量子計算機能夠模擬人腦嗎？

11-21

第一名周瑤的回答錯得離譜。

就電子計算機和量子計算機的聯繫和區別都搞不清。

原因在於
1. 沒有學過可計算理論，這是一門研究電子計算機計算能力的理論。

2. 沒有學過量子力學，這是量子計算機的基礎。

建議周搞清楚np npc等問題再來回答。

量子計算機的粗略解釋直接維基( http://en.m.wikipedia.org/wiki/Quantum_computer) 。比周的回答準確的多。

下面是引用
Although quantum computers may be faster than classical computers, those described above can"t solve any problems that classical computers can"t solve, given enough time and memory (however, those amounts might be practically infeasible). A Turing machine can simulate these quantum computers, so such a quantum computer could never solve anundecidable problem like the halting problem.

兩者的計算能力示意圖

另外推薦goliash li的回答。科班解釋。

首先大腦的機制和量子計算機不同： Is the Brain a Quantum Computer?
其次模擬大腦這個問題由於先在腦科學本身還沒搞定，我們不知道要模擬什麼，也就無從計算其時間複雜度。要知道有些問題是量子計算機也不能計算的。

這個問題簡直太簡單了。
量子計算機也是計算機，所做的工作是計算。
計算能力的極限是通用圖靈機。
所以答案就是，通用圖靈機可以模擬人腦，量子計算機就可以；通用圖靈機不能，量子計算機就不能。
那麼通用圖靈機在哪裡呢？你現在用的電腦差不多就是了，了不起就是加幾塊硬碟或者幾條內存。

周瑤的答案很棒啊，介紹了經典計算機，也介紹了量子計算機。但缺點卻是對人腦的解釋也不夠。而除了認知科學家們，還有一群人對意識的研究也值得關注，那就是心靈哲學家。

關於圖靈機我就不介紹了，我本人對量子計算機不太了解，目前還沒有通用的量子計算機出現吧，感覺這塊也有點遙遠。我對量子計算機的理解，就是量子計算機是一台很棒的計算機，它本質還是計算機。

如果這個理解沒有錯，那問題就能夠回到，計算機能否模擬人腦？

塞爾有個非常著名的中文屋思想實驗，這個實驗，周的答案中已經有了闡述。但對這個實驗的批評，也不少。塞爾引入了一個被認為是有意識的人扮演一個機器的角色，操作中文手冊，拿出中文卡片。然後依賴人的直覺去判斷這個人懂不懂中文。但要知道，人的直覺可是不靠譜的。你怎麼知道你懂中文的方式就不是通過這樣的方式複雜化以後的樣子呢？你小時候不懂中文，你慢慢學會了中文，你怎麼知道你學會中文的過程不是把這本中文手冊慢慢裝進腦袋裡的過程呢？

僅僅靠一個思想實驗來否認計算機能模擬人腦，是不夠的。

周的答案還有一點很贊，那就是對模擬這個概念提出了疑問，但他沒有深入分析這個概念。

模擬是什麼呢？模擬就是模仿、擬似。就是用非A的B來模仿A。計算機不是人腦，但計算機能模仿人腦嗎？

當然能，計算機已經在模仿人腦了。計算機能下棋，而且比人還厲害，能回答競猜問題，能做醫學診斷，甚至能從成千上萬個Youtube視頻中挑出有貓的那些。

但這個問題的關鍵不在於計算機能否部分模擬人腦，而在於計算機能否完全模擬人腦。計算機早就可以部分模擬人腦了。

這就要提到認知科學了，隨著腦科學的發展，我們對大腦的認識也越來越深入，在很多地方，也做出一些初步的成果，比如我們能發現視覺皮層和視野的對應關係，能找到初級運動皮層和感覺皮層，等等。找到大腦不同皮層對應的功能，其實還不是最令人驚訝的。令人驚訝的是，我們能通過理解這些功能的微觀結構基礎，來複制這些功能。一些簡單的感覺功能，都很容易做到，比如聽覺和視覺等等。

顯然，我們對人腦的認識是隨著科學的發展而加深的，如果你問我在今天（2014.12.04），我們能否完全模擬人腦，那我一定要回答不能，因為我們對人腦還沒研究透。

但這個問題顯然不是局限在今天，請給學者們一些時間。

回到正題，周的答案中提到了他認為程序不能模擬意識的一個原因，那就是程序是run在硬體上的一個精確的規則，而意識不僅僅是規則，也是硬體（或者叫濕件）。但要知道，原文問的是計算機能否模擬人腦，而不是程序能否模擬人腦。計算機除了處理信息的CPU之外，還有存儲信息的部分，還有信息的輸入和輸出部分。

程序是預先給定好，就不能改變的嗎？非也，我們有各種厲害的演算法，比如進化演算法，在機器學習中我們還有深度學習。程序也並非是那麼確定無疑的，我們可以引入概率來近似人類的思想，如果你需要隨機，那也沒問題。這些都能模擬人類的學習過程，使計算機能完成人類能完成的任務。

