1700266968
1700266969
我们现在只需要20年就能实现等同于整个20世纪的技术增长,按照这种增长率,我们在未来14年就能完成现在20年的增长。我认同这样一种观念,比如说,相较于计算机科学,我们对生物学的理解滞后了一个世纪,但是,凭借现在发展的速度,我们将在未来的14年里实现等同于1个世纪的范式转移的进步。这不是一个模糊的估计,而是基于数据模型的估算。我拥有一个由10人组成的团队,专门收集这类估算的数据,令人感到惊讶的是,这些数据模型既有理论基础,也有实证基础。基于过去50年的数据构建的模型还不足以用来预测未来50年的情况。在《时代周刊》组织的主题为“生命的未来”(Future of Life)会议上,所有的发言人都被问到:“未来50年会发生什么?”我想说,所有那些发言人的预测都只是基于过去50年的情况而言的。詹姆斯·沃森说:“在未来50年里,会出现一种药物,可以让你尽情吃喝,又能保持身材苗条。”但是基于我们现在所知道的,而且我们已经在动物身上做过实验了,仅在5~10年内,我们就能研制出这种药物。
1700266970
1700266971
我赞同罗德尼所说的,人脑和生物学有不同的工作原理。但是那些只是我们一直在应用的原理。我自己感兴趣的领域是模式识别。我们并没有利用逻辑分析,而是利用自组织的适应性混沌算法去做这种分析,我们也有一套方法论和数学原理指导。我们对大脑进行反向工程,这个过程以指数级的速度发展,从而使我们获得了越来越强大的模型,可以添加到我们的人工智能工具里。
1700266972
1700266973
最后我要回应一下这个问题:人们怎么去预测一些非常复杂的事物?像计算机科学和生物学等领域里的每一步进展,都是由数以万计的项目构成的,而每一个项目都是不可预测的,都是混沌的。对于这种整体性的混沌行为,我们确实能够做出预测,而且科学中还有很多其他的例子同样如此。去预测一种气体中的某个分子的运动当然毫无希望,这个过程非常复杂,整个气体由数以万亿计的分子构成,而且每一个分子都是混沌和不可预测的,但是整个气体依然拥有可预测的性质,你可以根据热力学定律做出预测。就像生物学有一个进化过程一样,技术也有一个进化过程。
1700266974
1700266975
克雷格·文特尔:我发现作为一名生物学家坐在这里聆听很有趣。我对你们说的很多东西都很赞同。尽管我们所谈论的单个细胞的工程和对更复杂事物的工程其实有巨大差异。我们人体拥有100万亿个细胞,所以当你试图利用同样的基因密码去重复同一个实验时,从来都行不通。所谓的同卵双胞胎也没有同样的指纹或脚印或大脑神经连线,因为总有很多随机事件会悄然进入每一次的细胞分裂或某些生物过程里。如果这是基因改造工程的话,那也是相当草率的工程。你无法两次都获得同一个答案。
1700266976
1700266977
但是对于单细胞和微生物细胞,我同意将它们称作未来的能量工厂。而且比起你们二位的预测,这一切会发生地更快,因为现在正处于初期阶段,我们试图设计出机器人去建造染色体,去构造那些物种,也许我们每天都能建造出上百万个,但因为有太多未知的基因,我们基本上要以实证的方式去做,然后再筛选出活跃分子。每个人都担心《天外细菌》(Andromeda Strain)(2)里描述的那种方式,但那就是生物学进展的方向,只不过比我们所看到的线性方式进展得更剧烈。
1700266978
1700266979
罗德尼·布鲁克斯:是的,这一点很有意思。我讨厌做一名反对者,但是库兹韦尔迫使我去反对。
1700266980
1700266981
构造出百万个单细胞,然后检验它们,看看是否会在原位置出现进化,这种想法正是我们在未来会加快进行的实践。在计算方面,大约15年前,我们认为硅会开始飞速进化,这方面还有很多激动人心的地方。但是我们并没有计算出来,因为我们遗漏了一些东西。人造生命领域已经有了15年的缓慢进展,但是并没有如我们早前在桑塔菲会议上料想的那样飞速发展。那是在20世纪80年代末、90年代初,桑塔菲研究所刚成立不久。
