第39节 (第2/6页)

就，而表演别人是人类最狡诈的智能行为。这些短板还不算严重。真正严重的是：概率学ai看来永远达不到我的目标——通用人工智能。（注：杨立昆，即yann le，美国人工智能学家，深度学习的创始人之一，被誉为“卷积网络之父”。）

    “于是我反复思考那个唯一的通用智能，越想越气愤。它凭什么那么简单却那么厉害啊？”

    国务卿不举手直接站起来：“简单？你不是刚说它极其复杂、无法制造吗？”

    “它长得极其复杂，运作的原理却非常简单。跟概率学ai正好相反。我们用概率学ai解决一个问题，构造框架简单明了，但具体实现要做非常复杂的设计、计算和测试。其中有些部分纯粹靠反复碰运气，碰到正确答案为止。为什么正确我们都不知道。而且无法移植，能解决人脸识别的ai设计遇到翻译问题马上废掉，几乎是从头做起。也就是说，我们没有一个关于智能的整体解决方案，都是具体问题各自为战。大脑是一个明摆着的整体解决方案。大脑神经元不懂任何算术，更别说概率学，执行的操作就那么两下。组成一个庞大的网络却能解决一切问题。”

    “哦？我听过的科学家，都说大脑的运作原理无比复杂。你却说简单？那么简单的话，能分享一下吗？”

    “刚才我讲人怎么下棋的时候，已经说过了：记录，模式抽象，分类，层层创造新概念，把记下的模式用来预测。完了。”

    国务卿一时摸不着头脑。图海川挥手让他坐下。戈德曼坐在旁边不动如山，根本当他不存在。

    “同行们注意！下面是你们不知道的，或者不愿意承认的。连接主义者很不幸。他们的直觉其实是对的，但生活在上个世纪，生物学和认知神经学都太落后，根本不懂大脑。我们先来看看大脑到底怎么工作。

    “我们的计算机程序，数据结构非常复杂，大学时数据结构基础就要学一年。谷歌推出的ai数据标准，光是‘张量’一个结构就能把有些专业人士打晕。而大脑呢？它只传输一种信号：神经电位冲动。它只存储一种数据：组合序列。

    “我们的感官接受很多种信号：视觉接受电磁波，听觉接受声波，还有压力、惯性方向、热量转移速率、无数种化学分子，气溶和水溶分子接收体系还不一样……大脑可不像计算机，为每种信号规定一种格式。大脑在神经系统的边界层就把它们全都转换成神经元冲动，在内部全都存储为组合序列。所谓冲动，就是一个神经元以电位形式兴奋起来，并把兴奋传给连着它的另一个神经元。每个冲动本身都是一模一样的，区别只在于从谁传给谁。所谓组合，就是哪些神经元一起兴奋。所谓序列，就是不同组合兴奋的先后顺序。这就是大脑唯一的数据形式，大脑用它解决所有问题。它完全依托于神经元之间的网络存在，没有连接就没有数据。所有写过程序的人，请你们仔细品品这种数据结构。多简洁，多优美！

    “我们每时每刻都在接受海量的感官信息。视网膜感光细胞就有几百万个，看电影时每秒激励10次左右，已经赶不上电影每秒几十帧的刷新率。虽然大脑有上千亿个神经元，也不可能存下这么多组合序列。这跟下围棋不可能计算穷尽是一个道理。于是大脑使出第二招：模式抽象。

    “假设你在看书。印刷文字反射的光线投在你的视网膜上，感光细胞开始一群群激励，向大脑中连着的神经元发送冲动。有些冲动的组合序列代表受激励的感光细胞直线排列，大脑把它抽象为“直线”，在上一层用一个或者几个细胞的组合代表。同样的方法也产生“弧线”这样的抽象。几个‘直线’和‘弧线’的特定序列组合，在更上一层抽象为字母h。几个不同字母的组合序列，在更上一层抽象为单词horse。记录horse的组合序列，会跟另外一些早已存在的序列连接起来——比如你听见这个单词的读音产生的序列，那是耳朵接收音频转换生成的序列。

    “所谓连接，就是共同激励，你一兴奋我就兴奋。英国和美国口音horse的念法不同，男人和女人的声音频率也差得远。但是没有关系，它们跟视觉产生的单词序列都连在一起，还跟你曾经看见一匹马的视觉图像序列连在一起。除了英文你还会说中文。那么，ma的发音跟horse天差地远，在你大脑中两个代表不同音频的序列仍然连在一起。这几个序列彼此全部连通，那么就会再次向上层细胞抽象。在这一层，‘马’已经甩掉了黑毛还是白毛、听觉还是视觉、文字还是图像、中文还是英文这些不必要信息，成为一个真正的概念，用一个特定神经元组合记下来。我们可以叫它马细胞。那么以后你不管通过哪种感官接收到关于‘马’的信息，甚至闭上眼自己想一下，马细胞都会兴奋起来。”

    “它还会跟大脑中许