但可惜的是，每當計算機完成一項任務，我們就說這項任務是不需要智能的。當計算機會下棋，我們說下棋不是智能的關鍵。當計算機會理解自然語言問題，我們說理解自然語言問題不是智能的關鍵。當計算機能識別貓，我們說識別貓不是智能的關鍵，哪怕我們自己其實是花了幾年的時間，才從什麼都不懂的嬰兒變成了能識別貓的小孩，但當計算機也能完成這項任務時，我們便不在為這個成就而感到自豪。

意識究竟是什麼？這真的是一個Hard問題，也許當我們能以一個相當高的精確度給超弦理論提供支持時，我們也還不能完全解答意識究竟是什麼。

但我們知道，意識肯定是和人腦相關的，人是眾多哺乳動物中的一種，而大自然花了幾十億年，終於設計出了人類這樣的有意識的生物（這裡是比喻，別較真）。

如果意識是某種乳白色半透明能穿牆的鬼魂，那顯然計算機是不能模擬意識的。但我們都不這麼認為，我們認為意識是一個自然現象，它的基礎就是複雜的神經網路。隨著計算神經科學的發展，意識被模擬出來，也是時間問題而已。

當一個台計算機通過圖靈測試的時候，我們應該說它具備了意識嗎？

當你的朋友出現在你面前，和你正常聊天的時候，你顯然是認為它有意識的。當一個陌生人，走到你面前，和你正常的聊天，你也會認為他有意識。但你的朋友腦袋裡面也許是一團濕乎乎的東西。而那個陌生人腦袋裡面也許是一團硬硬的東西。對於我們來說，一個東西是否有意識，和它是通過什麼途徑來讓我們以為它是有意識的，其實並不重要。當我們無法區分A和B那個有意識，那個沒有意識時，我們就應該公平地對待他們。要麼你天天朝夕相處的朋友和那個機器人都沒有意識，要麼他們都有意識。

現在問題來了，真的有能通過圖靈測試的機器嗎？

我在前文中已經提到了，如果意識不是鬼魂，不是某個全知全能的傢伙賦予某些東西的超自然能力。如果意識有它的物理基礎，那我們就能研究透這個物理基礎（除非有測不準原理這類物理規律阻礙了我們）。只要我們能用計算機語言來描述愛情，我們就能讓機器人也擁有愛情。

前幾天參加了星雲獎的活動，我最後也給一些偏科幻的展望吧，但科幻和奇幻是不同的。因為奇幻是把不可能出現的東西想像為可能。而科幻是把可能出現的東西想像為存在。

如果有一天，我們的認知科學的發展能達到今天物理學這樣的程度。我們能用一套優秀的演算法，藉助量子計算機等優秀的硬體，那我們一定能模擬出人類的意識這樣的現象。但當那一天到來，我們恐怕就已經不需要模擬人類的意識了。人工智慧的野心不會僅僅是用人工的方式實現人類現有的智能。而是用人工的方式製造出難以想像的超級智能。目前看來，我找不到任何否認人工智慧的方式。在我這個樂觀主義者看來，不出幾十年，我們就能走完大自然幾十億年的路。

補充一些內容：
人腦需要真隨機才能有意識嗎？不一定，至少目前還沒有神經科學的證據說明這一點。
雖然傳統的非量子計算機做不到真隨機，但這不代表它們就不能模擬意識，因為意識不一定需要真隨機。周還說，經典計算機作為有限狀態機，不能模擬人腦，因為人腦有無限可能。但人腦有無限可能的證據在哪裡？人腦的確有非常多神經元，這些神經元之間能建立起複雜的神經網路，而且這樣的神經網路在人的畢生發展中還可以改變。我們的確能排列組合出非常多種可能，但這些可能能說成是無限嗎？僅僅是非常多罷了，而經典計算機也能有非常多種可能狀態。

「意識」真的太神秘了，為什麼同樣由原子構成的石頭和同樣由原子構成的人，一個有意識，一個沒有意識呢？我目前最為看好丹尼爾·丹內特的想法，語言給了人類意識。

=====================================================
感謝 @cheng petet 和 @周瑤的推薦。
Mar. 26 2015
趁著剛剛複習完incompleteness來更新一下

關於「模擬」一詞的定義，個人認為是指等價關係。也就是說人腦能做的事情量子計算機也能做到。人腦無法完成的事情，量子計算機無所謂能否做到。如果模擬單指量子計算機逼近人腦所做的事情，似乎意義不大。任何機器都可以在某種程度上完成這項任務。所以，基於這樣的理解，題目就等價於「量子計算機是否可以實現真正的AI」，也就是說量子計算機是否可以等價或超越人腦。
關於兩者的等價性的討論，在後面有陳述。
關於形式語言是自然語言的真子集， @費阿牛。雖然個人認為這是想當然正確的，但既然有人提出那就待我探清虛實之後再做更新。喬姆斯基應該做過陳述，當然這個陳述也很有可能是無法證明的。因為本身自然語言是無法良定義的。

