雷·庫(kù)茲韋爾

人交流電的發(fā)明者尼古拉·特斯拉（1856—1943）曾說(shuō)：“我認(rèn)為任何一種對(duì)人類心靈的沖擊都比不過(guò)一個(gè)發(fā)明家親眼見(jiàn)證人造大腦變?yōu)楝F(xiàn)實(shí)?！边@一暢想基于這樣的思想：我們有能力理解自身的智能（通過(guò)訪問(wèn)我們自身的源代碼），并且對(duì)其進(jìn)行改良和拓展。

今天，我們把對(duì)人造大腦的想象理解為計(jì)算機(jī)人工智能?？▋?nèi)基梅隆大學(xué)的機(jī)器人學(xué)家漢斯·莫拉維茨在其文章“When Will Computer Hardware Match The HumanBrain”（《計(jì)算機(jī)硬件何時(shí)能與人腦相匹配》）中指出：“當(dāng)計(jì)算機(jī)經(jīng)過(guò)半個(gè)世紀(jì)的發(fā)展，其智力僅達(dá)到與昆蟲(chóng)相當(dāng)?shù)乃綍r(shí)，期望它在未來(lái)的幾十年里完全成為智能機(jī)器，似乎是很草率的。事實(shí)上，我們有充分的理由相信，很多事情在未來(lái)50年的發(fā)展速度會(huì)遠(yuǎn)遠(yuǎn)超過(guò)過(guò)去的50年?！?/p>

那么，我們是否可能打破身體和大腦的限制，充分理解自身的智能？是否能使人工智能達(dá)到乃至超越人類大腦的計(jì)算水平？要回答這些問(wèn)題，需要我們對(duì)人類大腦和計(jì)算機(jī)之間的差異有更多認(rèn)識(shí)。

大腦的電路非常緩慢，但它可以大規(guī)模并行

大腦的神經(jīng)元以極其緩慢的速度（通常是200次/ 秒）執(zhí)行計(jì)算——基礎(chǔ)神經(jīng)元的處理速度，只有同等的人造電子電路處理速度的數(shù)百萬(wàn)分之一。研究顯示，在人腦中，簡(jiǎn)單的語(yǔ)義判斷似乎是在單個(gè)神經(jīng)元放電周期（小于20毫秒）內(nèi)完成的，物體識(shí)別需要7～8個(gè)周期（約150毫秒），陷入思考需要的周期數(shù)最多也只是以數(shù)百或數(shù)千衡量，而不是像一臺(tái)標(biāo)準(zhǔn)的計(jì)算機(jī)那樣，數(shù)量級(jí)以數(shù)十億計(jì)算。

但是，另一方面，大腦相當(dāng)于100萬(wàn)億神經(jīng)元間的相互連接，它們都可能在同時(shí)處理信息，也就意味著多達(dá)100萬(wàn)億次的計(jì)算可以在人腦中同步進(jìn)行。

較長(zhǎng)的神經(jīng)元放電周期和大規(guī)模并行，形成了大腦一定程度上的計(jì)算能力。今天，我們最大的超級(jí)計(jì)算機(jī)正在接近這個(gè)范圍，最先進(jìn)的超級(jí)計(jì)算機(jī)（包括那些用于最流行的搜索引擎的計(jì)算機(jī)）已經(jīng)擁有了從神經(jīng)元水平上模擬人類大腦所需要的運(yùn)算能力。不過(guò)，計(jì)算機(jī)沒(méi)有必要采用和大腦相同的并行化處理的粒度（即并行任務(wù)的實(shí)際工作量），而只要配合整體對(duì)運(yùn)算速度和存儲(chǔ)容量的需要就可以，否則就需要計(jì)算機(jī)去模擬大腦的大規(guī)模并行結(jié)構(gòu)了。

大腦是模擬和數(shù)字的結(jié)合體，還能實(shí)現(xiàn)自身線路重鋪

今天，大多數(shù)計(jì)算機(jī)使用二進(jìn)制代碼運(yùn)行，都是數(shù)字的，每次都以極高的速度執(zhí)行一條或幾條指令集。人類的大腦則與之不同，結(jié)合使用數(shù)字和模擬兩種方式。

