人工智慧的工作原理

這兩年關於人工智慧，大數據等方面的書籍，文章很多，人工智慧也是各種行業論壇中必選主題。關於人工智慧，我們經常關心幾個問題。人工智慧是什麼？人工智慧將怎樣影響未來的世界？人工智慧會不會威脅到未來人類？這些問題，看完這篇內容後，至少會有一些更加深入的認識。

李開復老師也寫過一本一樣名字的著作，但是這兩本書的角度是完全不一樣的，本書作者是從腦科學的角度來理解人工智慧，來闡述人工智慧是如何闡述並且它的本質是什麼？本書更偏重基礎科學和理論的研究。所以本書比較難懂，需要大家集中精力花點時間來閱讀本篇內容，但是我想這接下來的幾十分鐘，對你來說是非常值得的。

作者簡介 ：

好了，介紹完本書的情況，讓我們來認識本書兩位作者。

第一位是：傑夫霍金斯，被受世界科技界推崇的領袖級人物，掌上電腦及手寫輸入系統發明人，傑夫·霍金斯1979年六月從康奈爾大學畢業。曾於英特爾公司就職。1986年，霍金斯毅然放棄手上的工作，進入加州大學柏克萊分校攻讀生物物理學博士。Plam Computing、Handspring及紅木神經科學研究院創始人，美國國家工程院成員。

第二位是：桑德拉·布萊克斯利，《紐約時報》著名科普專欄作者。

本書簡介：

本書詳細揭示未來主流大趨勢人工智慧，也就是我將要踏入的智能時代。智能手機，智能汽車，智能家居，智能城市……智能時代已經大踏步來臨。深入人腦核心區域，探究人類智能原理。作者從腦科學的角度，從大腦的形成、演化、結構、工作原理等多個角度深入探討了智能的由來和為什麼人類的大腦可以產生智能。

回歸硬體，用智能重塑所有既有的產業，已經成為公認的最有想像空間超級大勢。隨著可穿戴設備、手機、路由器等淺智能產品不斷湧現，智能已經不再是營銷的噱頭以及極客們自娛自樂的玩具，它正越來越廣泛的嵌入到每一個人的生活情境之中。先機決定一切，谷歌等科技巨鱷正瘋狂加速在智能領域的布局，未來的世界註定是一個智能的世界。

本書分為3個主要部分：

1：人工智慧和神經網路

2：大腦的結構和工作原理

3：人工智慧的未來

第一部分：人工智慧和神經網路

一個3歲的小孩能在1秒內快速識別出上面圖片中的小貓和小狗，但是即便是如今最強大的計算機也非常困難；3歲小孩所掌握的語言能力也是當今最好的計算機所不能及的。什麼是智能？它是否只存在於人腦中，而不是存在於計算機中？

目前大部分人工智慧試圖將計算機像人類大腦那樣公司，具有人類大腦的神經網路，像人腦那樣去思考和運算，但是到目前為止依然離我們想要的結果相差甚遠。是否意味著，我們在錯誤的道路上越走越遠？人腦和計算機的工作原理是否天然就存在著本質的差別？

作者1979年從康奈爾大學畢業，畢業後進入了英特爾公司工作，但是一開始的工作並不順利，作者逐漸對人腦結構和人工智慧非常感興趣，並試圖加入MIT人類智能實驗室，但是被拒絕之後，作者開始著手自己研究，他一開始似乎意識到，計算機和人腦的工作原理完全不同，計算機有中央處理器，而人腦沒有中心，是一個網狀結構，計算機的運行是高度精確的，但是人腦是可以容忍錯誤的。它們之間存在著很多本質的運行原理的差別。儘管普遍的人工智慧提出的理論是：計算機能模擬整個大腦，一台計算機可以模擬所有的神經元和它們之間的連接，一旦這個神經網路形成，那麼計算機將真正具有智能。

但是作者卻得出了相反的結論：人工智慧領域的研究或許能產生很多有用的產品，但是他們不可能建造出真正意義上的智能機器。

在離開了英特爾後，作者加入了一家矽谷的初創公司，該公司發明了第一台筆記本電腦，在哪裡作者發明了以自己命名的編程語言：GridTask，作者隨後的職業生涯也發展順利，但是他仍然擺脫不了對大腦和智能機器的好奇心和熱情，因此依然決定離職全身心開始研究人工智慧。