如果你認同
1. 形式語言定義為有限字母表+有限語法集合
2. 自然語言隨著時間的推移會產生新的合法語句。（例如20年前人不知道google，10年前不知道tweet）
那麼可以有如下不規範證明，不用去勞煩喬爺爺了，老婆一直很不喜歡他。
假設任何的自然語言都可以被形式化，那麼隨著時間的推移，總會有的合法語句加入自然語言。新加入的語句不會由現有語法生成，（如果可以被生成就是已經合法語句，而不需要再加入了），並且這樣的語句數量無限（阿列夫0）。既然新語句於現有語法獨立（類似於一條真的陳述於現有公理系統相互獨立），而且若要被包含於形式語言，那隻能將其加入字母表或者語法集（這一過程類似於第一不完備定理）。但這和上述形式語言的定義矛盾。於是得證自然語言無法被形式化。

關於停機問題不可解，是指無法構建一個通用機，用於判定任意圖靈機是否可以停機。人類雖然不一定能判定任意圖靈機是否可以停機，但人類可以做出此問題不可解的證明。如果有人說這個證明可以用形式語言表達，所以可以構建一個圖靈機來證明停機問題不可解。這麼做當然是可以，但構建的這個圖靈機不是一個通用機，或者說是一個可以對任意良定義問題做出判定的通用機。再或者說,假如某為解決的問題，比如哥德巴赫猜想，沒人知道是否真假，也沒人知道是否可以證明，那麼能否構建一台機器，判定猜想是否可以證明？人腦或許在某一天可以得到答案，但在此之前無法構建這樣的機器。因為數論是不可被公理化的系統。詳見哥德爾不完備定理。
其實不完備定理和停機問題不可解是一樣的，證明也非常相似。所以可以從這個角度理解，可以定義自然數的形式系統無法被歸約，同理任意的形式語言也是無法被歸約的，自然語言因此也無法被歸約（形式語言是否是自然語言的真子集由前文所述，待確認。但「不弱於」，可以得到一致的認同吧）。而圖靈機自身可以歸約成有限的規則集合，因此可以理解圖靈機的局限性。歸約性可以參考《an introduction to kolmogorov complexity》和《a new kind of science》。
最後說點整體論和簡化論的觀點，個人是整體論，也就是說認為很多事情都是無法被歸約的。雖然也很希望能夠有一條解釋萬物的方程，這個方程可以是物理中的一個有限定律集合，可以是數學中的一個有限定理集合，可以是計算機中的一個通用演算法。但可惜數學和計算機都無法實現這個願望，數學參見哥德爾是如何破滅希爾伯特計劃。當然，或許是我想錯了，下面有朋友評論說這是信仰不同。嗯，求同存異歡迎各種討論。下面的評論我會盡量回復。
還有之前看到有人說量子退火可以成為通用機，有待確認。

=============================================================================

關於量子計算的一切可以參照《an introduction to quantum computing》寫的很詳細，語言很平實。中文相關的書沒見過一本，當年把整個深圳圖書館翻遍了都沒看到有一本能看的書，甚至連基本的bra-ket notation都不給出清晰的定義。

在邱奇-圖靈假說成立的情況下，任何計算能力不超越圖靈機的計算模型都無法實現一個真正的AI。證明思想很簡單，如果邱奇圖靈假說成立，那麼任何的可計算方程都和圖靈機等價。而人腦不可計算，所以不屬於可計算方程，所以用圖靈機無法模擬。而量子圖靈機（簡稱量子機）和經典圖靈機（簡稱經典機）計算性等價，所以量子機無法模擬大腦。

這個假說很合理，因為任意的計算過程，都是遵循了一個有限的步驟集合，而這個步驟集合可以作為transition table（後面有定義）。甚至是，人類理性思維的極限。題外話……

如果有人說更強的計算模型？有很多，參照hyper computation，例如zeno machine，芝諾機。但都實現不了。

哦這裡說的模擬是指，造出一台機器和人腦一樣，對於給定任何相同的輸入，會有相同的結果。或者說絕大多數相同輸入有相同結果。而並不只是，建立一個類似神經網路的東西，也不是對於所有人能做的所有事情統計，得出一個字典，對於任意輸入查字典給出輸出。如果是神經網路，那麼是沒有transition table，機器毫無意義。如果是字典，（按我理解大數據就這麼做的，理解錯了別拍）參見GEB作者侯世達在受採訪時的批判。