大腦連接的拓?fù)浣Y(jié)構(gòu)本質(zhì)上是數(shù)字的——無(wú)論連接存在還是不存在;大腦神經(jīng)元中軸突的放電不全是數(shù)字的，但接近于數(shù)字過(guò)程。大腦中大部分的功能又都是模擬的，會(huì)在模擬（連續(xù)）區(qū)域通過(guò)使用神經(jīng)遞質(zhì)和相關(guān)機(jī)制來(lái)執(zhí)行大部分計(jì)算，充滿非線性（在產(chǎn)出方面是突然變化的，而非平穩(wěn)變化），隨時(shí)都有可能在計(jì)算中出現(xiàn)神經(jīng)元連接線路的重鋪。

非線性實(shí)際上非常復(fù)雜。然而，詳細(xì)的非線性神經(jīng)元?jiǎng)恿W(xué)和神經(jīng)元的組成（樹(shù)突、棘、通道和軸突）可以通過(guò)非線性系統(tǒng)的數(shù)學(xué)模型來(lái)模擬。這些數(shù)學(xué)模型能夠在電子計(jì)算機(jī)上模擬到任何所需的準(zhǔn)確程度。如果我們使用晶體管以本地模擬的方式來(lái)模擬大腦的神經(jīng)區(qū)域，而不是通過(guò)數(shù)字計(jì)算，就可以使計(jì)算機(jī)的能力提高3～4個(gè)數(shù)量級(jí)。

大腦在運(yùn)行時(shí)，樹(shù)突不斷掃描新的棘和突觸，而樹(shù)突和突觸的拓?fù)浣Y(jié)構(gòu)和傳導(dǎo)性還會(huì)不斷調(diào)整?？梢?jiàn)，神經(jīng)系統(tǒng)在其組織的各個(gè)層次上都是自組織的。在計(jì)算機(jī)化的模式識(shí)別系統(tǒng)中，我們應(yīng)用的數(shù)學(xué)方法比大腦系統(tǒng)所應(yīng)用的簡(jiǎn)單，而我們?cè)谧越M織模式上又有大量工程經(jīng)驗(yàn)。在這一優(yōu)勢(shì)下，當(dāng)代計(jì)算機(jī)就可以在硬件中有效地模擬這個(gè)軟件過(guò)程，在軟件中實(shí)施自組織，為程序員提供更多靈活性。

大腦中的大部分細(xì)節(jié)都是隨機(jī)的，具有涌現(xiàn)特性

雖然在大腦的每個(gè)方面都有許多隨機(jī)（在嚴(yán)格控制下的隨機(jī)）過(guò)程，但我們?cè)谟?jì)算機(jī)中沒(méi)有必要模仿每個(gè)軸突表面的所有“漣漪”，至多需要在了解了計(jì)算機(jī)操作原理的情況下，模仿每個(gè)晶體管表面的所有微小差異。但某些細(xì)節(jié)對(duì)解碼大腦操作的原則是很關(guān)鍵的，這迫使我們必須將它們和那些隨機(jī)“噪音”或混亂細(xì)節(jié)加以區(qū)分。神經(jīng)功能中混亂（隨機(jī)和難以預(yù)料的）的部分可以通過(guò)利用復(fù)雜性理論和混沌理論的數(shù)學(xué)方法進(jìn)行建模。

智能行為是大腦混亂和復(fù)雜活動(dòng)的突顯特征。對(duì)比白蟻和螞蟻巢穴的智能化設(shè)計(jì)，想象一下它們精心構(gòu)建的互聯(lián)隧道和通風(fēng)系統(tǒng)。盡管這些看上去都是無(wú)比靈巧、復(fù)雜的設(shè)計(jì)，但螞蟻和白蟻群里并沒(méi)有建筑專家。這些建筑其實(shí)都是由所有巢穴成員不可預(yù)測(cè)的互動(dòng)建造起來(lái)的，每個(gè)成員所依照?qǐng)?zhí)行的不過(guò)是一些相對(duì)簡(jiǎn)單的規(guī)則。這種組織就如同人類大腦一樣，具有涌現(xiàn)（整體大于其各部分之和）特性。

