这项研究能够取得突破性的进展，工程师就有可能从中获取灵感，将小动物的智慧融入下一代电脑的设计中。
研究大脑微型化的科学家常常会提到哈勒定律（Haller's Rule）。哈勒定律由德国神经系统学家Bernhard Rensch提出，取名“哈勒”则是为了纪念18世纪的生理学之父Albrecht von Haller。
哈勒定律声称，体型更小的动物的大脑也会相应变小，但是大脑与整体体型的比例将会上升。神奇的是，几乎所有生物都遵从哈勒定律。“哈勒定律的普适性超出了人们的想象。虽然这个定理在很早之前就已经被学界提出，直到现在科学家们都没能提出合理的解释。”与Wcislo任职于同一家研究所，并且保持频繁合作关系的蜘蛛学者William Eberhard这么说道。
想象你为了一次长途旅行打包了一只巨大的行李箱，却在上飞机前被告知只能携带原有箱子体积一半大小的行李。旅行还得照旧，只是可用空间一下就变得狭小了许多——被逼无奈，你只能更有效率地利用可用的空间，仅有的包裹也会被塞得拥挤杂乱。类似的情况的确发生在Eberhard教授养的一些小蜘蛛身上，“他们的大脑并不在寻常的位置上，在体型极其微小的蜘蛛中，有的大脑长到了腿上；还有些胸骨突出，胸腔内部充满了大脑。
为了以小体型容下大脑，它们的身体构造被完全重塑。”Eberhard教授告诉我们。
蜘蛛世界的体型范围之广令人困惑，就拿Eberhard教授最喜欢的圆蛛科为例，他饲养的圆蛛中，最大的重约3克，然而最小的仅重0.005毫克，比它的“堂兄弟”小了约60万倍。形象地说，两者相比，就像一个正常体型的成年男子站在一个40万米高、超过300条蓝鲸重量的巨人身旁，仅这个巨人的脑子就有900吨重。
那么现在问题来了，这个拥有更重大脑的巨人会比正常人更聪明吗？如果我们回到蜘蛛世界来问答这个问题，答案是否定的。通过近距离观察蜘蛛结的网，科学家们能够以此推测蜘蛛的智力水平。
在蜘蛛织网的过程中，它必须不停地作出决定，以寻找最有效率的连接蛛丝的方式。尽管蜘蛛们都是杰出的建筑家，它们也会犯错——而且这些错误会持续出现。利用这一点，Eberhard教授将蜘蛛织网时犯的错误作为衡量其认知能力的指标。
考虑到蜘蛛缩小体型和脑容量所付出的惊人代价，Eberhard教授认为这种代价将会反应在它们的织网水平上，即体型更小的蜘蛛将会在织网过程中犯更多的错误。出乎他们意料的是，体型更小的蜘蛛并没有在织网中表现出什么劣势，无论是在物种之间还是在同一物种内部，蜘蛛们犯错的几率是完全一样的。
随后，Eberhard教授的一位学生测试了这些小型生物在限定的狭小环境中织网的能力。
同样，无论体型大小，这些蜘蛛都表现出相近的失误率，即使是新生的小蜘蛛也是如此。类似的现象也发生在寄生蜂的身上，无论是体型巨大的沙漠蛛蜂还是比单细胞草履虫更小的缨小蜂，哪怕缨小蜂的脑部已经小到了极致，也并不影响它们熟练地定位和伏击猎物。“迄今为止，在行为学上我们还没有发现大脑微型化带来的负面作用。”Wcislo教授总结。
大脑是如何在体积更小的情况下不影响其功能的呢？答案是通过残酷的生存竞争筛选。
一些小型生物的确拥有缩拢的脑细胞群，神经元细胞之间通过极短的轴突互相连接；不过即使如此，这种缩拢也是有下限的——一个细胞不可能比它的细胞核更小（尽管有些甲虫直接放弃了所有的细胞核）。而且如果轴突过短的话，它们就会像纠缠的电缆线一样变得乱七八糟。小型无脊椎动物们为了得到一个合格的大脑可谓费劲了心思。那么对于更大的动物来说，又是什么情况呢？
研究结果发现，无论是蜘蛛、寄生蜂这样的小型动物，还是更大的鸟类、甚至人类，都在哈勒定律的适用范围内。如果动物在面临气候变化或是其他选择压力时选择向更小的体型方向进化，他们的大脑反而需要更高比例的能量和容量的分配。
蝾螈目中的一个物种有着与昆虫类似的特点：在同一种群中存在显著的体型差异。为了扩充脑容量，它们演化出了更薄的头骨。尽管我们还不知道哈勒定律在人类中的适用形式，但是能够确定的是，在过去的一万年间，人类的大脑正在缩小。比起变得更加愚笨，更大的可能是，人类的祖先在向更有效率地利用脑容量转变。
微型大脑也能完成复杂行为？
Diego Ocampo是一名刚刚从迈阿密大学获得博士学位的生物学家，他对多达70种鸟类进行了调查，发现这些鸟类完美符合哈勒定律，体型最小的物种拥有占比最大的大脑。但是当他分析物种内部的情况时，Diego发现蜂鸟有它们自己的改良规则。举例来说，一类体型较大的紫刀翅蜂鸟重达12克，大脑约占总体积的2.4%；而另一种纹喉隐蜂鸟的大小约是紫刀翅蜂鸟的五分之一，但是其大脑却只占其体积的4.8%。