1. 先說圖靈機模型。從物理的角度講沒有基礎的人應該容易理解。模型很簡單，一條無限長的紙帶，分成了無限多個小格。每個小格可以存儲0或者1兩種字元。{0,1}也就是此編碼的字母表。（其實不是0 1也無所謂，只要是字母表是有限，那麼統統都是多項式等價）。機器還有一個可以左右移動的讀寫頭，每次可以讀出讀寫頭所在位置的字元，也可以改寫。讀寫頭有一個有限長度的寄存器（只讀不可改寫），裡面存儲了有限個數的移動、讀取和改寫的規則。例如「如果當前小格內存儲了0，向左移動一格。」這個有限個數的規則，稱之為transition table。其中有一個特殊的規則，是開機，一個特殊的規則是關機。開機很簡單，不解釋。關機例如「如果當前小格存儲1，那麼輸出「接受」並且停機。」，當然也可能是輸出「不接受」。
對於給定一個圖靈機上的計算，是給定一個輸入的編好碼的字元串，經過一系列的運行，最後得到接受或者不接受這兩種情況。所以，任何定義好的圖靈機，都會接受一些字元串，這些字元串的集合叫做一個語言。
通用圖靈機是一種特殊的圖靈機，他的輸入是另一個圖靈機的編碼和這個圖靈機一個輸入的編碼，通用機得到這兩個編碼後，可以自己模擬這個圖靈機得到這個輸入的計算，並且輸出相同的輸出。
如果無法理解通用機，就想想實際的例子。任何一台現在的電腦還有智能手機，都是一台通用機的實現。用手機座例子應該更好理解，從前的功能機就是非通用機，他的功能在出廠的時候就已經確定好了，但現在的智能機，可以通過軟體模擬任何功能機的功能。
通用機似乎很強大，但因為太強大了所以對於某些給定輸入無法停機。理解很簡單，比如說有一個很粗心的程序員，他經常會在他寫的程序裡面產生死循環。老闆很惱火就想找人寫個程序來檢測程序裡面是否有死循環。但其實這樣的程序是無法完成的。詳見「停機問題」。
剛剛說了語言的定義，現在給出嚴格的定義
字母表：一個有限字符集合記為 $Gamma$
字元串（長度為n）：一個序列 $s=s_1,s_2,...,s_n$ ，任何 $s_iin Gamma$
語言：一個字元串的集合，記為L
那麼一個機器接受一個語言L是指，對於任意輸入 $sin L$ ，機器輸出接受；對於任意輸入 $sin Gamma^* ackslash L$ 機器輸出不接受。 $Gamma^* ackslash L$ 是由字母表組成的任意長度的所有可能的字元串集合去除L裡面字元串的集合。
如果一個機器識別一個語言L是指，對於任意輸入 $sin L$ ，機器輸出接受；對於任意輸入 $sin Gamma^* ackslash L$ 機器輸出不接受或者不停機。

越寫越長沒什麼耐心了，沒人看我就簡單的寫點好了。

圖靈機接受的語言是recursive 識別的語言是 recursively enumerable （RE）. 都是形式語言，而人類，如果看成是一種機器，接受的語言是自然語言。形式語言是自然語言的子集。也可以看出機器無法模擬人腦。
圖靈機有一個最重要的特性，就是對於任何給定輸入，如果能停機，那麼停機前必定經過了有限個步驟。
還有寄存器裡面的transition table，其實這玩意就是整個圖靈機的核心，可以理解為演算法，可計算方程，代碼實現了之後就是程序。
還有，計算能力的定義，是指能夠接受或者識別字元串個數的多少。所以圖靈機的計算能力就是RE語言。人腦機的計算能力是自然語言。
以及……任何的實現（也就是我們用的計算機了）都因為有限存儲而被限定了計算能力。所以圖靈機的計算能力，比任何一台現有的計算機，今後出現的計算機都強大。甚至超越了人類歷史上出現過的、現有的和將來會造出來的所有計算機計算能力之和。

2. （為啥感覺想說的還有好多……）如果理解了經典機，那麼量子機非常容易理解。經典機的一個格子存儲0或者1（如果是二進位編碼）。那麼量子機的一個格子，存儲的就是…… 看下面吧

Dwave不能算是量子計算機吧，現在單個量子比特的精確控制都無法實現。還有量子計算機的計算能力是沒辦法超越通用圖靈機的，所以如果在經典機上無法實現的計算量子機也無法完成。量子機唯一能做的就是比經典機更快單不是更多，而且現有量子演算法相對於經典機的加速也很有限，最多只是多項式加速，所以在經典機上的NPcomplete問題在量子機上依然是NPcomplete。上面說的量子比特的表達也不對吧，一個量子比特不僅能表示0和1 也不僅能表示00 01 10 11這4種狀態，更重要的是能表示一個以0和1兩個向量為基的希爾伯特空間上任意一條長度為1的向量。而這樣的向量是有無限多條，並且是阿列夫1。所以可以將莎士比亞的所有著作寫入一個單獨的量子比特。只是經過測量後，一個量子比特只會坍塌到0或者1上。其實如果要討論量子圖靈機模型，那麼勢必要討論概率圖靈機。經典圖靈機的一個比特是表示0或者1，而一個概率圖靈機表示的是0到1之間的一個實數，代表著取0的概率（取1的概率就是1減去他），所以概率機中的一個比特的狀態也是有阿列夫1個。但這樣的狀態是歐幾里得空間的向量或者說是Norm1，也就是0和1的概率和為1。而量子比特是希爾伯特空間向量，也就是Norm2 也就是0和1的概率平方和為1。其實量子機是一個確定的系統，雖然在觀測一個量子，會使量子以概率坍塌到本徵態上，但整個系統的量子狀態，在任意時間都可以計算出來，寫成一個張量積的形式。 $|phi angle =igotimes^n_{i=1}|alpha_i angle$
$|phi angle$ 是整個量子系統的狀態， $|alpha_i angle$ 是每個單獨的量子比特的狀態。