大腦選擇了不完美和矛盾性

這是復(fù)雜自適應(yīng)系統(tǒng)的本性，其決策所表現(xiàn)的智能是“次最佳”的。也就是說(shuō)，與其要素的優(yōu)化配置所表現(xiàn)的智能相比，它反映了較低級(jí)別的智能。它只需要足夠好，這對(duì)我們?nèi)祟惗跃鸵馕吨呀?jīng)有充足的智力水平，使我們能夠騙過(guò)在生態(tài)中與我們相似的對(duì)手。例如，靈長(zhǎng)類動(dòng)物也有認(rèn)知功能，但其大腦沒(méi)有人類那樣發(fā)達(dá)，它們的手也沒(méi)有人類的那么靈活。由于認(rèn)識(shí)到各種各樣的思想和方法（包括那些相沖突的）并存或相融合，最終能造就卓越成果，我們的大腦通過(guò)進(jìn)化，已經(jīng)完全能夠包容矛盾的觀點(diǎn)。事實(shí)上，我們正是依靠?jī)?nèi)部的多樣性而獲得蓬勃發(fā)展。

大腦的認(rèn)知能夠進(jìn)化，形成重要的模式識(shí)別功能

大腦使用的基本的學(xué)習(xí)模式是漸進(jìn)式的。一個(gè)新生兒的大腦包含的大多是隨機(jī)的神經(jīng)元連接，在未來(lái)的生活實(shí)踐中，理解世界最成功、對(duì)認(rèn)知和決策做出最大貢獻(xiàn)的神經(jīng)元連接會(huì)幸存下來(lái)，逐漸形成他大腦的認(rèn)知模式。

在這些混亂的自組織方法中，某些細(xì)節(jié)至關(guān)重要——它們以模式約束（確定初始條件規(guī)則和自組織方式）的形式顯示出來(lái)，而在最初的約束條件中，許多細(xì)節(jié)都是任意設(shè)置的，系統(tǒng)在自組織過(guò)程中逐步篩選和表現(xiàn)出那些不變的特征信息，而所有這些產(chǎn)生的信息在這一網(wǎng)絡(luò)特定的節(jié)點(diǎn)或連接中都無(wú)法找到。由此可見(jiàn)，這是一個(gè)分布式系統(tǒng)（操作軟件高于硬件的網(wǎng)絡(luò)）的模式。

而模式識(shí)別正是人類思維的支柱之一。相比計(jì)算機(jī)排布縝密的電子元件，哺乳動(dòng)物的神經(jīng)元顯得有些混亂（有許多明顯隨機(jī)的相互作用），但如果神經(jīng)網(wǎng)絡(luò)在動(dòng)物個(gè)體的成長(zhǎng)過(guò)程中得到很好的訓(xùn)練，那么一個(gè)反映網(wǎng)絡(luò)決策的穩(wěn)定格局就會(huì)出現(xiàn)。當(dāng)前，計(jì)算機(jī)的并行設(shè)計(jì)還比較有限。但并沒(méi)有理由說(shuō)明，與生物神經(jīng)網(wǎng)絡(luò)功能相當(dāng)?shù)娜嗽炀W(wǎng)絡(luò)無(wú)法使用這些決策原則。的確，全世界數(shù)十次的努力已經(jīng)成功完成了這些事。

在模式識(shí)別技術(shù)領(lǐng)域所涉及的工程項(xiàng)目中，一直使用這種類似人腦的具有可訓(xùn)練性和不確定性的計(jì)算方式，計(jì)算機(jī)已經(jīng)可以有效地模擬出很多大腦特有的組織方法。相信復(fù)制自然的設(shè)計(jì)范式將成為未來(lái)計(jì)算的主要趨勢(shì)。

筆者認(rèn)為，未來(lái)的文明將遠(yuǎn)勝于現(xiàn)在的文明，盡管很難預(yù)測(cè)未來(lái)的文明程度，但是我們有能力在頭腦中創(chuàng)建現(xiàn)實(shí)世界的發(fā)展模式，該模式可以讓我們洞察到這樣一種暗示：生物智能必將與我們正在創(chuàng)造的非生物智能緊密結(jié)合。

正如漢斯·莫拉維茨所言：“人工智能還處在萬(wàn)物復(fù)蘇的春天，等待著它生機(jī)勃勃的夏天的來(lái)臨?！?/p>