1701548760
探寻人工智能之旅并非始于对大脑的逆向工程。因为在1956年，当人工智能还是星星之火时，人们还并不怎么了解大脑的工作机制。这些前辈工程师们在设计人工智能时没有理论支持，只能即兴设计。他们首先各自提出了制造人工智能不同部分的方法，其中一些方法实际上为理解大脑工作机制提供了线索。有些方法是基于数学法则的，比如基于以往相似事件来确定未来事件发生的可能性的贝叶斯逻辑，或是评测特定序列事件发生可能性以及被用于一些语音识别软件的马尔可夫模型。这些工程师造出了“神经网络”，用于并行运行和大致模拟神经元及其连接；他们还发现了没有经过提前编程的机器反应。这些系统还被用于语音识别软件、对信用卡欺诈的探测和笔迹识别当中。有些系统是基于推断的——基于传统的“如果这样，那么那样”的逻辑。有很多程序可以在大量可能的选项中进行搜索，就好比“深蓝”运行的国际象棋程序。有些人则在设计具有世界基本常识、因果规则、与某种情况紧密联系的事实以及意图目标等的人工智能，比如能规划路径并告诉你最近的中餐店怎么走的车载导航仪。
1701548761
1701548762
但人类大脑在很多方面都与电脑不同。在库兹韦尔的著作《奇点临近》（The Singularity Is Near）中枚举了这些差异：
1701548763
1701548764
· 大脑电路虽然很慢，但却有大量平行处理。大脑有大约100万亿个神经元连接，这比目前任何电脑都要多。
1701548765
1701548766
· 大脑无时无刻不在重新改造自己并进行自组织。
1701548767
1701548768
· 大脑可以启用紧急方案。这也就意味着智能行为是由混乱和复杂所产生的难以预测的结果。
1701548769
1701548770
· 大脑的发展水平很稳定。人们并不会突然比之前聪明10倍，只会变得更聪明一点点。
1701548771
1701548772
· 大脑很民主。我们会反驳自己，有内部冲突，从而可能产生一个高级解决方案。
1701548773
1701548774
· 大脑会进化。6～8个月大的婴儿不断发展着的大脑会产生许多随机突触，其中那些与理解世界最相符的连接模式会被保留下来。某些大脑连接模式很重要，而其他则是随机的。结果是，成年人的突触要比婴幼儿的少得多。
1701548775
1701548776
· 大脑是一张分工网络。脑中没有独裁者或是中央处理器来做决定。它的连接四通八达：信息有许多种在这张网络中穿行的方式。
1701548777
1701548778
· 大脑有以特定连接模式相连的成块区域，可以完成特定功能。
1701548779
1701548780
· 大脑的综合设计比神经元的设计要简单2。
1701548781
1701548782
有趣的是，库兹韦尔忽略了一些很重要的事情。他忽略了大脑是连接在身体上的。目前为止，人工智能程序只能做它们被设计去做的事情。它们不会概括，也没有灵活性2。“深蓝”即使有大量的连接、海量的内存以及能源，也并不知道应该把垃圾倒了，或者其他任何设计之外的事情。
1701548783
1701548784
虽然尚未达到与人类同等的智能水平，但电脑已经在一些能力上超越了我们。它们在解决符号代数和微积分问题，安排复杂任务或序列事件，排布装配线路，以及其他许多与数学相关的加工过程中都比我们要强9。它们不擅长评估质量，也没有常识。它们无法评论戏剧。正如我之前所说的，它们也不善于把一种语言翻译成另一种，不理解语言中的细微差别。奇怪的是，它们做不到的很多事都是4岁小孩儿就能做到的，而不是物理学家或数学家才能做到的。
1701548785
1701548786
至今没有电脑能够通过计算机科学之父艾伦·图灵（Alan Turing）43在1950年提出的图灵测试。因此无法验证这样一个问题：机器可以思考吗？在图灵测试中，一个人类判断者会与两方进行自然语言交流，两方中的一方是人类而另一方是机器人，两者都试图表现得跟人类一样。如果判断者无法确信哪个是机器，那么机器就通过测试了。对话通常限制在文字上，以免声音成为偏差因素。
1701548787
1701548788
许多研究者并不认为这个测试可以判断机器是否有智力。行为不是测试智力的方法。电脑可能表现得很智能，但并不代表它就是有智力的。
1701548789
1701548790
掌上电脑前来救驾
1701548791
1701548792