當然量子機也有停機問題，識別的語言也是RE，所以計算能力和經典機等價。
對於那些對量子機抱很大希望的人，很抱歉，不可能的事情一開始就是不可能的，不用再想了。
而且現在的量子機情況很尷尬，一些演算法有了，但沒有機器可以實現。一個單一的量子比特的控制都無法有效的實現。具體情況參見12年諾獎，2種方法，一個是用黑盒束縛光子，一個光子存儲一個量子比特的信息。另一個是用磁場束縛電子，一個電子存儲一個量子比特的信息。

===============更新================
現在已經有方法可以有效控制單獨的的量子比特了，也就是說12年物理諾獎的內容已經很好的實現了。但離真正的量子計算機還差很遠
===============完畢================

既然量子機無法做的更多，那麼為什麼還有人樂此不彼的在折騰？因為他可以做的更快。摩爾定律什麼的就不說了，納米材料什麼的在什麼情況下會顯現量子效應我也不說了，真的好麻煩啊
以上是 可計算性，用來衡量機器能做事情的多少

3.下面是複雜性，用來衡量速度。
速度呢，如果直接看圖靈機，那麼速度可以用圖靈機為算出結果所經過步驟的個數來衡量。長度短的輸入，當然計算時間短，長的輸入計算時間長。所以我們可以對任何圖靈機，建立一個函數，圖靈機輸入的長度作為自變數，計算時間長度作為應變數，那麼這個函數的增長速度，就定義了圖靈機的時間複雜度。如果一個圖靈機的時間函數增長緩慢，那麼機器速度快。
複雜度，可以簡單的分成常數，log 線性，多項式，指數……

於是就有這樣的情況：
對於所有的問題，有些圖靈機可解，有些不可解。對於所有可解的問題，有些可以快速解，有些無法快速解。
所謂快速解的問題，是指存在一個演算法或者圖靈機，兩者等價，能在多項式時間內解決其問題，稱為P。NP是指（有好些個等價定義），不確定在多項式時間內能解決的問題。NOT-P是無法在多項式時間內能解決的問題。NP-complete是如果他在多項式時間內能解決，那麼解決這樣問題的演算法，可以在多項式時間內解決任意的NP問題。簡單的理解為NP中最難的問題就是NPc。
現在回到量子機，量子機的兩個重要應用，一個是大數分解問題。此問題屬於NP，但沒被證明是NPc。在經典機上的最快演算法是指數時間，而shor的量子演算法，基於量子傅里葉變換，可以在log時間解決。另一個應用是，搜索。但只做到了線性加速（如果我沒記錯）。所以可以見如果一個問題是NPc 那麼不論是經典機還是量子機，他都是NPc，而無法快速解決。

4. 等價性……
經典機等價量子機等價可計算方程等價lambda計算等價形式系統證明等價演算法等價程序等價超級硬體（有無限存儲）等價超級算盤（無限小棍和無限算珠）等價多紙帶圖靈機等價雙堆棧PDA（push down automata 解釋起來好麻煩……）

反對 @Goliath Li 的觀點。

討論問題要先明確定義。我先說一下我理解的「模擬」是指量子計算機與人腦外延等價，也就是說功能上無法判斷出哪個是人哪個是計算機；

基於以上定義，我認為是可以的。而且不僅量子計算機可以，普通的計算機也可以，任何與圖靈機等價的計算模型都可以。

首先，我們已知的任何物理過程都是可計算的，宇宙的基本粒子數又是有限的（即使無限，根據局部性原則，我們可以只模擬可觀測宇宙，而可觀測宇宙的粒子數仍然是有限的），那麼全宇宙的物理過程都是可計算的（可計算語言的並集仍然可計算）。這樣，任何一台圖靈機，都可以完全模擬整個宇宙。只要承認了人腦的物理性，那麼人腦就是可計算的，也是圖靈機可模擬的。量子計算機作為一種圖靈等價的模型，必然是可以模擬人腦乃至全宇宙的。

下面是幾點說明：

1. 本回答只是一個思維實驗，不涉及具體的實踐。我沒有欽定說人類一定能造出強人工智慧。

2. 很多人提到混沌，但是混沌並不是不可計算。還有@Goliath Li說的不可規約問題，仍然是可計算的。這是計算複雜的等級：

除了Undecidable的問題，其他都是圖靈機可計算的。像天氣模擬、多體問題等問題，雖然難以計算且不可規約，但是仍然能夠計算，只是要耗費巨大的時間空間。

3. 模擬不代表能精確求解。比如我不能精確預知一個原子的衰變時間，但是我可以模擬一個原子在衰變（而且不獲取系統外的信息的話我也不能精確預知被模擬的原子的衰變時間）。