1700266982
1700266983
杰克·绍斯塔克(Jack Szostak)等人已经在试管中进行了真实的进化实验,因为这是现在我们理解怎样进行进化的粗略方式,不过进化也许就是这样的也说不定,而且这种进步会改变很多事情,就像量子力学的发展彻底改写了物理学一样,也许有人在某个时候会想清楚,怎样在硅中进行更好的进化实验,到那时我们就会理解我们到底遗漏了什么。那样就会让所有领域快速地发展。尽管我认同对未来事件的统计分析,但是还有很多异常的事件是我们无法预测的,而正是这些事件对事物的发展方向产生了巨大影响。
1700266984
1700266985
雷·库兹韦尔:我可以告诉你遗漏了什么,我们遗漏的正是对生物学的真切理解,我以前说过,我们还处于生物学的初期阶段。虽然我们已经有了自组织的范式,像基因算法、神经网络、马尔可夫模型等,但它们顶多只是生物学的初级模型。我们还没有可以检测生物学的工具。我们已经拥有的工具是,看看生物学是怎么运行的,我们可以给基因组测序,我们开始理解那些信息过程的机制,我们能够观察大脑的内部,还可以从反向工程里开发出更有力的模型。那么问题来了:生物学到底有多复杂?
1700266986
1700266987
我当然不会说这个问题很简单,但是我认为,这是我们可以操作的复杂性,而且这种复杂性超过了它本身。如果你观察大脑的内部,比如小脑,其中的神经元有大量不同的连接模式,这些神经元占了整个脑部神经元的一半,但实际上,只有很少的基因参与了小脑的神经元连接。形成这种结构的原因就是因为基因组说:“将这4种神经元像这样交织起来,现在重复几十亿次这个过程,然后在每一次重复的过程中增加一些随机性。”所以这是一个很简单的算法,只是增加了一个随机性的构件,就构成了一个错综复杂的连接模式。但一个关键的问题是,在基因组里有多少信息呢?有30亿个等级,60亿小片,也就是8亿字节,其中蛋白质大约占了2%的编码,所以有160万字节可以描述出真实的基因。
1700266988
1700266989
其他的字节就是以前所谓的垃圾DNA。我们现在意识到,它们其实并非都是垃圾,它也控制着基因表达,不管它是多么马虎地编码的,尽管其中还有大量冗余,比如一种叫作ALU的序列重复了30万次。如果你除去那些冗余的话,你大概可以实现90%的压缩,但之后你依然会获得一些没有效率的编码,算法信息量也会很低。我有一个分析表明,基因组里大约有3千万到1亿比特的有意义的信息。虽然这些信息很复杂,但是我们可以把握这一水平的复杂性。我们要完成对它的反向工程,这要求我们以指数级的速度去实现,我们正在努力去实现。这就像是十年前基因组计划的处境一样。
1700266990
1700266991
罗德尼·布鲁克斯:库兹韦尔,你又要让我提出异议了。我不喜欢你的那种说法,按你所说,它们就像手机那样,对吧?你曾在图像识别、模式识别领域做研究,我也在这一领域研究,我们都无法得出我们的对象识别系统,而你刚刚所说的只是对大脑里区区16兆字节编码的反向工程而已,或者不管它是什么,我们所做的事就像一个两岁儿童在做分类一样。
1700266992
1700266993
1966年,人工智能实验室有一个夏季的视觉项目,是一个叫格里·萨斯曼(Gerry Sussman)的本科生做的。我在1981年的博士论文所探讨的内容也属于这一领域。到了如今的2005年,我们依然无法进行基因对象识别,而且大家现在也已经放弃了在这个问题上做研究了,而且也你无法获得基因对象识别的研究资助,而且也已经反复证明过这行不通了。
1700266994
1700266995
取而代之的是,大家开始研究专门的医学成像或面部识别。基因对象识别是一个很难的问题。要理解基因组是怎样在大脑里工作的,不单单是给基因组做一个曲轴就能解决的。在1966年那份原始提议里,西摩·佩伯特(Seymour Papert)预测,我们能够获得进行基因对象识别的方法。但事实并非如此,我们至今也未能实现。有些异常事件,我们是无法预测的,我们无法仅靠给基因安装曲轴,就能理解大脑的运作方式,不管是通过计算的或是超计算的方式。
