思维，意识与智力模型

目录

介绍

背景

回顾

一些生物学考虑因素

持久连接

神经模式

什么是思想？

熵与随机思维

什么是智力？

图像识别

人工智能与机器学习

机器学习和信息检索

什么是意识

自然语言处理

结论

---

新思维机器的神经模式模型

 

介绍

在我写这篇文章时，2017年12月，我在公共场所找不到类似的方法。有许多关于神经元的描述，进入生物细节，或软件神经网络和数学公式。这是两者之间的巨大差距，我正试图填补它。

背景

在进一步研究之前，需要很好地理解真实神经元的工作原理。重要的是要了解当他们接收来自他人的信号时他们如何发射以及他们之间如何建立联系。你可以阅读有关突触，树突，轴突，神经递质和动作电位在下面的文章：article1, article2, video, article4, article5, article6.。

在本讲座结束时，我希望你能更清楚地了解智慧和意识是什么，也许有一天，你们中的一个将为智能机器做出自己的贡献。

回顾

一些一般 统计：

• 神经元的直径为4至100微米
• 人脑中有大约80-90亿个神经元
• 每个神经元连接到4-7000个其他神经元
• 它们形成100到1000万亿个突触
• 动作电位约为30毫伏，持续约1毫秒
• 根据神经元类型，信号以约30-100 m / s的速度传播
• 大脑使用大约25W的电力
• 据信平均大脑每天产生多达50,000个想法

一些视力相关统计：

• 视网膜受体细胞数量：5-6百万个视锥细胞; 120-140万棒
• 视网膜神经节细胞数量：80万至100万
• 视神经纤维数量：1,200,000
• 外侧膝状体中的神经元数量：570,000
• 视觉皮层（区域17）中的细胞数量：538,000,000
• 可见光波长（人体）：400-700nm
• 激发杆所需的光量：1光子
• 激发锥形所需的光量：100个光子
• 大脑可以在大约13毫秒内处理图像

在进入细节之前要记住一件重要的事情，即使神经元有来自他人的信号，它只会在接收到足够的输入以达到动作电位的阈值时“触发”（通过他的轴突发送信号）。

即使两个神经元结合在一起（一个树突靠近另一个轴突），信号只有在它们也变成化学连接时才会传播。这种化学连接可以或多或少地持久化，这取决于信号在该区域中传播的频率。

从功能的角度来看，有3种类型的神经元：感觉，运动和中间神经元。第一种是从我们身体的神经末梢向大脑传递信号。第二个将大脑反馈发送到肌肉，腺体，内脏。第三种类型指的是帮助建立联系的通常大脑神经元。

一些生物学考虑因素

自然界不可能把每个神经元的位置和类型储存在我们的DNA中。人类的大脑天生就是“空洞”，没有太多预先定义的联系，然后通过生活经验来配置自己。我说“没有太多的联系”，因为它们中的一些（如本能）仍然存储在DNA中，并且它们在大脑成形时自动生成。

因此，在出生时，大脑更像是海绵，渴望积累信息，塑造原始神经元之间的联系。这就是为什么婴儿能够快速学习，而成年人可能需要更长时间。你需要重塑已经稳定的网络，加上大脑的物理和化学特征可能与大脑应该用于其他目的不同。换句话说，人类在一开始就更像是一台学习机器，然后他变得更像一台思维机器。

人类充满了传感器，这些传感器将电脉冲发送到大脑或脊柱。

假设我们用手指触摸某些东西，也许是热的东西。手指中的触摸传感器记录压力，局部发生化学反应，电脉冲通过长神经元发送到大脑。大脑通过发射其他神经元来做出决定，并将电脉冲（通过运动神经元）发送回肌肉，肌肉缩回手指。

这基本上是事情的运作方式。不仅手指而且所有感官和肌肉都以这种方式连线。它们将整个身体连接到大脑中的一些神经元，这些神经元依次连接到整个大脑网络。

视网膜基于进入的光的强度和形状，也基于光（颜色）的频率，形成图像。视网膜上的每个点激发其自身神经元的终止，该神经元在头部后部的视觉皮层中发送信号。人类对每只眼睛都有2D视力，眼睛前方的某个图像会激发（触发）某些神经元，类似于监视图像。正如您在上面的统计数据中所看到的，人眼的分辨率非常高，因此视网膜上形成的图像的“像素”将触发大量相应的感觉神经元。

