1700527030
1700527031
1.机器确实无法解决哥德尔的难题，但人类也不行。人类只能对其进行估算。计算机也会估算，并且会在将来的几年当中超越人类的表现。
1700527032
1700527033
2.无论在何种情况下，量子计算都无法解决哥德尔的难题。解决其中任一问题都需要用无数步骤的算法。量子计算可以把传统计算机几万亿年都无法解决的难解问题转化成即时计算，但还是达不到无限计算。
1700527034
1700527035
3.如果以上两个论点都是错误的，也就是说，就算人类可以解决哥德尔的难题，并且凭借自己的量子计算能力解决了这些问题，却还是无法将量子计算限制在机器的范围内。相反，如果人脑具有量子计算的能力，那也只能确认量子计算是可能的，遵循自然法则的物质可以进行量子计算。人类神经元中的任何一种机制都可以进行量子计算，比如可以在机器中复制微管。如今，机器也可以在数万亿设备当中利用量子效应——隧道效应。17没有任何证据表明只有人脑才能进行量子计算。
1700527036
1700527037
彭罗斯的第二个猜想更难解决：可以进行量子计算的实体都是有意识的。他认为，人类的量子计算能力是其拥有意识的原因。因此，是量子计算（量子退相干）产生了意识。
1700527038
1700527039
现在我们知道意识和量子退相干之间有一种关联。也就是说，意识观察一种量子不确定性可以引起量子退相干。然而彭罗斯断言相反的方向存在着关联，这种说法不符合逻辑。当然，从一般意义上来说，量子力学本来就没有逻辑可言——它只遵循量子逻辑（一些观察者使用“奇怪”一词来形容量子逻辑）。但是，彭罗斯的第二个假设也不符合量子逻辑。从另一方面来看，我不能立即反驳它，因为意识和量子退相干之间确实有一种强大的联系，因为是前者引发了后者。我已经琢磨这个问题三年了，但仍然无法坦然接受或者断然否定它。也许在我创作下一本书之前，我会对彭罗斯的第二个猜想产生一些想法。
1700527040
1700527041
运用逆向工程制造已被证明的设计：人脑
1700527042
1700527043
对许多人而言，随着科学不断普及，思维是神秘的最后避难所，他们并不希望科学的想法入侵未知领域的最后领地。
1700527044
1700527045
——丹尼尔·丹尼特，引自赫伯特·西蒙
1700527046
1700527047
难道我们不能让人们做自己，按照自己的方式享受生活吗？你是在试着制造另一个自己，但一个你就足够了。
1700527048
1700527049
——拉尔夫·瓦尔多·爱默生
1700527050
1700527051
对于年迈的智者而言……解决问题的办法就是知识和自律……在践行这条准则的时候，他们做好准备迎接人们的各种观点，这些事会被后人认为是恶心且不孝的——比如挖掘死者并对其进行肢解。
1700527052
1700527053
——C·S·刘易斯
1700527054
1700527055
智能是：（a）宇宙中最复杂的现象或（b）一个极其简单的过程。
1700527056
1700527057
当然，答案是（c），即以上两点都对。这是让生命变得有趣的另一个伟大的二元性。我们已经探讨过智能的简单性：简单的模式和简单的计算过程。现在让我们谈一谈复杂性。
1700527058
1700527059
让我们回到知识，它从简单的种子开始，后来变得像搜集知识的过程与混沌的现实世界互动一样详尽。的确，这就是智能的起源。它是进化过程的最终结果，我们称之为自然选择，它本身就是一个简单的模式，从其身处的混乱环境中汲取复杂性。当在计算机当中应用进化论点的时候也存在同样的现象。先从最简单的公式开始，把进化迭代的简单过程与大规模计算的简单性结合起来，所得出的结果通常是复杂、多能、智慧的算法。
1700527060
1700527061
大脑足够大吗？
1700527062
1700527063
我们对人类神经元的运作、对人脑神经元数量的估计以及对人脑内部连接的理解是否与我们对大脑能力的理解一致？也许人类神经元的能力要远远超过我们的认知。如果是这样，制造一台和人类智能水平相当的机器也许要比预期的时间更长。
1700527064
1700527065
我们发现，人类专家在某一领域已经掌握的概念的估计数量——“知识块”，具有非常显著的连贯性： 5万~10万个。这一波动范围在人类努力的范围内似乎比较稳定：象棋大师掌握的棋盘位置数量、技术领域的专家（比如医师）掌握的概念数量以及作家掌握的词汇量（莎士比亚使用过2.9万个单词，18本书的字数比他使用的字数少很多）。
1700527066
1700527067
当然，作为正常生活的人类，只需掌握一小部分这种专业知识即可。世界的基本知识，包括所谓的常识要更多一些。我们拥有识别模式的能力：口语、书面语、物体、面孔。我们也拥有自己的技能：走路、谈话、接球。我认为，根据合理的保守估计，一个普通人所掌握的各方面知识数量要比一位专家在其研究领域所掌握的知识数量多1 000倍。我们可以据此做一个大概估算，每个人大概有1亿个知识块，包括理解、概念、模式以及特殊技能。可以从下文看到，尽管这一估算偏低，大脑仍然非常大。
1700527068
1700527069
人脑中的神经元数量大约为1 000亿。每个神经元平均约有1 000个连接，共计100万亿个连接。有了这100万亿个连接和1亿个知识块（包括模式与技能），就可以估算出每个知识块大约有100万个连接。
1700527070
1700527071
计算机模拟神经网络使用了各种神经元模型，这些模型都相对比较简单。有人曾试图给现实中的哺乳动物神经元提供详细的电子模型，但这种努力似乎表明，虽然动物的神经元远比典型的计算机模型复杂，但它们在复杂性方面的差异却很小。即便是使用简单的神经元计算机版本，也可以模拟知识块——一张面孔、一个形状、一个因素或者一个词义，每个知识块都尽可能只使用1 000个连接。因此，对人类大脑中每个人类知识块大约有100万个神经连接的粗略估计是合理的。
1700527072
1700527073
大脑的确比较大。因此，我们把估算扩大1 000倍（对知识块的数量估计），这种计算仍然奏效。然而，可能大脑对知识的编码方法不如机器的方法高效。这种明显的低效与我们对人脑是保守设计的理解一致。大脑依赖于高度冗余以及密度相对较低的信息储存，这样才能获得可靠性并继续高效地运作，而不用担心随着年纪变大神经元损失的概率增高。
1700527074
1700527075
我的结论是，对于单个神经元的信息处理模型远比我们现在对它们的理解复杂，我们没必要过于在意，因为大脑足够大。
1700527076
1700527077
但是没必要模仿人脑的整个进化过程来解开它所蕴含的复杂秘密。就像技术公司将剖析并“逆向制造”（分析以便了解方法）对手的产品一样，对于人脑，我们也能采取同样的方法。毕竟，它是我们可以接触到的智能过程的最佳例子。我们可以分析人脑的架构、组织以及内部知识来加速理解如何才能在机器中加入智能。通过探索人脑的电路，我们可以复制并模仿这一已经证明的设计，这一设计花费了设计者几十亿年的时间才发展成现在的模样（它甚至没有版权）。
1700527078
1700527079
随着我们利用计算能力来模仿人脑——这一点尚未实现，不过有望在10年之内做到，我们会为之努力，我们甚至已经开始跃跃欲试。
[
上一页 ]
[ :1.70052703e+09 ]
[
下一页 ]