打字猴:1.70052704e+09
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。
1700527080
1700527081 比如,新思国际的视觉芯片就是将神经元组织复制到硅当中,当然,该芯片不仅模仿了人类视网膜,还模仿了哺乳动物早期阶段的视觉处理功能。它抓住了早期哺乳动物视觉处理算法的精髓,这种算法被称为“中央包围过滤”(center surround filtering)。它并不是一种复杂的芯片,而是真正抓住了人类视觉初级阶段的精髓。
1700527082
1700527083 有一种幻想颇受观察者们的欢迎,他们无论知识渊博还是肤浅,都认为逆向工程项目是不可行的。霍夫施塔特担忧地表示:“人脑也许太过脆弱,还无法了解它自己。”19但这种看法与我们的发现不符。在探索大脑神经电路时我们就发现,大规模并行处理算法并不是很难理解,它们也并非无限的数字。大脑中有成百上千个特殊区域,它们的构造相当精细复杂,这就是它经历了漫长岁月的进化的结果。大脑之谜并没有超出我们的理解范围。当然也不会超过21世纪计算机的理解范围。
1700527084
1700527085 知识就摆在我们面前,更确切地说,知识就在我们的身体里面。得到知识并非不可能。让我们从最直接的方案开始,从现在可以操作的方案开始(至少可以起步)。
1700527086
1700527087 我们就从冰冻最近死亡的大脑开始着手吧。
1700527088
1700527089 现在,在收到太多愤怒的声讨之前,让我拿达·芬奇当我的挡箭牌。达·芬奇也从他的同辈人那里得到了很多令人苦恼的谴责。这个小伙子从停尸房里偷了一些死尸,运回住处再肢解。这一切都是在解剖尸体为人们普遍接受以前发生的事。他以知识的名义做着这一切,在那时,这可算不上什么有价值的事。他只是想弄清楚人类的身体是如何运作的,但同辈人认为他的做法既诡异又失礼。现在的看法不同了,加深对身体这台奇妙机器的理解就是我们最崇高的敬意。我们总是依靠肢解死尸来了解活着的躯体是如何运作的,然后再将自己所学传授他人。
[ 上一页 ]  [ :1.70052704e+09 ]  [ 下一页 ]