「智能機」是一個軟體架構

01-30

《On Intelligence》的啟發

自從去年讀了《On Intelligence》（這部書的中文名稱翻譯得不恰當，我不想引入本文影響閱讀，請自行Google）之後，我多半的業餘時間就沉浸在對智能問題的深入思考之中。Jeff Hawkins 用一個看似漫談的標題，在書中卻實實在在地為人工智慧這個已經走進死胡同的技術方向提供了嶄新的理論框架，並給出了一條基於他對人腦研究的大膽猜想的新智能機器研究方向。

自從了解了這個新方向以後，我就不斷被其可能性所吸引。Jeff 關於人腦工作原理的「記憶-預測」猜想，真正幫助我解開了一把大鎖。這10多年來我一直在探索關於創造性起源這個問題，而這個猜想完美地給出了底層的理論基礎。雖然證實它看起來還尚需時日，雖然還有很多人對Jeff的觀點持有爭議，但對於我這種已經在這個問題上思索多年的人來說，顯然Jeff的解釋是目前為止最為正確的。

新框架帶來的新可能

智力的工作原理就是新大腦皮層中一個個擁有同樣工作原理結構的層級式鏈接，從混沌中湧現出模式秩序來記憶和預測。這個大膽的理論框架，可以把生物學、神經科學、混沌原理以及計算機科學領域很多當代的研究統一起來，形成人工智慧領域的「M理論」，或者說得更誇張一些，這就是智力科學或者人工智慧科學的「進化論」，因為他說明了大腦的工作原理和進化方向。有了這個基礎理論的指導，計算機演算法研究才可能在現有基礎上更進一步。

智能機是硬體還是軟體？

一方面，由於沒有Jeff那麼深厚的硬體造詣，我還跟不上他所談的從硬體底層重塑計算機這個大夢想，當然，我相信有一天它會是硬體層面的，但不是最近10年。

另一方面，我也並不像Jeff那麼尖銳地認為技術發展需要這種底層性質的顛覆，我堅信有用的新技術必然搭建在原有技術之上，智能機器的第一步變革，應該是基於對現有硬體系統的兼容，而不是顛覆。

「計算機連接起來的互聯網就是一個全新的神經網路」這個說法早已不新鮮了，不過在真實的計算機技術領域，只有這種哲學層面的概念是不夠的。

無論是硬體連接的互聯網，還是各種計算機編程語言支持下開發出來的關係型或非關係型數據軟體，其實都已經一定程度上具備了「記憶-預測」的功能，但是要說得更準確和嚴密一些的話，現有的計算機應用是具備了較強的記憶功能和較弱的預測功能。

關係型資料庫的大行其道，是因為它在處理業務中的有用。近年來開始流行的大數據等新的基於數據記憶的預測技術，預計將會為計算機軟體開發的預測功能，開啟一扇大門。

現有的問題

按照KK常說的「技術元素的進化」這一觀點，大自然的進化幫助人類大腦發展出了新大腦皮層這個原生技術。在新大腦皮層基礎上，人類發明了語言和文字，在語言文字的基礎上有了思想的交流和數學、文學、音樂等其他技術元素和印刷-網頁-數據這些記憶文字的技術元素，在這些的基礎上有了現代商業這樣更為複雜的技術元素。

複雜技術必須建立在簡單技術基礎上。計算機作為一個Robot，一個外部的奴隸機器的技術已經被大規模地發展了數十年，然而這幾十年里我們人類主要是在想辦法讓它們記住更多，而不是讓它們一邊記憶一邊預測。單純地發展記憶能力並不能帶來智能，這就是問題所在。

可喜的是，現在的計算機硬體除了在記憶功能上已有了長足進步外，計算的功能也已經突飛猛進，而且很顯然在很多情況下計算機根本用不掉它的計算能力，總是有很多計算資源被浪費了，但浪費對於進化並不是壞事，因為這些浪費出來的資源就是智能機發展所需的技術元素基礎。

軟體的新篇章

在可見的未來10～20年，計算機軟體將會明顯朝向智能方向發展而不是Robot方向發展。以C語言為基礎和代表的命令式語言已然達成自己的技術穩態，它們將會是未來機器編程的底層。在它們之上，需要一種新的基於智力的語言和存儲技術，這種語言和存儲技術必須與現有的硬體軟體可以兼容，但同時它在結構上又必須與現有的結構有明顯的區別。

關於這些最近已經思考出了一個雛形，後面慢慢分享。