1700676730
大脑传 [:1700672993]
1700676731
大脑传 第12章 计算机：1950年至今
1700676732
1700676733
在计算机时代初期，科学家们对这些新机器与脑之间的相似之处感到无比震撼。受到这种启发，不同的科学家采用了三种不同的方式来使用计算机。有些科学家忽略了生物学，专注于让计算机尽可能更智能，这个领域后来被称为“人工智能”（这个概念是约翰·麦卡锡[1] 在1956年提出的），以各种方式为现代生活做出了积极的贡献（至少目前是这样）。对于理解脑是如何工作的，最富有成效的方法并非来自创造超级智能机器的尝试，而是那些构建脑功能模型的努力，这些研究探索的是模型中神经元之间交互连接的规则。如果你喜欢，可以把这个领域称为“神经元代数”（neuronal algebra）。[2]
1700676734
1700676735
模拟神经系统的早期尝试出现在1956年，当时IBM（国际商业机器公司）的研究人员检验了赫布的猜想（神经元的组合是脑的基本功能单元）。他们使用的是IBM的第一款商用计算机——IBM 701。这是一种真空管计算机，由11个大型部件组成，几乎占据了一个房间（总共只售出了19台）。这个团队模拟了一个由512个神经元组成的网络。尽管这些组件最初并没有连接到一起，但就像赫布提出的那样，它们很快就形成了一些组合，并且自发地以波的形式同步它们的活动。[3] 虽然这个非常粗糙的模型存在局限性，但这表明神经系统环路的某些特征源自一些非常基本的规则。
1700676736
1700676737
最早使用计算机模型来阐释脑运作机制的人之一是数学家奥利弗·塞尔弗里奇（Oliver Selfridge）。他是维纳的学生，与皮茨、麦卡洛克和莱特文也关系密切。1958年，塞尔弗里奇展示了一个被他称为“群魔”（Pandemonium）的分级处理系统，这个系统是在他有关机器模式识别的研究工作的基础上开发出来的。塞尔弗里奇以创建一种简单的单元——“数据恶魔”（data demon）为出发点，这些单元可以通过将某一特征（比如一条线）与预先设定的内部模板进行比较来识别环境中的元素。这些“数据恶魔”会把它们检测到了什么报告给更高一级的“恶魔”——“计算恶魔”（computational demon）。对于接下来发生了什么，塞尔弗里奇是这样解释的：
1700676738
1700676739
在下一个层级上，“计算恶魔”或者叫“亚恶魔”（sub-demon）会对数据进行某种或多或少的复杂计算，并将计算结果传递到再下一个层级——“认知恶魔”（cognitive demon）那里，由“认知恶魔”对证据加以权衡。每一个“认知恶魔”都会计算出一声尖叫，而最高层级的恶魔——“决策恶魔”（decision demon）会从所有的尖叫中选择出最大声的那一个。[4]
1700676740
1700676741
1700676742
1700676743
1700676744
“群魔”系统的示意图
1700676745
1700676746
这个过程的最终结果是，一个复杂的特征（比如一个字母）会被“决策恶魔”识别出来。
1700676747
1700676748
乍一看，这似乎只是感觉处理层级观的一个电子版本，最早可以追溯到阿尔弗雷德·斯密。但“群魔”有自己的独特之处——它可以在整个过程中不断学习。这个程序会持续关注自己对物体的分类准确与否（在最初阶段，这些信息是由人提供的）。通过不断重复运行这个程序，以及这个过程中塞尔弗里奇所谓的对恶魔的“自然选择”（如果分类正确，它们就会被保留下来），随着时间的推移，系统会变得越来越准确。它甚至能识别那些并不是设计出来供它识别的东西。[5] 根据认知科学家玛格丽特·博登的说法，“群魔”的影响是不可估量的——它表明计算机程序可以模拟相当复杂的感觉过程，而且如果它的成功获得适当的反馈，程序的功能还可以随着时间而改变。[6]
1700676749
1700676750
与此同时，另一位美国科学家弗兰克·罗森布拉特（Frank Rosenblatt）提出了一个稍有不同的模型——感知机（Perceptron）。感知机关注的也是模式识别，也使用了灵活层级连接的思想——一种后来被称为“连接主义”（connectionism）的方法。[7] 罗森布拉特认为，脑和计算机都具备两项功能——决策和控制，无论是在脑还是计算机中，这两项功能都是基于逻辑规则运行的。但脑同时还在执行两项更深层，交互性也更强的功能：对环境的解读和预测。所有这些功能都在罗森布拉特的感知机模型中得到了体现，因此他把感知机称为“第一台能够产生原创性想法的机器”。[8]
1700676751
1700676752
事实上，和之前的“群魔”一样，感知机只是学会了识别字母。而且就感知机而言，字母必须要大约半米高才能被识别出来。[9] 但感知机与“群魔”的关键区别是，感知机无须预设的模板，通过使用并行处理（同时执行不同的计算，就像脑一样）就能做到这一点。这种差别绝非偶然，因为罗森布拉特不仅对开发一项在当时看来令人瞠目结舌的技术感兴趣，对提出理论来解释脑的运作方式同样感兴趣。
1700676753