4. 自然語言和形式語言的等價性目前沒有人能夠證明或證偽。但是作為物理過程的神經活動是可計算的，自然語言作為複雜神經活動的產物卻不可計算完全不合理。我認為自然語言表現出的模糊性與擴展性是因為自然語言處於一個高抽象層級。比如一塊x86架構CPU，只能讀取x86機器語言這一種形式化語言，但我們為它寫出操作系統和編譯器之後，它可以接受C++、Pascal等高級語言，如果實現了虛擬機，還可以運行Python之類的動態語言，更進一步，我們可以寫自動更新語法的解釋器。這個過程中CPU的計算能力並沒有提升，但是軟體抽象程度的增加給我們一些錯覺：計算機可以「並行運算」了、不用考慮內存分布了、語法發生變化了等等。自然語言就是這種建立於神經活動之上的高層語言。因為不同人的腦結構不同，對自然語言的解釋就不同（一個人的痛苦無論怎麼精確描述都無法讓別人感受到同樣的痛苦），正如不同計算機上運行的python語句，翻譯過來也是不同的機器語句。

5. 對不完備定理的證明其實也是一個層級問題。在數理邏輯中，為了避免循環定義與自指矛盾，把研究的對象和描述的語言分開（目標語言和元語言）。不完備定理只是說一個語言如果包含PA算術那麼內部總有該語言無法證明也無法證偽的定理，但你跳出這個形式語言在更高層的形式語言證明就可以了。這並不能說明人腦有某種超越圖靈機的計算能力。

佔座電腦再答
-------------------------------12.3-------------------------------------------------------------
量子計算機能否模擬人腦，最高票答案回答的很好，邏輯其實很全面，雖然稍有點亂。
這裡從人腦的模擬上解答一下。現在人腦模擬，其實是走出了小半步的：例如深度學習。
首先聲明，人腦的模擬，這個問題我不支持拆分，拆分成輸入、輸出、隨機性等方面不合適，腦科學還沒有靠譜的分類，所以這樣分缺少依據，加之目前有很多人的理論說人腦是混沌系統，所以人腦模擬只能像黑盒子一樣只描述。
最近出現很多很熱的人工智慧上的突破，最大的突破應該屬於深度學習。經典計算機很早就有一類神經網路演算法，但是僅僅能用，並不好用。自2006年多層神經網路結構提出來之後，神經網路在模式識別、數據挖掘、機器學習等方向上取得了非常好的效果，甚至在很多問題上，從能用變成了目前最好用。
然後有人論述道，深度結構能夠更好處理問題，同時具有與動物視覺皮層相似的結構。這裡相似的結構，稍微展開一下。例如對圖像內物體的識別，首先會有一些節點識別出輪廓，其次，再抽象出一層專門識別輪廓之上特徵的節點，最後多層疊加，得到輸出，輸出的可以是識別出來的東西，比如貓。
在這一點上，很多人會聯想到飛機的發展史。我們首先模仿鳥翼，然後總結出了能提供升力的側截面應該是什麼樣，隨後造出了飛機。而現在具有深度結構的神經網路，基本屬於模仿鳥翼的樣子，但是模仿鳥翼的時候歷史教訓慘重，而模擬視覺神經的多層結構，結果還不錯；二者都屬於最佳理論描述未出現時期的事情，深度結構為什麼能有很好的效果，現在還沒有人能完全解釋。現有的解釋例如：深度結構能更好地利用圖像的多種特徵維度，更隨機地訪問各個樣本（參考文獻可以不貼么&>&< 回頭補貼），這兩個解釋其實就很有問題：多種維度到底是怎麼利用到的，隨機性可以通過人工調整採樣次序，但顯然不會明顯提高傳統演算法的效果。正如升力是流體運動速度的差異導致壓強分布的差異，深度結構的良好特性應該也是某種規律或者某個公式的體現。
瑕不掩瑜，深度學習這麼個不知所以然的東西，模擬了視覺皮層的結構，從某些學者的觀點來看，可以說已經模擬了大腦的一部分，更重要的是，深度學習結果或者說效果非常好。個人觀點，效果非常好的模型，就是「對」的模型（畢竟，理論無對錯）。
工程先於理論，可能是人腦模擬的必經之路，而是否量子計算機是否能模擬，我認為是能，但是還是那樣，只能先工程走出路，理論再跟進（這裡想表達的還有，並不是完全清楚原理後，才能夠模擬）。而量子計算機，可能是一個更好更方便的選擇，但並不是模擬人腦的關鍵（關鍵在於我們人類的智慧），普通計算機限制於計算能力，有些模型太耗時，而且很難找到最優解，例如多次計算剃度，剃度會逐漸稀薄，導致停滯在局部最優。量子計算機可以帶來一定突破，而這種突破，未必都是現有理論所認識到的，進而，肯定能夠更好地模擬部分大腦功能。
最後模擬人腦，需要到那個時候再進一步界定。
再翻回來看別人的回答。確實，可計算性理論教導我們說圖靈機只是處理可計算函數的（誤），但是這一點可以換一種方式去想。我們建立一個模型，然後這個模型能夠像一個人一樣思考、感覺、判斷，那麼這件事，是否符合可計算性理論研究本意？換種說法，其實能夠通過圖靈測試，即可以認為這個模型有大腦的部分功能，那麼其實可計算性理論的部分問題已經繞著解決了。Sari確實知道我周末想吃什麼，不是么？
知乎上大牛很多，歡迎指導指正~
以下是一些參考文獻：
1. Bengio, Y. Better Mixing via Deep Representations. 28, (2013).
2. Deng, L. Three Classes of Deep Learning Architectures and Their Applications : A Tutorial Survey. (2013).
3. Deep Learning Tutorial. (2014).