1700266996
1700266997
雷·库兹韦尔:在过去的数十年里,未来学家或伪未来学家做过很多糟糕的预测。我不会为其他的预测负责。但是你所说的所有内容和我在说的基本上一致,也就是我们还没有对大脑进行反向工程,还没有对生物学进行反向工程,但是我们正处于这一进程之中。
1700266998
1700266999
我们还没有观察大脑内部的工具。你和我都在研究人工智能,而且在神经科学里的反向工程里,我们也没有获得什么大的收益。我们现在只获得比以前多一丁点儿的成果。想象一下,如果我给你一台电脑说,“把它反向工程一下”,你能做的就是从盒子里拿出未经加工的磁传感器。但现在你已经发展出一种很粗糙的、说明那台电脑是怎样运作的理论。
1700267000
1700267001
罗德尼·布鲁克斯:特别是如果你提前还没有一个“计算”的概念的话。
1700267002
1700267003
雷·库兹韦尔:是的,你没有一个指令系统,甚至你都不知道它有一个指令系统或操作码之类的。但是你会说:“其实我想做的是在每个信号上放置专门的传感器,再以很快的速度追踪它们。”然后你就能对它进行反向工程了。这正是电子工程师对竞争对手的产品进行反向工程时所做的事情。
1700267004
1700267005
就在过去两年里,我们已经获得了,能让我们去观察独立的神经元之间纤维丛的工具,这样一来,我们就可以实时高速追踪它们了。宾夕法尼亚大学有一种新的扫描技术,可以观测到活体里独立的神经元之间的纤维丛,这些纤维丛是由大量神经元聚集起来的,这种扫描技术可以实时追踪到它们的信号,从而收集到大量数据。而这些数据很快又被转化成模型和仿真。
1700267006
1700267007
我们可以谈谈脑的复杂性是什么,我们是否可能把握这一复杂性?我的主要观点是,这是一种我们可以把握的复杂性。但是我们还处于初期阶段。那些技术工具的力量正在以指数级的速度增长,这将导致人工智能工具箱的扩张,也将提供你们正在谈论的那种方法。但是,我们现在还没有实现,并不意味着我们就不会实现。我们只是有了去实现这一目标的工具而已。
1700267008
1700267009
罗德尼·布鲁克斯:我完全同意你说的,我们终将实现这一目标,但是我想知道的是实现的具体时机。
1700267010
1700267011
观众:你们能不能谈谈计算和大脑?
1700267012
1700267013
罗德尼·布鲁克斯:很久以前,大脑是一个流体力学系统,后来大脑变成了蒸汽机。在我小时候,大脑是一个电话通信网。后来它又变成了一台数字计算机,再之后就变成了大规模并行数字计算机。大约两三年前,我发表过一次演讲,有人站起来提了一个我一直期待的问题,他说:“大脑难道不就像是万维网吗?”
1700267014
1700267015
大脑经常,或者说始终是被我们用最复杂的新技术进行建模的。当我们将大脑视作蒸汽机时,这种理解并不正确。我怀疑,我们现在以纯粹计算的观点来看待大脑依然不对,因为我的直觉是,我们总会找到一种融合了计算和其他物理视角的方式来研究。
1700267016
1700267017
当你拥有一堆颗粒,并且它们最大限度地减少了系统的能量,那么当你有1 000多倍数量的颗粒时,整个系统也不会放大1 000多倍。它不是线性的,也不是常定的,因为总是会有一些热力之类的东西出现,干扰能量总数,但它完全不像是任何我们可以用来描述能量最小化的计算过程。我们会发现某种东西,它指引着计算和其他物理现象,也许还包括量子现象,它与我们目前称为计算的思维方式也不同。那将会成为大脑的新模型,我们也将获得更大的进步去了解探索的方向,以及那些新方向的意义,只是现在我们还不太理解。
[
上一页 ]
[ :1.700266968e+09 ]
[
下一页 ]