耳朵 - 内部器官振动到某些空气频率，它们将振动的强度和形状传递给内部感觉神经元。一个特定的声音，例如一个词，将首先触发这些神经元，然后其他神经元连接到它们。如果声音重复，这些新触发的神经元将在化学和电学上相互连接，并形成一个记忆——这就是这个词被记住的方式。

言语 - 在大脑中进行一些内部处理（不是针对所有人，但一般而言是），现有的大脑网络与导致颈部肌肉，喉部和肺部的运动神经元相连。根据一些预先学习的模式发送的脉冲会以一定的顺序刺激某些肌肉，并且通过改变肺部的空气形状产生一个词。

并非所有感觉神经元都连接到我们可以访问的大脑部分。大多数人的处理和反馈大多是在无意识中完成的。

持久连接

让我们考虑一下，我们有一个一岁大的婴儿第一次看到一只猫。他的眼睛把猫的形象传给大脑，传给大脑皮层中一组特定的神经元。

当它们同时或在非常短的时间间隔内触发时，化学和电学信号会彼此相互接触，并且新的永久连接就会诞生。

这些新连接在它们之间或直接连接到它们的其他连接之间形成。这基本上是猫的记忆，一种神经元的模式，它们曾经一起触发并相互联系。将来，触发其中的大部分可能会触发所有这些，因为它们是物理连接的。

事实上，事情有点复杂，因为大脑能够有一些模糊的逻辑并能识别不同位置的猫，所以更多的神经元以类似的方式对此做出贡献。它们处于相同的脑区并形成相似的模式。

这里也有一些棘手的问题。只有当神经元按顺序触发并且信号相互传播时，此记忆才是猫。持久性物理连接不代表可检索数据，它不是jpg。你不能只激发模式中的一个神经元，并期望检索所有神经元。你不能用这种方式搜索猫，事情往往是相反的：你从相同的输入（或者可能来自相关的记忆）获得模式，并且当触发完整的cat时，你使用它做一些事情，通常会触发更多的模式。这就是为什么图像识别如此之快，它不是数据库搜索。此外，这就是为什么我们可以通过查看片段来识别对象，我们触发初始模式的足够神经元部分。（直觉也可能属于这一类。）

当未触发猫模式时，涉及的神经元之间的部分物理连接可用于触发其他模式。即使猫被触发，其他模式也来自它，因为没有神经元只是单一模式的一部分。

如果它们不长时间激发，那些神经元可能会破坏化学连接并且可能忘记记忆。现在，让我们看看猫，它是几百万神经元连接的模式，这些神经元在短时间内连接并触发在一起。

一只猫！

神经模式

现在假设我们的孩子正试图触摸猫。让我们看看他脑子里发生了什么。

猫的模式已经形成，而神经元在视觉皮层连续发射。与此同时，他可能会闻到猫的味道，他可能会触摸它，他可能听到它喵喵叫，他可能会听到他母亲说话。所有这些传感器都会触发更多入口点神经元，这些神经元与正在进行的猫模式相连。现在我们对猫的情况充满了记忆：我们的猫不仅是一个图像，它的声音，气味，感觉。

许多感觉神经元产生连续的模式，每个模式在其区域中具有特定的顺序。一些新的大模式诞生了，下次婴儿听到猫叫时，这些已经存在于听觉区域的模式也可能触发猫的视觉模式，因为它们是物理连接的。或者他们可能触发存储猫名称的相关神经元，因为它们曾经一起触发（安德鲁，不要碰猫！）

猫的情况：

如果猫抓伤了孩子，疼痛传感器会直接向一些“危险反应”神经元发出脉冲，释放肾上腺素并激发一些运动肌肉。这些类型的连接可以是预定义的（在DNA中，本能中）或学习的。这种艰难方式形成的模式将把猫与危险联系起来。

下一次，猫的形象可能触发“对危险的反应”神经元并产生恐惧感——与腺体（释放一些激素），皮肤，肌肉等相关的神经元模式。

什么是思想？

现在我们正在定义一个想法是什么。

思想基本上是由连续触发的连接神经元形成的模式。可以将图像作为单个静态模式调用，但是情境，想法，记忆，思想在一系列触发模式中，遵循它们之间的物理连接。在这个定义中，一切都很重要：路径，顺序，可能信号的速度; 它不是3D静态模式，而是时间序列。