如果認為自由意志不存在那麼凡是大腦能做的事情都可以用演算法完成

以上。

現在來看，自由意志確實不存在啊。

樓上的答案從量子計算的角度給出了計算機模擬人腦的可能性，我補充一點來自生物方面的猜想he：
http://en.wikipedia.org/wiki/Orchestrated_objective_reduction

Orchestrated objective reduction ( Orch-OR )是由物理學家Roger Penrose 和生物學家Stuart Hameroff 提出的試圖解釋人腦意識的理論，認為人的思維是從大腦的深處以量子的方式計算的。Orch-OR 認為神經元中的微管是量子計算的基本單元（量子比特）。 The qubits are based on oscillating dipoles forming superposed resonance rings in helical pathways throughout microtubule lattices.The oscillations are either electric, due to charge separation from London forces , or most favorably magnetic, due to electron spin — and possibly also due to nuclear spins (which can remain isolated for longer periods of time), and occur in gigahertz, megahertz and kilohertz frequency ranges. The orchestration refers to the hypothetical process by which connective proteins, such as microtubule-associated proteins (MAPs), influence or orchestrate the state reduction of the qubits by modifying the spacetime-separation of their superimposed states. The later is based on Penrose"s objective collapse theory for interpreting quantum mechanics, which postulates the existence of an objective threshold governing the collapse of quantum-states, related to the difference of the space-time curvature of these states in the fine scale structure of the universe. （這一部分實在翻譯不來……）

果殼上的請問什麼叫Orch-OR，最近說已經被證...中九維計算提供了很好的註解：

這個Orchestrated objective reduction還稱不上一個理論，而是一個假說。我了解的大致歷史發展如下：

1. 現在無論多快的計算機，處理的都是經典的二進位信息，非0即1，可以說完全建立在經典物理學基礎上。Penrose認為人腦不可能按這種簡單的經典計算機方式來處理信息（所以他把依靠經典計算機的人工智慧稱為「皇帝新腦」，就跟皇帝的新衣一樣）。那麼人腦只能靠更深一層次的物理學，即量子力學來處理信息，產生意識。簡而言之，人腦是一台量子計算機。 Penrose隨後和神經學家Hameroff合作，認為人腦中能夠產生量子計算的單元是神經細胞的微管（microtubule）。因為是納米尺度的蛋白質結構，量子效應顯著。
2. 這個假說由於太過超前，在那個量子信息學還未成型的年代，提出後馬上遭到各個領域的大量批評。當然生物化學等人評論不到點子上，因為他們不懂量子力學。但是後來MIT的物理學家Max Tegmark卻給出了殺手鐧，他計算出室溫下這些微管的退相干時間只有飛秒量級（10的負15次方秒），根本無法進行量子計算。
註：退相干是一個量子系統通過和外界相互作用演化到經典系統的過程，和系統的尺度，溫度等成正比。退相干時間越短意味著系統能夠保持量子特性，進行量子計算的時間越短。
3. 幾位物理學家聯合Hameroff認為Tegmark的模型錯了，關於微管的參數取的不對。他們重新算了一遍，提高了好幾個數量級，但是也只能到幾百納秒的量級。但隨後他們提出微管可以篩選熱雜訊，通過控制水分子來實現某些量子糾錯演算法，從而在退相干之後還能保留量子信息。後來一些理論研究認為一些特定的量子態可以在微管里保持更長的相干時間。
4. 隨著量子信息學的發展，意識起源於人腦的量子計算這個未經證實的假說逐漸潛移默化到了很多領域。反過來意味著如果這個假說正確，量子計算機可以完美模擬人腦。Google也準備在量子人工智慧上面砸錢。很多好萊塢的科幻電影，在提到真正人工智慧時都會用到quantum這個詞，如變形金剛，絕密飛行，超驗駭客等等。最近一些機器人影片也在熱炒這個概念。

5. 你提到的Bandyopadhyay工作，觀測到了微管表現出如同一個單蛋白質分子的電學和光學效應，也許意味著組成微管的蛋白質分子之間有著很強的相干性，這個結果支持Hameroff等人的假說。
個人評價：Penrose是提出意識可能來源於人腦量子計算的先驅。但可惜的是他沒有做量子信息的研究，錯過了成為量子信息學創始人之一的機會，這可能跟他的本專業是廣義相對論有關。有朝一日真的驗證了意識來自量子計算，榮譽一定會給研究量子信息領域的物理學家，因為他們才可能在未來建立人腦量子計算具體模型，實驗驗證該模型並且造出真正的人工智慧。Penrose可能僅僅作為一個停留在哲學階段的先驅者了（他扯了一些我認為沒必要的量子引力進來）。
如果讓我打個賭，意識來自人腦的經典計算還是量子計算，我肯定會賭量子計算。