1700676754
1700676755
1700676756
1700676757
感知机的示意图
1700676758
1700676759
媒体很喜欢追捧这样的事。当罗森布拉特的资助方美国海军在1958年宣布他的研究成果时，《纽约时报》欢呼道：“今天，美国海军披露了电子计算机的雏形，在未来，它有望能够走路、说话、看见、书写、复制自己，并意识到自身的存在。”[10] 这些话并非出自某位过度兴奋的记者之口，而是罗森布拉特本人的原话。关于罗森布拉特，一位科学家后来回忆说：“他是那种新闻工作者梦想报道的人，就像有魔力一样。按照他的说法，感知机能做出各种各样了不得的事情。也许确实如此，但他的工作证明不了这一点。”[11]
1700676760
1700676761
尽管罗森布拉特在媒体上进行了精心的宣传，但他对感知机的真正意义却保持了相对冷静的态度。在他1961年出版的著作《神经动力学原理》（Principles of Neurodynamics ）中，罗森布拉特写道：
1700676762
1700676763
感知机不是任何实际神经系统的近似仿品。它们是简化的网络，能帮助我们研究神经网络及其所在环境的组织方式与这些网络的“心理”表现之间的关系法则。感知机实际上可能对应于生物系统外延网络的某些部分……更有可能的是，它们是对中枢神经系统的极端简化，其中一些特征被放大了，而另一些则被缩小了。[12]
1700676764
1700676765
到了20世纪60年代中期，专家们开始承认，即使是感知机，也并不像人们吹捧的那样好。[13] 1969年，人工智能先驱马文·明斯基（Marvin Minsky）和同事西摩·佩珀特（Seymour Papert）出版了一本书，对感知机模型给予了非常负面的评价。明斯基和佩珀特对感知机的能力进行了数学分析，认为无论对于人工智能还是对于理解脑来说，这种方法都是死胡同，因为感知机的构造方式使它不可能在内部表征它正在学习的东西。[14] 一方面由于这类批评的出现，一方面由于这些模型进展放缓，美国对连接主义方法的资助逐渐枯竭，这个领域也随之萎缩。[15] 罗森布拉特随后开始研究学习转移现象，这个领域的研究将在恐暗肽理论出现时达到高潮。1971年7月11日，在他43岁生日那一天，罗森布拉特在一次船只事故中丧生。
1700676766
1700676767
尽管“群魔”和感知机未能提供可以应用到生物模式识别系统上的见解，但这两个程序改变了研究者对脑的看法——它们表明，任何对感知（无论是人的感知还是机器的感知）的有效描述，都必须引入关键的可塑性要素。因此，它们与基于机械或者压强隐喻的旧模型完全不同。此外，在这些连接主义程序的结构与休伯尔和维泽尔发现的简单特征探测器的层级结构之间，存在着一种诱人的相似性，巴洛1972年提出的关于“红衣主教细胞”的想法显然受到了这种相似性的影响。对一些人来说，这意味着这些新模型并不仅仅是用隐喻来解释脑是如何工作的。它们实际上揭示了真正的机制。
1700676768
1700676769
1700676770
1700676771
1700676772
随着学界对“群魔”和感知机的兴趣逐渐消退，大卫·马尔开发了一种不同的脑功能计算模型。马尔此时已经在剑桥大学闯出了名声。在那里，他发表了一系列论文，宣称已经发现了脑是如何工作的。但他很快就否定了这些数学模型，认为它们只是“一种简单的组合技巧”，因为他意识到研究人员们需要一种完全不同的方法。[16] 1973年，马尔搬到了波士顿的麻省理工学院，与明斯基一起工作。他的目标是创造一台能看见东西的机器，进而理解人的视觉是如何工作的。4年后，马尔患上了白血病，因此迅速开始撰写一本名为《视觉》（Vision ）的书，总结他的见解。他在书的前言中写道：“因为某些事情，我不得不比原计划提前几年开始写这本书。”[17] 马尔于1980年去世，年仅35岁。1982年，《视觉》出版上市。[18]
1700676773
1700676774
也许正是意识到了死亡将近，马尔的这部著作展现出了更为宏大的视角，而没有限于一个视觉模型的细节。他把他有关脑运作机制的观点放到了一个更广泛的伦理背景下，讲述了我们是如何进化的，以及我们对自然选择的影响抱有的深刻态度源自何处：
1700676775
1700676776
说脑是一台计算机，这没错，但又容易引起误解。它确实是一台高度专业化的信息处理设备——或者更确切地说，是许多信息处理设备的集合。将我们的脑视为信息处理设备，这并不是在贬低或者否定人的价值观。这么看待人脑反而更能体现人的价值观，并可能最终帮助我们从信息处理的视角理解人的价值观究竟是什么，人为什么有这样或那样的价值观，以及这些价值观是如何整合进基因赋予我们的社会习俗和社会组织的。[19]
1700676777
1700676778
马尔的这部著作中使用了很多数学方法，因此有人说引用他这本书的人比理解他这本书的人更多。这句俏皮话说明，马尔最大的贡献不在于其视觉计算模型的精确细节，而是他的思想方法。[20] 即使是马尔最热情的支持者也承认，在今天看来，他的这本书的主要价值是其历史意义。
1700676779