我们也想造出一个拥有人类智慧的大脑

 本文约2083字，阅读需要5.2分钟

机器的发明，其核心目的是为了服务人类，帮助人类做自己不擅长的事情。比如具备规律性的事情和重复复杂的运算，拥有智能的机器再适合不过。但目前机器依然是限制在了机械性的运算上，人类正在试图制造一个“类脑”，期盼在神经科学等众多领域不断突破的前提下，能够让“类脑”产生“思维”和“意识”，实现强人工智能。自从韩国棋手李世石（Lee Sedol）被DeepMind的AlphaGo击败以后，人工智能（Artificial Intelligence, AI）就再次被推到了“风口浪尖”，很多人开始惊呼：人类智慧终于还是抵挡不过人工智慧，人类智慧可能要被人工智慧取代了。也有人担心，人工智能是否会影响就业问题。

AlphaGo与李世石

不管人工智能对我们来说是一种高级的工具也好，或者是人类进步的标志也罢，亦或者未来是否能取代人类的大部分工作。我们先冷静下来想一想，就目前的科学发展水平而言，到底能不能做出一个与人类智慧相同的“大脑”呢？说到这里，其实人类发明工具的宗旨是为了生产效率得到最大幅度的提升。从历史上来看，在工业1.0的“机械自动化时代”，到工业化2.0的“电气化时代”，再到电子技术、工业机器人的大规模使用的工业3.0“数字化时代”，到如今的“万物互联”的工业4.0“智能化时代”，人类不喜欢做的工作完全可以由具有自主学习能力的机器人自动完成，此过程中也不需要人类的指导。总之，随着劳动工具的更新与升级，到如今的人工智能的发展，其初衷是为了服务人类，做人类并不擅长的事情，尤其是代替人类的重复性劳动。人工智能最近几年给人们的生活带来了巨大的变化，例如计算机视觉中的图像识别技术、语音工程中的语音合成技术、自然语言处理中的机器翻译和情感分析技术等。

AI与人脸识别

我们熟知的人工神经网络，就是一种机器学习算法，也是实现人工智能的途径之一。而人工神经网络的灵感来源于神经科学，其在设计的时候大体上模仿了大脑信息处理的方式，并希望可以按照大脑的逻辑运行。然而，其实从神经科学的角度，随着神经生物学和计算神经科学的发展，神经科学已经取得了长足的进步，但这对于大脑信息处理机制的探索也只是刚刚起步。因此，即便模拟了神经科学，人工神经网络也与现实中的生物神经网络相差甚远。

刚才我们说到，即便人工神经网络是灵感来源于大脑，但是目前其发展的方向是为了有更好的工程效果，其过程并不是进一步去模拟大脑。因此，生物神经网络与人工神经网络有诸多的不同：例如，大脑和计算机的构造完全不同，组成它们的组成成分也完全不同，人脑的通信依赖于神经元之间的通信。有研究表明，可能忆阻材料的特性会比计算机更接近生物神经元的特性；大脑中的神经元数量大约在1011个，而平均每个神经元与其他104个神经元相连。而人工神经网络会根据工程效果来制定神经网络的层数与个数，并不依据生物神经网络规则；大脑中神经元之间的通信时间是10-3s，而计算机中的人工神经网络两个节点之间的通信时间是10-10s；大脑的功率约为20W，但是大脑在极短的时间里做出复杂的决策，而目前电脑需要消耗巨大的电能才能做出“不那么复杂”的决策。不过有个观点比较好，说人工智能不见得要盲目模仿大脑，因为人工智能的目的就是为了解放人们的双手，实现生产力的提高，其工程意义可能要大于仅仅是模拟生物的大脑。

大脑从自然科学的角度（如神经科学领域）而言，它属于物质，遵循着科学“因果律”，可以用科学实验的方法进行探索，这也是我们人工智能或类脑智能关注的点。自然科学，是“相对真理”，具备局限性，会随着时间的推移不断否定之前得出的结论。虽然我们一直认为自然科学是客观的，当然，精神分析学说很早就已经说过，人的意识由潜意识来决定。人在科学研究的时候，不可避免会受到主观因素的影响，也会受到潜意识的影响，潜意识在一定程度上影响了科学研究的方向。最近也有研究表明，在自然科学的发展过程中，也掺和了部分主观因素进去。因此，自然科学也并非绝对客观。但真正生物意义上的人，既具备客观性也具备主观性。所谓主观性，就是具备类似于人文学科的“目的论”：生物意义上的人会按照自己的目标前进，在遵循自己的目标的时候，也具备了“先验性”，这就带有了主观性，这也是心理学关注的焦点。

事实上，目前我们很难将物质与精神完全统一起来，这也是神经科学与心理学有争议的地方。神经科学认为一切精神和行为的背后都拥有物质的“操控”（人的每个思维与行为都有其对应的脑区，换句话说，每个脑区或者数个脑区分别来控制某些思维或行为）。但心理学认为，神经科学忽略了人的主体性，忽略了人的感受。人认识世界，是在客观世界的基础之上加入了主观认识，所以认识的世界是“主观的客观世界”。目前人工智能只是自然科学的产物，还没有加入人文气息的“主观感受”进去。说到这里，人工智能可能就需要心理学的贡献了。

研究人的大脑，有点儿类似于“不识庐山真面目，只缘身在此山中”的感觉，要跳到比“庐山”更高的山（站在更高维度的视角之上），可能才可以将“庐山”看得清、看得全。

由以上简单的分析可以知道：人工智能由弱走向强，绝非仅仅靠计算机领域的研究就可以实现，而需要从更多的角度，更多的学科一起交叉融合才能更进一步。

（排版：Camellia）

本文原创，详情关注：心智与智能（微信公众号）