神經網路和人腦的差距

20世紀40年代，科學家首次提出「神經網路」的概念，50年代首次提出「人工智慧」，在這幾十年的時間裡，人類致力於賦予機器智能，在這個過程中，我們發明了文字處理器、資料庫、視頻遊戲、互聯網、手機和逼真的電腦動畫等等。但是真正的智能還是離我們遙遙無期。作者認為，要理解大腦，必須要回到大腦的研究中，尤其是大腦的智力的來源「新皮層」的研究。將智能與人類大腦結構內部完全理解。

20世紀80年代隨著神經網路演算法的進步，90年代核磁共振技術的出現，關於人腦和人工智慧的研究向前邁進了一大步。神經網路和人腦工作原理類似，它沒有中央處理器（CPU），分散式存儲和計算，整個網路中的知識和記憶都分散在連接上的各個節點中。但神經網路依然存在3個致命缺陷。

1：大腦功能會考慮時間因素，大腦的處理是連續不斷的。而且會根據實際情況進行不斷調整。

2：大腦工作原理中，反饋連接非常重要，大腦接收信息後反饋的數量要比接收的多出10倍。而神經網路工作時，信息只會向一個方向傳遞。

3：大腦的物理結構是不斷重複的層級結構，而基於計算機的神經網路卻不是。

從直覺上看，一個智能系統的衡量標準顯然是智能的行為。但作者認為正是這種直覺讓我們沒有看到正確的答案。就像哥白尼之前的天文學家錯誤地認為地球是固定不動，處於宇宙的中心一樣荒謬。所以作者認為不能淹沒在細節的海洋中，應該轉換研究的角度去思考。

許多哲學家和心理學家認為，思維和大腦的關係就像是軟體和硬體的關係，我們的思維可以存在於任何類似大腦的硬體中，就像很多軟體是可以跨平台運行的一樣，因此從這個角度，理解了大腦也並不能幫助我們理解思維。所以人工智慧中，只在行為上跟人相同顯然是不夠的，我們需要在思維層面產生智能，即像人一樣去思考。

人腦是如何產生智能的？

大腦和人工智慧的神經網路有什麼不同？讓我們從一個故事開始，你相信可以用舌頭看世界嗎？有一位世界級運動員艾瑞克·維漢梅爾，在13歲時失明，但是他2002年的成功登頂了珠穆朗瑪峰，成為了有史以來嘗試並完成這一挑戰的第一位盲人。他意志堅定，四處演講分享與失明命運鬥爭的經歷，在2003年，維漢梅爾又一次重新看到了世界，但並不是通過眼睛，而是安裝在舌頭上的一個顯示視覺模式的裝置，該裝置和安裝在他前額上面的一個攝像頭連接起來，通過攝像頭的像素點的不同感測到舌頭上的壓力來傳遞給大腦圖像的視覺信息，而且大腦也真的學會和理解了這些信息，並形成了圖像，在安裝了這套裝置後，他看到了一個球在地板上朝他滾過來，他可以和人玩剪刀石頭布的遊戲，可以走向走廊和開門等等正常人所能做的一些事情。他是如何做到的？接下來，讓我們從大腦的結構開始講起。

人類大腦外表非常均衡，被一層薄薄的、軟軟的、粉灰色的、上面布滿了脊突和溝壑的新大腦皮層包裹著。我們的人類幾乎所有的智力的能力，都來自於這片區域，包括感知、語言、想像力、數學、藝術、音樂等等一起與智力相關的能力。所有讓我們再放大它深入看看到底裡面結構是怎樣的。

大腦皮層層級系統

在結構上，大腦新皮層由6層大約2毫米厚的皮層組成，可以想像就像六章撲克牌的卡片疊在一起那樣，當然其他動物比如老鼠也有類似光滑的6層的大腦皮層，人類之所以聰明，是因為我們的大腦皮層更大，覆蓋區域更廣，如果把這6層皮層鋪開，面積相當於一張大的晚餐餐布那麼大，而老鼠的就只有一張郵票那麼大；猴子的相當於一個商業信封的大小。而且這6個皮層之間是有高低的層級概念的，就像公司中的職位等級一樣，它們的層級跟它們所處的位置無關，取決於它們之間的連接方式，而連接方式的不同是基因決定的。身體從外部會首先到達低級別區域，然後將信息從底層向高層傳遞，而高層區域用另外一種方式向下發送反饋信息，而且發現信息的反饋比正向的流動更多。各層級之間的工作任務也是不同的，例如視覺信息通過眼睛到達大腦的最低層級處理，對低級別視覺特徵進行檢測，比如辨別色彩和對比度等信息，隨後信息傳遞到更高一層大腦區域，一些層級會處理比如紅色和藍色的反應，另外一些層次專門負責檢測物體的運動，位於視覺皮層更高級別是一些表徵你對各種物體的視覺記憶的區域等等。