与其他物种相比，这个数字有些小的奇怪。紫刀翅蜂鸟由此观之，蜂鸟们似乎拥有比其他鸟类更有效率的大脑，能以更小的体积完成更多的任务——这对哈勒定律又做了一个小小的补充。事实也的确如此，纹喉隐蜂鸟一点也不蠢，相反，它们表现出了相当复杂的行为模式——在翅蜂鸟还只会傻傻地守护一株植物时，纹喉隐蜂鸟能够记住复杂的路线，在整个森林里寻找食物。
那么是否存在这样的可能：鸟类的大脑遵循着一些超高效率的设计原则，能使它们用更少的资源实现更多功能？如果这样的话，许多人们观察到的动物的惊人能力就能得到合理的解释。举几个例子，非洲灰鹦鹉能够辨认形状，甚至可以数数；鸦科动物（包括乌鸦、喜鹊）拥有与某些灵长类动物相同数量的神经元，一些科学家认为它们甚至拥有对“自我”的认知；还有章鱼，尽管它们的大脑非常原始，但它们能与狗完成同样复杂的任务。
Lars Chittka在伦敦皇后玛丽大学研究行为与智能，他认为或许可以从另一个角度来解释这些有关动物智能的问题。或许动物们并不需要更大的脑子，一些复杂的行为活动其实并不需要那么多脑力。“迄今为止人们也没有发现，什么行为是必须要有体积很大的大脑才能胜任的,”他告诉我们，“很小的大脑就可以做很多很多的事了。”比如说黄蜂能够辨认出社群中的每一只黄蜂，但当人们观察它们的大脑时，却找不到这种能力从何而来。
Chittka认为面部识别可能是从一些更加基础的能力演化而来的——比如说辨认食物的来源。进一步说，蜜蜂具有复杂的社会关系、程式化的语言交流能力，还有着良好的空间记忆能力——这已经能够媲美啮齿类动物了。
的确，直接比较动物王国里相差巨大的两个物种不是那么可信，要解释特定行为背后相关的心理学更加困难。不过Eberhard觉得一切也没有那么悲观，因为任何违反哈勒定律的动物（即在保持复杂行为能力的同时减少了大脑的体积）都为我们提供了一种研究思路，帮助我们探寻如何最优化地利用大脑。
昆虫大脑启迪硅谷研究Wcislo将大型动物（如鲸鱼，甚至是人类）比作在今天看来同样体型庞大的苹果IIe电脑。苹果IIe电脑在20世纪80年代曾风靡一时，是个人计算机行业革命性的里程碑。不可否认的是，这款电脑是一款强大的工具，不过同样我们也必须承认，它占用了许多无用的空间，还会产生过量的热。只要与现在随处可见的iPhone比比，我们就能直观体会到微型化带来的便利了。
不难想象，Wcislo的工作得到了硅谷的关注，与他合作时间最长、也是最忠实的投资人Frank Levinson就是一位风险投资家，Frank同时也是光导纤维巨头Finisar的创始人。当我们问起他为何开始投资对于昆虫的研究时，他向我们解释这源于有一天他看到自家附近的几只蝴蝶，两只雄蝶竞争一只雌蝶，它们围绕着灌木丛回环起舞，试图吸引心仪的异性。
“哪怕是英特尔最好的电脑芯片也不会飞、不会起舞、不会追女孩，更不会争风吃醋，”他这样概括，“所有我知道的硅谷做出来的东西，都不能表现出这么复杂的行为。”
Levinson告诉我们，今天的电子公司全都着迷于人工智能，即想让机器更接近人类。而与此同时，对于加快运算进程的研究却开始迟滞，这是自20世纪70年代以来的第一次。因此，Levinson觉得我们必须将更多的精力放在类似的研究上，探究智能是如何产生，以及是什么使得整个环路更小且更有效率的。换句话说，更接近那些昆虫。
昆虫为高性能计算机的研究提供了大量思路。
就拿Wcislo最新的难题来说，夜行性隧蜂是一种生活在丛林里的昆虫，由于树木的遮盖，它们的生活环境比没有月光的夜晚还要再暗上10到20倍。这种环境是如此之黑，以至于根据物理定律，隧蜂无法捕捉到足够的光子来帮助它们区分视觉信号和背景噪音。“在这样的情况下，它们又是怎样看见物体的？”Wcislo思前想后：“理论上来说，它们不可能看得见啊！
”一种合理的解释是，它们小巧的大脑像夜视镜一般过滤收集到的信号，从而从漆黑的环境中提取出图像信息。Wcislo还训练蚂蚁走迷宫，比较能与不能胜任这些复杂任务的蚂蚁的脑。类似这样的问题还有许多，每一个都可能暗示着能够成为最前沿的材料和设计思路，帮助电脑像动物的大脑一般迅速地缩小体积。
在这篇文章的末尾，还是得提一下，昆虫的脑不仅仅向我们展示了惊人的效率——同时它们也告诉了我们“简单”的重要性。人工智能的研究之所以那么棘手，也许部分得归因于人类大脑的极度复杂。不过随着科学家们的发现，我们现在知道一个很小的、高效的大脑就已经能够做到很多，说不定这种观念才是程序员们需要学习并记在心中的。
“硅谷永远欢迎新思想的碰撞，”Levinson肯定地告诉我们，“看看Wcislo或是别的科学家们对于蚂蚁、蜜蜂或是蜘蛛的研究就是一个不错且有趣的尝试，毕竟那些动物是如此微小，结构比起人类简单了不少，这说不定会大大帮助我们探究思维或是学习的进程。”