打字猴:1.70154878e+09
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
1701548810
1701548811 保罗·巴赫-利塔(Paul Bach-y-Rita)是威斯康星大学的医生和神经科学家。他在照顾自己处于中风康复期的父亲时变得对大脑可塑性很感兴趣。他理解大脑有可塑性,也理解看见东西的是大脑而不是眼睛。他好奇是否可以通过不同的输入通道,也就是说除了那双不再工作也不再提供输入的眼睛以外的输入通道,给予盲人正确的电信号,从而使盲人重获视力。他制造了一个可以在舌头上呈现出视觉模式的设备,盲人安装这个设备后,可以通过舌头上的感觉来“看”48。受试者会在额头上戴上一台微型的电视摄像机,这台摄像机会把视觉图像传输到舌头上的一个刺激器阵列(他试验了身体的很多部位,包括腹部、背部、大腿、前额以及指尖,但最后发现舌头是最合适的)。来自摄像机的图像被转译成神经代码,并通过刺激器在舌头上制造特定的压力模式来传导。压力模式所产生的神经冲动通过舌头上完好的感觉通路传入大脑,而大脑很快就学到了如何把这些冲动当成视觉来处理。很奇怪吧?运用这个系统,先天失明的人能够在微型二极管组装线上完成组装和检查任务,而完全失明的人则可以抓住滚过桌面的球以及识别面孔。
1701548812
1701548813 霍金斯说,所有这些感觉信息的重要一面在于,无论正在加工的感觉输入是什么,其输入形式都是有空间和时间模式的。当我们听的时候,重要的不仅是声音之间的时机,也就是时间模式,还有耳蜗中接受器细胞的实际空间位置。运用视觉的时候,显然需要识别空间模式,但我们没有意识到的是,对于每一幅知觉到的图片,我们的眼睛实际上都在每秒跳跃三次来注视不同的点。这些移动被称作扫视。虽然我们知觉到的是不动的图片,但实际上它并不是不动的。视觉系统会自动处理这些不断变化的图像,好让你将它们知觉为静止的。触觉也有空间性,但霍金斯指出,只用单一处的感觉是不足以识别一个物体的;我们需要触碰物体的不同位置才能识别出这个物体,也就是说我们需要触觉在时间方面的表现。
1701548814
1701548815 带着这些对输入的理解,让我们来看看六层厚的抹布——新皮层吧。根据芒卡斯尔的理论,霍金斯假设在这块抹布每一层上的所有细胞加工方式都是同一种。所以第一层上的所有神经元都做一样的工作,然后把结果传给第二层,第二层的细胞做好自己的事情,以此类推。然而,信息不仅是在不同层级上传递,它还会被传递到横向的其他区域然后再传回来。每个锥体神经元最多能有一万个突触。这简直就是信息超级高速公路啊!
1701548816
1701548817 新皮层还被分成加工不同信息的几个区域。现在我们要来看看层级的概念了。大脑会以一种层级方式来对待信息。这不是诸如高级皮层区域位于其他皮层区域之上的那种物理层级,而是信息加工的层级,连接的层级。层级底端的区域是最大的,会接收巨量的感觉信息,每个神经元都专精一小点儿东西。打个比方,层级底端的视觉加工区域被称为V1。V1中的每个神经元都负责图像的一小片,就好像照相机里的像素一样,但不只如此。它们还会区分像素内部的特定模式,每个神经元只对特定的输入模式放电,比如45度向左下倾斜的线。不论你是在看一只狗还是庞蒂克轿车,如果有一条45度向左下倾斜的线,这个神经元就会放电。V2区则是这个层级中的下一个脑区,它初步整合来自V1的信息,然后把整合好的信息传给V4。V4工作完后把信息传递给叫IT的脑区。IT专精于整个物体。所以如果所有的输入信息符合一张面孔的模式,那么IT中一组专精于面孔模式的神经元就会在接收到源自下层的信息之后开始放电。“我正接收到一个面孔代码,还在,还在这儿,呃,好了,它不见了,我的任务结束。”
1701548818
1701548819 但不要觉得这是一个单向系统。下行的信息跟上行的信息一样多。为什么呢?
1701548820
1701548821 计算机科学家们在建模时一直把智能当作计算结果——一个单向进程。他们认为大脑也跟电脑一样在进行巨量的计算。他们把人类智能归因为我们有大量并行的连接同时运行,最终给出单一的回答。一旦电脑可以达到大脑中并行连接的数量,它们就会有人类级别的智能了。但霍金斯指出了这个推理中的一个错误,他称之为百步法则。他给出了这样一个例子:一个人看到一张图片,要求他如果看到图片中有猫就按下按钮,这只需要半秒甚至更短的时间。电脑则很难,甚至不可能完成这个任务。我们已经知道神经元比电脑要慢得多了,在半秒的时间内,进入大脑的信息只够穿过一条几百个神经元的连接。你能只用一百步就想出回答,而电子计算机则要几十亿步才能给出回答。我们究竟是怎么做到的呢?
1701548822
1701548823 这就是霍金斯假设的关键:“大脑不是‘计算’问题的答案,而是从记忆中提取出答案的。实际上,答案在很久以前就已经存储在记忆中了。从记忆里提取出某样东西只需要短短的几步就够了。缓慢的神经元不仅可以足够快地完成这个任务,而且它们本身也是构建记忆的一部分。整个皮层就是一个记忆系统。它完全不是计算机。”38这个记忆系统与计算机内存有四处不同:
1701548824
1701548825 1.新皮层存储的是模式的序列。
1701548826
1701548827 2.它会自动回忆相关的模式,也就意味着它在只接触部分模式的时候也可以回忆出整个模式。你只看到墙的上方露出一个头,就会知道是有一个身体跟它连接在一起的。
1701548828
1701548829 3.它以同一种形式存储模式。它可以自动处理模式的变体:当你从不同角度和距离看到一位朋友时,虽然视觉输入是完全不一样的,但你还是可以认出她来。电脑是做不到这一点的。输入中的变化不会让你重新计算你看到的人是谁。
[ 上一页 ]  [ :1.70154878e+09 ]  [ 下一页 ]