电脑和人脑的原理
我们使用的电脑是一个图灵机,简略地说,本质上是一个有限状态自动机(finite-state automaton)加上一条纸带(tape)。这个状态机可以实现一些固定规则的字符转换,如果按照二进制的计算规则设计这个状态机,就可以实现自动的加法计算过程。但是光有计算,只能相当于简单的计算器,缺点是缺乏记忆,只能识别regular set,应用在regular language上。加上这个tape,就是弥补记忆的不足,可以识别phase grammar定义的语言,功能上得到扩展,能够实现乘除运算了。这个tape是一个无限长的纸带,上面写满了01,计算机可以在纸带的任意位置读写。早期的电脑就是老老实实地读写纸带的,现在改进成了磁盘,U盘等等,但本质上是一样的。这种设计结构,是针对计算设计的,只要电流流过,就通过有限状态机的转换,实现了计算,所以电脑叫计算机是名符其实,这个学名还更准确些。电脑的记忆也是显式的,纸带上存放的是什么,可以直接读取,你也可以删除特定的文件。显式的存储有一个缺陷,就是鲁棒性不足,磁盘坏道了一点,那这点信息就丢失了。当然,为了弥补这个缺点,实际上我们的电脑在存储和传输信息的时候,通过冗余和校验,来提高鲁棒性。图灵机还有一个致命的缺点:太机械化。这是各个组成部分都定义明确带来的,图灵机有完整而明确的理论,概念区分非常清晰,什么样的有限状态自动机可以处理什么类型的语言,都可以很明确地证明。这是一个优点,却也形成电脑的一个致命的缺点,缺乏模糊性和通用性,设计的特定程序,只能处理特定的问题。要处理更复杂的内容,提高适用性,就必须提高算法或者程序的复杂度。这种策略面对简单的模型世界,还是成功的。但应用到真实世界的问题,就出现很多理论上可计算,实际上算不出来的情况,典型的就是旅行商等NP hard问题。这个问题大大限制了程序和算法的通用性,根源就在于现在的电脑是图灵机。
而人脑则很不同,计算和记忆都是隐式的,而且计算似乎是通过记忆间接实现的。人脑组成的关键是神经元网络,输入的神经电冲动经过这个网络,输出特定模式的神经冲动信号。所有的记忆都分散存储在各个神经元内部。你记起一个人,动用了大量神经元的记忆,所以这个人的形象和事迹是分散存储在多个神经元上的。这种记忆存储是隐式的,你不能找到某个神经元是存储这个人的(也有研究找到了这种神经元的,但现在还有争议)。这种系统和机制的好处就是鲁棒性非常强,你杀死个把神经元,对你这个人几乎没有影响,不会影响系统整体的输出模式。还有一个好处,就是想法难以检测,如果拿你做个磁共振成像,就知道你喜欢谁,那这个世界就没那么多感情纠纷,或者说没那么有意思,立马变枯燥了。另外,人脑也有弊端,就是不适合计算,所以敌不过现在的电脑。你要做个简单的计算,先要背乘法口诀,实际上是通过记忆实现计算的。另外,人脑网络实际上是一个输入模式,对应特定的输出模式,由于网络的复杂性,这种模式的匹配可以有广泛的适应性,使得人能够应对复杂的真实世界。
人工智能的出路
图灵机在理论上是很强大的,几乎可以实现任意类型的计算,这也是被人感兴趣的主要原因。基于图灵机,早期的人工智能野心勃勃地开发通用问题求解器(General Problem Solver),虽然在一小块数学领域内成功了,推广到复杂的真实世界,却遭遇了巨大的困难,一直没有很大进展。根据人脑和电脑原理的区别,我这个外行,斗胆提提想法,人工智能可能有两条出路:
人工神经网络。人工神经网络的发展历史很早,也出现了一些简单的应用,但在接近人脑的功能上,也是几十年没大进展了。相对于人脑的几十亿个神经元,现在的人工神经网络是很小的,简直弱爆了!虽然理论上可以证明,三层神经元网络可以实现任意的计算,但要接近人脑,我觉得,三层是远远不够的,需要更多。而且结构上,人脑也是高度复杂的,不是按照简单的层来区分的。人工神经网络的结构可能也要接近人脑才行,最好是直接在人脑神经网络结构上,进行模拟。但我们现在连鼠脑的神经连接结构都不清楚,更不用说人脑了。现在越来越热的连接组计划,就是要搞清楚这个问题。最近有一个野心勃勃的计划,通过超级计算机来模拟人脑,他们基于的连接模式是很简单的功能柱,全部是仿真出来的,并不是基于真实神经元连接结构。即使是这样,他们也有实力竞争欧洲一个十亿欧元的大项目,可见这个问题是多么重要。但是,即便是现在最NB的超级计算机,计算和并行的能力也比小小的人脑小多了。所以,这个项目投资巨大,但我大胆预测,在十年内效果可能并不显著,不会像鼓吹的那样,产生原创的思考,甚至作诗写小说!主要依据是:(1)缺乏真实人脑的神经元连接结构;(2)计算机的并行能力不足,而且消耗大量计算资源;(3)需要经验的积累,来训练这个网络;(4)”知识“的表示和编码问题没有解决。这种基于图灵机的模拟仿真,即使有接近无限快的计算能力,无限快的网络传输,无限大的存储,无限复杂的程序和算法,得到的智能可能也是一种假象,只是像人的表现罢了,没有真正的自由意志。即便通过了图灵测试,也只能实现弱人工智能,在博文《西尔勒的中文屋子》中有详细的解释。
仿生学。图灵机虽然可以做任意类型的计算,但还是离真实世界有一步不可跨越的界限--可计算性。真实世界的物理过程是不能完全用计算仿真的,某些过程具有不可计算性!比如三体运动。仿生学是我认为最有前景的人工智能方向,因为是通过物理作用来模拟,而不是通过计算来模拟,可以克服不可计算的问题,有希望产生强人工智能的“脑”。通过技术的改进,还有希望能力比人脑强,那就真的到”奇点“了,科技进步的速度到达转折点。我在博文《Creating the Impossible ! -- 创造意识》中有详细的分析,这里就不展开了。这里牵扯很多伦理问题,不是这里讨论的内容。
人脑和电脑
参考资料:
【1】H.Rosen, Kenneth.离散数学及其应用. Translated by 袁崇义. 机械工业出版社, .
【3】罗杰·彭罗斯.皇帝新脑. Translated by 许明贤 and 吴忠超. 湖南科学技术出版社, .
【4】拉塞尔, and 诺文.人工智能——一种现代方法. 北京: 人民邮电出版社, .
【5】雷·库兹韦尔.奇点临近. Translated by 李庆诚, 董振华, and 田源. 机械工业出版社, .
【6】DeFelipe, J. “From the Connectome to the Synaptome: An Epic Love Story.”Science330, no. 6008 (): 1198.
【7】Miller, Greg. “Blue Brain Founder Responds to Critics, Clarifies His Goals.”Science334, no. 6057 (November 11, ): 748 –749.
转载本文请联系原作者获取授权,同时请注明本文来自吴景鹏科学网博客。
链接地址:/blog-467089-608685.html
上一篇:时间的力量--地大逸夫博物馆
下一篇:神经科学杂谈7:”我“的感觉在前岛叶皮质 !
计算机考神经科学 科学网—神经科学杂谈6:电脑和人脑的最大不同--计算和记忆 - 吴景鹏的博文...