大腦皮層內部結構

大腦皮層上分布著約300億個神經元細胞，它們包含了你幾乎所有的記憶、技能、知識等等一切。這300億個神經元細胞絕大部分是錐形的，每個細胞上面有線狀的分子結構，稱之為軸突和樹突，當一個神經元的軸突接觸到另外一個神經元的樹突時，就會形成一些連接，稱之為突觸。每個神經元有數千個突觸與其他神經元相連接，一個神經元的神經衝動就是通過突觸將信號（動作電位）傳遞給另外一個神經元。300億個神經細胞排列非常緊湊，相互連接。

我們的視覺、聽覺、嗅覺、味覺、觸覺是如何通過傳遞到我們大腦，然後如何直到我們的行為的呢？普通的腦科學，尤其是90年代以後利用核磁共振技術的發展，普遍的腦科學家都認為我們大腦每個部分有各自的功能。但1978年神經科學家蒙卡斯爾在其研究論文《大腦功能的組織原則》中提出了另外一個解釋。大腦每個部分的功能並非固定不變的，相互之間是可以相互學習和替代的，而且不管是視覺、聽覺還是觸覺都信息，在大腦內部都遵循相同的處理模式。各區域大腦皮層的外表和結構上存在這高度的同質性。處理聽覺輸入的皮層區域與處理觸覺的區域相似，同時控制肌肉的皮層區域也相似，同時這些不同的區域所發揮的作用也是相同的，大腦皮層似乎使用相同的計算方法來完成它的一切功能，類似遵循同一個演算法來計算視覺、聽覺和運動等信息，意味著之前用於處理聽覺的大腦部分也可以用於處理視覺，它們之間具有高度的靈活性和可塑性，例如將剛出生的老鼠幾塊視覺皮層移植到負責觸覺的區域，經過發育成熟後，這部分腦區就慢慢開始可以處理觸覺信息。那為什麼大腦能分別處理我們的視覺、聽覺等信息呢？大腦主要是通過大腦各區域輸入的信息來發展出專門的功能，類似一個管子，如果是用於傳輸自來水，就是自來水管，如果用於傳輸石油，那麼就是輸油管道一樣。大腦皮層中的組織如同地區的政治地理一樣，如果在早期設定一個完全不同的環境，就可能會導致與今天完全不同的地緣劃分情況。

基因決定著大腦整個機構，包括區域之間相互連接的具體細節，但在這個系統中，具有高度的靈活性和可塑性，各個皮層區域共享一個強大的通用演算法。作者同時指出所有的信息，包括聲音、圖像、觸覺、味覺等信息都同時具有時間和空間兩個屬性，不同的信息會轉化為軸突上的「空間-時間」模式進入你的大腦。我們大腦裡面一片漆黑和寂靜，無法直接感知外部世界，它所了解的方式只有軸突上的輸入時間-空間模式流來感知世界和產生自我意識。而且所有的外部信息都會轉化成為相同的模式通過大腦的通用演算法進行處理，為此，美國生物醫學工程教授保羅發明了一種在舌頭上顯示視覺模式的裝置，盲人可以通過舌頭上的感覺來轉化成為視覺信息，這就是剛開始我們將的那個離奇的故事。

大腦是處理模式的機器，從本質上講，模式才是大腦工作的實質，各個部分基於同一個演算法，處理來自視覺、聽覺還是觸覺信息，大腦就類似一個黑盒子，所有的輸入信息都只是一個個模式而已。可以想像如果我們能破譯新皮層的演算法並創立一種模式科學，我們就可以將其應用到任何想要使之擁有智能的系統上，這樣我們可以讓任何物體擁有智能，它們可以看，可以聽也可以和人類一樣產生感覺和自我意識。