这个序列不是孤立的; 它始终是触发它的其他模式的继承的一部分（来自外部感觉神经元或来自其他一些内部模式）。此外，在模式触发时，一些中间神经元生成相邻模式，因为它们也涉及其他物理连接。这定义了逻辑，彼此产生的连接思想。

因此，思想是一种时间模式，在短时间内传播的电信号被认为是相同的链接神经元。它们都是由不同的其他想法或输入一起触发的。

如果我们看一下神经病学今天如何解释deja-vu，我们可能会发现它有点复杂。但是如果我们认为由于某些因素引发类似的附近模式，事情可能会变得容易一些。

你可能仍然想知道这个模型有什么用处。我认为像这样看待人类智能将有助于我们更好地理解大脑中发生的过程。也许它有助于设计下一代智能机器，因为我们仍处于学习机器时代。具有多个输入和输出的机器可以在不同的区域上进行训练，具有记忆并将它们关联起来，所有这些都在同一个网络中。

熵与随机思维

大脑永远不会停止思考。时间模式在不同的区域中一个接一个地形成。为什么他们不总是以相同的顺序始终生成相同的模式？首先，大脑是动态的，它的配置通过创建新的突触连接和破坏旧的连接而不断变化。此外，感觉神经元产生足够的熵，因此一些起始模式的输入永远不会相同。它可能相似但不相同，外部温度的单一等级差异会影响整个大脑。这是因为当来自其他人的输入达到“动作电位” 的阈值水平时，神经元会触发。因此，一些神经元可能触发或不依赖于外部熵，从而影响所有其他神经元。

这就是随机思维的实现方式，今天的机器学习并没有得到很好的处理，因为他们期望相同数据的结果相同。根据情绪，大脑可能产生不同的结果......

即使并非所有可能性都已被分析，这种随机性有助于选择一个好的解决方案。有些人称之为直觉。机器学习算法也利用这种熵（“随机森林”），因为它也是由软件模拟的。

什么是智力？

智力=产生有生产力的思想的连续，这些思想服务于某些预定义的目的（模式）——生存、繁殖、进化。这些预定义模式是如何形成的？通过反复试验，发生了突变，没有突变的人消失了。在他们形成之后，他们以某种方式找到了进入DNA的方式，而后代继承了它们，然后以同样的方式增强它们。

随着更多生成的连接和更多活动，大脑匹配某些预定义模式的机会增加。我们可以说大脑变得更聪明了。

显微镜上的真实神经元

图像识别

正如我所说，一旦在某些视觉神经元之间建立连接（或者可能在某些附近区域）并形成一个模式，大脑就能够回忆起那个图像。你看到你认识的人，眼睛再次触发相同的神经元，就像第一次一样，遵循现在存在的相同硬件模式。它们与你对那个人的一些其他记忆有关，因为当时形成的模式越来越多，或者在类似的背景下形成。所以基本上，记忆再次触发相同的模式，这给出了相同的感受，反应或想法。它们与该人，姓名，地点等进一步联系所有相关模式。

但是我们怎么想象有人在记忆中呢？当我们考虑某人时，如果没有背景，我们就永远不会向人脸上思考。基本上，我们记得在特定情况或位置的某个人，我们没有单独的脸部图像，因为它从未像这样形成。我们的想法始于与该人相关的其他模式，如名称，位置或其他相关记忆。然后，大脑试图重建最初形成的大模式并与视觉区域中的原始图像模式相关联。当完整的记忆重新触发时，视觉模式激活，我们再次“看到”记忆中的人脸，没有外部刺激，都是从一些相关的思想开始。此外，模式的副本可能形成在一个封闭区域，当我们做梦时，这可以在没有外部输入的情况下触发我们大脑中的图像。

人工智能与机器学习

我们正朝着正确的方向缓慢前进。仍然关注错误的领域，悲观，缺乏理解，缺乏信息，无知等等。我们处于这个新领域的早期阶段，它会让一些人感到害怕或让别人做梦。其他一些人几乎虔诚地对待它。但是进步是无法阻止的，如果我们能够做一个物种，无论好坏，我们都会这样做，无论它是用于进化还是用于战争。