杰夫·霍金斯认为自己知道我们为什么没能造出真正的智能机器。有些研究者认为这是因为电脑需要变得更强大，要有更多的内存，但他不这么认为。他认为，所有研究人工智能的人都找错了对象。他们一直在基于错误的假设工作38，而他们原本应该更关注人类大脑的工作方式才对。虽然约翰·麦卡锡和大多数人工智能研究者认为“人工智能不需要将自己限制在生物学上可见的运作方式之中”44，但霍金斯仍认为这就是为什么人工智能研究走错了路。他对神经科学家也不满意。他埋头查找神经科学文献，试图回答大脑是如何工作的，却发现虽然人们做了成堆的研究，收集了成吨的数据，却至今没有人把结论整合在一起，提出个理论来解释人类是如何思考的。他已经厌烦了制造人工智能的失败尝试，总结说如果我们不知道人类如何思考，那么就无法造出像人类一样思考的机器。他还说如果没有其他人打算提出这样的理论，他就只好亲自行动了。所以他建立了红木理论神经科学中心（Redwood Center for Theoretical Neuroscience）并着手研究。霍金斯可没有拖延症。哦，或许他有。他靠着沙发，把脚甩到桌上，仔细考虑了一会儿，提出了记忆预测理论38，给人类大脑里的加工过程做了一个大规模的框架。他希望其他计算机科学家也能用用这个理论，修改修改，看看它对不对。
1701548793
1701548794
1701548795
大脑是如何工作的
1701548796
1701548797
霍金斯在读著名神经科学家弗农·芒卡斯尔（Vernon Mountcastle）写于1978年的一篇论文时着了迷。这位神经科学家就是发现大脑新皮层整体非常相似，并推论所有皮层脑区肯定都在做同样事情的那个人。为什么不同区域的工作结果不同呢？这是因为，视觉是视觉皮层的加工结果，听觉是听觉皮层的加工结果，如此等等——并不是因为它们的加工方式不一样，而是因为它们的信号输入不同，以及不同脑区相互连接的方式不同。
1701548798
1701548799
认识人类The Science Behind What Makes Us Unique
1701548800
1701548801
支持这个结论的证据是麻省理工学院的米利甘卡·苏尔（Mriganka Sur）向世人展示的皮层可塑性（改变连接结构的能力）。为了寻找皮层区域的输入对其结构和功能有什么影响，他把新生雪貂的视觉输入路径改变了，使其接入听觉皮层而不是视觉皮层45，46。雪貂会使用躯体感觉皮层的另外一部分（比如听觉皮层）来看东西吗？事实上，输入信号有很重要的影响。雪貂具有了某种程度的视觉，这意味着它们在用通常负责听觉的脑区来看。新的“视觉皮层组织”与原本的正常视觉皮层的连接方式并不完全相同，这让苏尔和他的同事们得出结论：输入活动可以改变皮层的网络，但它并不是决定皮层结构的唯一因素；可能还有内部线索（由基因决定）为连接提供大体框架47。这意味着通过进化，特定的皮层区域会用于处理特定信息，被设置成可以最好地适应这种信息的特定方式；但如果需要的话，因为所有神经元的实际加工模式都一样，所以皮层的任何部分都可以对信息进行加工。
1701548802
1701548803
霍金斯认为大脑使用同样的机制来处理所有信息这个想法非常说得通。它把大脑的所有能力整合在了一起。大脑不用在每次扩展新能力时都重新发明新的组织：它有一个适用于所有问题的万能解。如果大脑可以使用单一加工方式，那么计算机也可以，只要他搞清楚这个方法是什么就行了。
1701548804
1701548805
霍金斯自称是新皮层沙文主义者。他认为我们的智能产生于新皮层：它是最后发展出来的脑组织，而且也比其他所有哺乳动物的都更大，且拥有更好的连接。然而，他还记得所有传入新皮层的信息都已经被低级脑区加工过了，这些在进化中更早出现的脑区，也是我们与其他动物共有的脑区。所以，霍金斯用他大大的新皮层想出了记忆预测理论，我们现在就来看一看。
1701548806
1701548807
与所有动物一样，进入新皮层的全部输入都来源于我们的感觉。有件令人惊讶的事情是，不论我们说的是哪种感觉，进入大脑的输入都是同样类型的神经信号：部分是电信号，部分是化学信号。这些信号的模式决定了你所经历的感觉，而其来自哪里并不重要。感觉替换现象就是一个很好的例子。
1701548808
1701548809
认识人类The Science Behind What Makes Us Unique