對於大腦來說，所有的信息只是一個個模式而已，由此作者引發出了一個哲學問題。我們真實的世界真的是像我們看到和感覺的客觀存在嗎，並不是我們想像出來的嗎？

關於記憶

普遍的人工智慧科學家認為，只要計算機的計算能力足夠強，就能造出跟人一樣聰明的計算機。但是實際上，當前的計算機計算能力已經遠遠超出了人類的神經元。一個典型的神經元可以在5毫秒內輸出電脈衝，同時自行複位，大約每秒可以做200次，而且神經元的傳導也是非常緩慢的，在半秒內，進入大腦的信息只能穿過大約100個神經元的長度，作者稱之為「一百步法則」，但是一台現代的硅晶元計算機可以在1秒內完成10萬次的運算，計算機的計算能力要遠快於人腦。但是顯然人腦要比硅晶元計算機要聰明，這是為什麼呢？答案很簡單，因為大腦並不是以計算能力取勝，而是從記憶中提取答案。大腦只需要幾步就可以從存儲記憶中找到答案。

但是可能你會問，計算機也有存儲設備，為什麼計算機沒有智能呢？不能像3歲小朋友一樣快速識別出一本書或者一顆糖果呢？大腦皮層的記憶具有4個區別於計算機記憶的屬性。

1：大腦皮層存儲的是序列模式。

2：大腦皮層以自-聯想的方式提取模式記憶。

3：大腦皮層以恆定的形式存儲模式。

4：大腦皮層將模式存儲在層級結構中。

這裡我們先講解其前面3個特性。

我們所有的記憶都存儲在神經元之間的突觸連接中，我們大腦存儲了非常多的信息，而我們大部分日常使用的只是非常小的一部分，大部分記憶只是靜靜地存儲在我們的大腦中。

序列模式是指大腦皮層存儲的是一連串具有關聯性的信息序列，大腦存儲的記憶信息序列是有時間和空間順序的。就像我們講述一個故事一樣，是循序漸進講出來的。我們很容易記憶按順序讀出26個字母，但是如果讓你反著讀出來，可能就沒那麼容易了。我們很容易唱一首歌，但是很難反著唱一首歌。計算機存儲並是按照位元組方式存儲在的，但並不是按照一個模式序列存儲的。

大腦記憶的第二個特徵是自-聯想，是指模式與自己相關聯，可以根據不完整或者被扭曲的輸入信息，提取出全部完整模式的系統，類似於模糊搜索。就像我們看到一個熟人的臉，我們就可以自動其聯想到他的全部一樣。大腦可以根據片面的信息自動補齊其他信息。

大腦記憶的第三個特徵是恆定表徵，這個是什麼意思呢，計算機程序的一套精準運行的機制，其中哪怕一點點邏輯問題都會導致整個系統的故障，但是人類大腦系統有更強的容錯機制。比如我們手上拿著一本書，當你移動這本書，或者改變照明、調整坐姿等等都會改變我們視覺對這本書的輸入模式，而且是完全不重複的，儘管這些視覺信息隨時在便，不管在改變照明還是調整坐姿，我們都依然很容易地準確地認識這本書。那麼大腦是如何做到的呢？這就是大腦的「恆定表徵」的特性。

智能理論的新框架

當家裡來了客人或者桌子上放置了一個新的水杯，我們很容易發現。這是因為我們大腦利用記憶不斷地對我們所看到、所聽到和所感覺的一切事物進行預測。很多人應該有這樣的體驗，當我們下樓梯的時候，一不小心踩空了，如果不小心就會摔跤，這也是因為，我們在下意識下樓梯的時候，我們大腦在下一步踏下之前，預測下一階樓梯的高度和位置等。

大腦以一種方式對我們生活的世界的每一處不斷地進行預測，就像我們開車的時候，大腦會不自覺的預測前面的道路情況和來往車輛的行經方向等。預測能力不僅是我們大腦的功能之一，更是智能的基礎。人類幾乎一切行為都跟預測相關，根據蒙卡斯爾的理論，之所以人類大腦比其他動物大腦更聰明，正是因為它可以對更抽象的模式和更長的時間模式序列做出預測。我們能預測別人下一句話要表達什麼，我們能預測前面的車輛接下來要往哪個方向行駛。而且作者認為科學本書就是一種預測訓練。