目前，我们尝试在2D数字（二进制​​）系统上模拟3D时间实体。这是缓慢而低效的，因为大脑用灯泡的能量做得更多。如果我们设法制造一些真正智能的东西，它可能具有体育场那么大——仍然有可能，但是我们可能做得更好。当前的设计很好地创建了新的机器学习算法，以了解我们可以用AI做什么或者限制和危险是什么。仍然不实用。我们的软件神经元需要发展为更好的专用硬件。

我们今天使用的机器学习算法只考虑输入和输出。他们不知道也不关心在训练数据时形成的内部模式，但他们使用输出。而内部就是魔术，这些模式代表了对系统的理解。我们不足以使用它们来生成其他目的，并为不同目的重用相同的网络（即强化学习）。

此外，机器学习处理数字和功能，而大脑处理灵活的空间连接。在这方面，大脑要快得多，但未来的硬件可以解决这个问题。

大脑存储的情况类似于触发的链接神经元的时间序列，而软件神经网络存储固定模式并试图在以后重用它。这就像我们在某些数据上构建一个黑盒子，然后我们在其他地方使用它并期待结果，这就是全部。

许多模仿人类大脑并推动事物发展的方法已经存在。

• 有些尝试“添加更多硬件”方法，应用于当前设计——更快的处理器和更多GPU上的核心，以加快学习速度。没有必要复制完全相同的设计以获得相同的结果，实际上轮子和腿部用于相同的目的。这种方法适用于当今最常见的Von Newmann硬件，允许我们大多数人使用机器学习。但可能，这不是未来。

为了适应新的计算，需要新的硬件。第一个想法是将算法实现转移到芯片上，但整个系统的重新设计可能会表现得更好。

• 我们需要模拟突触，动态生成3D连接，以创建电子模式。我们需要某种新的模拟大脑——在这方面，  神经计算可能表现最佳。

这是一种熵环境，其中连接模式可以基于先前的模式形成并生成其他模式。
为了适应现有的概念和目的，除了像在我们教孩子一样训练它们，别无他法。甚至连大自然也不能对这些进行微观管理，它让它们掌握在学习手中。与自然界最大的不同在于，一旦受过训练，国家就能够得到拯救、恢复、改善。

• AI和量子计算同时出现太巧合了。在不久的将来，我们可能会看到基于量子计算的AI系统的设计，现在甚至还没有考虑或想象。这些系统实现的速度可以以全新的方式模拟模式。人类处于这个充满希望的新时代的早期阶段，一些人已经看到了将量子计算用于人工智能的方法。

一旦我们设法创建硬件和算法以生成类似于大脑的模式，事情就会快速发展。这些新智能机器在速度和准确性方面都将具有令人难以置信的性能。AGI将有一条直线路径，我们可能在20 - 30年内拥有它。也许今天我们只是在错误的硬件上处理过时的神经元。

有了这个新的基础，我们只需要添加我们已有的子系统，图像识别，语言识别等。我会尝试一个疯狂的猜测：创建这些新算法加上硬件可能需要5到10年，然后另外10-15创造高度智能的机器人 - 能够洗碗。

当与这些机器通信的语言达到人类标准，并且当他们能够表达他们正在做的事情时，奇点可能会被认为已经解决了。但直到他们，简单的智能机器人将进入我们的家园，并将使我们的生活更轻松。

有一件事是肯定的，精灵已经不在瓶子里，很多人已经看到了这一点，现在他们正在研究它。

机器学习和信息检索

实际上，这就是我写这篇文章的方式，我想知道机器学习是否可以用于更好的搜索引擎。我的结论是，在近期内不会，至少不会以我看到的方式。这是因为今天的ML不是用于存储的，如果提供文档（例如，使用ML用于普通搜索引擎提供的顶级文档），它仍然可以是非常好的相关引擎。

检查集合中的所有文档太慢并且在索引搜索下执行。为了从大脑的速度中受益并建立一个完整的搜索引擎机器学习，我们必须将所有文档存储在其中，就像大脑存储图像一样。这将是相当大的，比当前索引大得多，我认为我们今天没有接近这一点——算法和硬件。

正如我所说，大脑不是为记忆而建造的。一个人几乎无法记住一本书的两页。使大脑在生成的时间模式中保持信息的同时也产生思想。这就是为什么软件“神经元”应该存储更少的数据并建立更多连接的原因。一旦我们将世界概念融入到这样的机器中，作为模式，我们就可以看到这些系统如何使用熵并处理它们。