目前來說還沒有這種可能性，將來如何不好預測。

中文房間（英語：Chinese room）也稱華語房間，是由約翰·希爾勒提出的一個思想實驗，藉以反駁強人工智慧的觀點。根據強人工智慧的觀點，只要計算機擁有了適當的程序，理論上就可以說計算機擁有它的認知狀態並且可以像人一樣地進行理解活動。

中文房間的實驗過程可表述如下：

一個對中文一竅不通，以英語為母語的人被關閉在一間只有一個開口的封閉房間中。房間里有一本用英文寫成，從形式上說明中文文字句法和文法組合規則的手冊，以及一大堆中文符號。房外的人不斷向房間內遞進用中文寫成的問題。房內的人便按照手冊的說明，將中文符號組合成對問題的解答，並將答案遞出房間。

約翰·希爾勒認為，儘管房裡的人甚至可以以假亂真，讓房外的人以為他是中文的母語用戶，然而他壓根不懂中文。而在上面的過程中，房外人所扮演的角色相當於程序員，房中人相當於計算機，而手冊則相當於計算機程序。而正如房中人不可能通過手冊理解中文一樣，計算機也不可能通過程序來獲得理解力。

來自：維基百科

人腦構思演算法的過程是非演算法的，計算機無法檢查出自身演算法的謬誤。這兩點有力論據是《皇帝新腦》這本書里的。彭羅斯不相信電腦能模擬人腦，這本書對樓主的問題回答很詳細，推薦閱讀。
不過計算機可能會形成一種新的智能，不同於人腦的智能，果殼上有提到過http://www.guokr.com/article/437364/，可以叫「統計人工智慧」。到時候確實能不能模擬人腦已經不重要了。

不需要，一堆電線和合適閾值的三極體就行了。

如果說純數學的計算速度，肯定是計算機，量子計算機的理論速度是非常驚人的，就更不用說了。但是計算機是需要輸入時間，還有，計算機不是智能的，這方面與人相比差遠了。在圖像識別，自然語言理解，自適應控制，學習、推理、決策等智能方面，最先進的超級計算機也無法與人的智能相比。由於事物的複雜性、隨機性和不完整性，使得智能軟體很難編製；即使編寫出來，由於計算量過大，也難以在需要的時間內完成。目前，最先進的電子計算機與人腦相比較，在邏輯判斷、識別事物和推理的能力方面還差得很遠。

現有架構的計算機只能模擬大腦中的存儲和運算這部分。意識這部分可能永遠無法模擬。

不能。

世界上不缺動物也不缺人。
計算機主要發展方向是彌補人腦不足，而不是模仿人腦。
模仿人腦只能是少數人的興趣，而不會成為科研的主要方向。

如果集中人類智慧專門製造機器來模擬人腦，也許今天我們已經可以模擬到靈長類複雜的大腦，離人腦只有一步之遙了。
可是，集中幾代人畢生智慧製造一個機器猴子，或者人造人，有什麼意義呢? 真的需要人，找來一男一女生一個就行了。
所以，人類沒做這種得不償失的事情。

你怎麼知道人類大腦不是一台量子計算機呢？

人類的大腦、直覺、情感有三個層面:
過渡宇宙層面（物質與精神轉換的層面），
暗宇宙層面，
本源宇宙層面。
量子計算機可以達到第一層面，
也只能只需做到第一層面。

充分必要條件邏輯是量子計算方法的邏輯門。
原理、機制、邏輯一樣，
都是超導、超光速、量子（等離子磁場）態，
量子計算機是可以模擬人腦、情感、直覺的第一層面的。

感恩、大愛、慈悲是過渡宇宙與本源宇宙溝通轉換的」橋樑「。

不懂量子，僅僅從傳統計算機方向說一下自己的看法。

1.中文房子本身是個偽命題，它通過把房子和裡面的人分開，使得房子里的人在是否理解中文的問題上處於一個不利地位。如果換一個角度來思考它，即是房子本身是否理解中文，我個人傾向於是，因為這個房子所給出的答案是正確的。

2.說傳統計算機沒有真隨機的可能是不知道有一種叫「熵池」的東西，因為傳統計算機的每一步都是確定的，為了實現真隨機熵池會從環境中採集隨機無法預測的事件，比如按一下鍵盤的時間、中斷髮生的時間，等等。

3.目前沒有明確證據表明意識的出現必須要依賴量子過程的參與，本著如非必要勿增實體的原則，不應該在假定階段就把問題搞複雜。如果人能夠把自己的位置看低一點，願意承認意識的隨機性來自於腦中類似於「熵池」的機制，而不是什麼某種「以目前手段無法探測的神秘過程」，接受「自由意志」不存在這樣一種設定，很多惱人的哲學問題其實就不是問題了。

首先你要有一個量子計算機，其次你要了解人腦的工作原理。

人腦的工作原理還沒能夠被分析的很透徹。