作者認為，智能是以對世界中模式的記憶和預測能力來衡量的，這些模式包括語言、數學、物理和物理屬性以及社會環境。我們大腦從接收外界的信息形成記憶，結合曾經的情況和正在發生的事情來進行預測。在商業社會，預測也同樣重要，我們預測用戶喜歡什麼樣的產品和服務，並對此進行產品的設計和研發。

幾千萬年前，大腦皮層首先出現在哺乳動物腦中，幾百萬年前，人類的大腦皮層面積開始迅速擴大，使得人類比其他哺乳動物更加聰明，因為其他爬行動物一開始並不具有大腦皮層。剛開始的大腦皮層只是幫助我們更有效的利用現有行為，比如調節血壓、飢餓感、情緒以及運動等，而不是創造出新的行為，也就是說，剛開始的大腦皮層並不能具有創造力或者說智能。

那麼，如何理解大腦皮層，為什麼記憶和預測是解開智能之謎的鑰匙呢？一開始，人類的大腦（現在的舊腦）複雜人類的日常行為的反應，在出現大腦新皮層後，大腦的新皮層慢慢地開始存儲記憶，並利用自-聯想等方式幫助我們填補信息進行反應，具有了存儲和預測的功能，逐漸地大腦的皮層開始接管了之前舊腦對行為的控制，隨著大腦皮層進化得越來越大，它能記憶存儲的信息越來越多，有更多的記憶，而且皮層的神經元越來越多，意味著能作出更多的預測，人類逐漸跟另外一些哺乳動物區分開來，具有了更高級的智能，由此早就了人類獨特的智能行為能力。

比如烹飪食物、開飛機、該摩天大樓等高級智能是如何進化而來的呢？作者給了兩種答案，一種是人類大腦的演算法極其靈活，只需要人類獨有的重新調整，就可以創造出新的複雜行為；第二種解釋是行為和預測是同一件事情的兩面，儘管大腦皮層能夠預見未來，但它只有在對所執行的行為有所了解時，才能作出準確的感覺預測，也就是是，人類的創造其實是基於經驗。

接下來，讓我們看看，人類為什麼具有複雜行為的智能，人類大腦體積是黑猩猩的3倍，但我們的大腦比海豚要小，所以大腦並不是越大越好，決定智能程度的是其新皮層的厚度和大小（海豚大腦皮層只有3層），以及它們之間的連接。我們大腦皮層與身體的肌肉之間存在著更多的連接，而且其他哺乳動物則沒有我們這樣多的連接，很大程度上還是依靠舊腦指導行為，我們可以稱之為動物本能。而人類的獨特之處在於，人的大腦皮層在產生和控制行為方面起著主導和超前的作用。

那麼，讓我們來回顧一下人類是如何超越其他動物成為地球上最聰明的物種的。大自然進化出了一些動物，比如爬行動物，它們擁有複雜的感官和複雜但有限的行動模式，之後，大自然發現，通過給一些動物增加一個記憶系統（大腦新皮層），並輸入感覺信息流，這些動物可以記住過去的經驗，以便在未來類似的情況下，過去的記憶就會被喚醒，能對事情產生預測能力，我們的智能和理解就出現了，預測便是理解的本質，理解一件事情，意味著我們能對它作出預測。

人類的大腦皮層非常之大，有著龐大的記憶存儲，它能夠不斷地預測你將要看到、聽到、感覺到的東西，而大多數都是無意識完成的，這些預測就是我的思想，當它們與感覺輸入結合之後，就形成了我們的知覺，作者將這樣的模式或者說智能模式稱之為「記憶-預測框架」。

大腦皮層是如何工作的

前面一部分內容，我們闡述了人類大腦的智能是如何產生的，大腦皮層擁有巨大的存儲空間；我們的記憶以模式序列的方式存儲，同時在檢索的時候還必須根據新舊模式之間的相似性來檢索模式，這裡我們稱之為自-聯想記憶；同時記憶在大腦各個區域中以恆定的行為存儲，這樣才能將我們的存儲的信息應用到未來相似的新情景中。接下來這部分的內容，我們將繼續解開大腦的工作模式。