什么是意识

既然我们知道大脑中是如何思考的，以及它们如何进化和产生其他思想，我们就可以得出这种愤世嫉俗的结论：

意识不存在。

我们所说的意识只是一套关于我们自己的想法。它们就像关于猫的那些：触发的连接神经元的模式。它们更多一点，因为我们每天记录了很多关于我们的模式，并且我们从我们的身体（感觉）中获得了许多与记忆相关的输入。此外，我们还有一些关于生存和自动保护的预定义模式。所有这些与我们自己相关的想法与那些关于猫的想法并没有实际不同，它们只是......更多。我们拥有更多关于我们自己的模式，而不是其他任何东西。

因此，如果我们创造一个知道他的名字的机器人，有目的，知道他做了什么并试图保护自己，我们可以说他是有意识的。没有必要更多，没有任何神圣之处。对于那个很抱歉...

对于那些坚持50年陈词滥调的人来说，是的，机器人可以被编程为坠入爱河或拥有感情。一旦我们设法处理学习机器内部的模式，我们就可以创建它们并将它们连接到一些物理反应中。并在某些情况下使它们触发。一只蚂蚁在离开我们时有意识。预先记录的模式识别出危险。携带食物只是预先确定的本能或者是学习行为; 两者都存储在神经系统中。

自然语言处理

自然语言处理是故事中最难的部分，人工智能的圣杯。它是定义奇点的元素。它与今天机器学习完成的“单词匹配”无关，它基本上搜索数据库中的类似短语或单词组。

语言处理是指与智能机器的双向通信形式，其中机器通过检查内部模式来表达其当前状态。它是机器将传达的概念与现有模式相匹配并提供相关模式作为反馈的能力。它是将这些概念与后果，自身想象力，历史和半预测未来同步的能力。它还有更多......

这是最难实现的部分，应该放在最后，因为它需要所有其他子系统。这种形式的交流也出现在人类历史上的最后一次，大约在一万年前，在大脑足够大以至于其他类型的处理之后很久。海豚非常聪明但不会沟通太多。我们需要从语言的原始形式开始并及时改进它，但如果不先解析智能就无法完成。我们甚至可能需要询问我们如何处理哲学家机器人，以防我们已经设法拥有发明事物的机器......

聊天机器人，就像今天这样，很难改进。30年后没有太大进展，即使我们在数十亿预先录制的对话中使用机器学习，它们也不会产生自然智能。  

即使我们设法在语言层面上孤立和处理概念并添加某种对话历史，也很难或不可能仅根据文本来预测眼前的未来或后果。这是你与智能实体交谈的感觉的一个重要部分，他们可能永远不会通过旅行测试。

助理：

因此，理性答案的错觉无法取代真实的思维。这并不意味着他们不会出售，或者人们不会将它们用于简单的任务，简单的问答对话或助手。它们只是有趣的小工具（除非公司选择用聊天机器人以最低工资支付的呼叫中心替换女孩，在这种情况下，它们是烦人的小工具）。

结论

这里涉及多门学科，神经学、数学、计算、生物学等等，也许我并不是在所有情况下都非常准确。但总体情况可能是正确的。也许需要一门新学科，将神经学与机器学习联系起来。

大脑的逆向工程正在进行中，还有很多东西要发现。但是今天我们正处在这样一个时刻：我们知道足够的开始并且我们有足够的计算能力。新的AI算法刚刚证明了这是可能的; 我们只需要找到改善它们的方法。可能需要多年的试验和错误，调整和创新，但智能机器正在前进的路上。他们将为我们所有人带来更好的生活。

我们可能打算创造它们，作为一种新的生命形式，它在某种程度上可以拯救我们正在死亡的地球，无论是污染严重，过热还是照射......

与现实相比，人类用来预测未来的时间太短，能力也太弱。他们想象着2000年之前传送和星际旅行的方式。但他们无法想象10年前自驾车，所有科幻电影仍然有司机和飞行员。同样所有的外星人都是血肉之躯，当我们的机器人很明显会首先相遇的时候。在这方面，即使奇点将比预期晚10年发生，其影响将远远高于今天所有人的想法。希望是积极的。

                                                                                                  “成功创造有效的人工智能可能是我们文明史上最大的事件。”

                                                                                                                                                                               斯蒂芬霍金

PS:有专业术语翻译不当，欢迎指正

原文地址：https://www.codeproject.com/Articles/1221003/Thinking-Consciousness-and-a-Model-of-Intelligence