大腦的智能是通過記憶-預測框架實現的。要了解大腦是如何根據記憶來進行預測的。我們首先要理解它的多層設計。大腦皮層是一大片組織，其中包括很多功能區域，比如負責處理視覺、聽覺和味覺等各種感覺的特別區域，這些區域通過大量的神經軸突和纖維連接在一起，相互傳遞信息。在視覺識別中，識別物體從低到高的四個層級分別是：V1、V2、V4和IT。我們的眼睛在不停地快速移動，大約每秒3次來收集視覺信息，通過肌肉纖維的電信號傳遞給V1，在V1中，每個細胞只會對視網膜的一小塊區域的視角輸入產品反應，也就是，每個神經元細胞只會識別視覺區域中非常有限的區域的信息。然後每個V1區域的神經元細胞將信息不斷地向上傳遞，聚合，到IT區域時，我們會發現他們所感受視野覆蓋更大的區域。從視網膜到IT區的4個不同層次看，細胞從快速變化、空間相關、能識別微小特徵的細胞，逐漸變成穩定激活、與空間無關、能識別完整物體的細胞。這種層層遞進，視野不斷開闊的結構有點類似我們的公司組織架構，出於底層的每一個員工就類似一個神經元，他們所作的事情僅僅是他們本職工作，而他們上級會收到不同部門的員工信息，從而對公司的業務發展和市場前景有更進一步的認識，直到公司的高層管理者，他們就有全局觀，能完整看到公司的業務情況和前景。

和視覺處理過程一樣，聽覺、觸覺和其他感覺的信息處理過程也是類似的層層遞進，從快速變化到緩慢變化，從空間相關到空間無關的過程。在底層的聽覺區域，不同的細胞會識別同一個文字的不同口音的發音，但是高層級的大腦皮層就不會關心不同的口語，它會只識別具體的每一個單詞，不管是何種口音或者語調。但是我們需要輸入連續一段時間的信息才可以做到，但從一個瞬間的信息是無法做出判斷的。這也是前面講到的大腦處理都具有時間和空間兩個基本屬性。同時，在大腦皮層越高的層級，歲時間變化就越少。可以理解從最高的層級，能從俯視角度來看待整個完整的事物。

我們看到了各個區域獨立工作的原理，大腦皮層包括幾十個皮層區域以各種方式相互連接，大部分的大腦皮層都包含聯合區域，就是連接相互重疊的區域，一個聯合區域會匯聚幾十個底層區域的信息。那麼這些聯合區域是如何工作的呢？

在聯合區域的概念下，我們不應該將V1/V2/V4看成一個獨立的區域，而是每個區域都包含多個子區域。在大腦皮層的所有區域中，處理視覺的V1區域具有最大的面積，其次是V2，如果將V1區域再細分成為多個小區域，同樣，V2也會有多個小區域，但是處於頂層的IT區域司一個獨立的區域，這也解釋了為什麼IT區的細胞對於整個視覺世界有鳥瞰的視野。

從聯合區域的角度，較高層的聯合區域會從多個感覺區域，包括視覺、聽覺、觸覺等整合信息。和單獨的視覺處理過程一樣，一個V2的子區域不需要知道它正在處理的來自多個V1子區域的信息，一個聯合區域不需要制度它正在處理來自視覺和聽覺的輸入信息。它們所做的事情就是接收信息、反饋信息，並向上傳遞信息。一個大腦皮層區域的工作取決於它們之間的連接關係，也就是信息的傳遞和反饋鏈路關係，並記住這些關聯的序列，並利用這些記憶來預測輸入信息將會發生什麼。大腦皮層就像一間大的生產車間，每個流水線公司就像一個神經元細胞，他們只處理傳遞過來的任務，並根據傳遞過來的任務或者信息預測接下來他們怎麼做。大腦的每個區域都進行著類似的加工過程，在大腦的新皮層每個層次的不同區域中，都能形成恆定表徵，而且大腦的信息是自下而上和自上而下雙向傳遞的，這就是大腦通用的皮層演算法。

至此，我們了解了本書的一種重要結論：我們我們之所以能夠思考、運動和預測未來，是因為大腦皮層建立了一個關於世界的模型，大腦皮層在各個層級中都存儲了這個世界層級結構模型，你的大腦皮層的嵌套結構反映了這個世界的嵌套結構。這種嵌套結構和每層都具有的恆定表徵是大腦統一演算法很重要的特徵。

在你的客廳，看著一個窗口，即使這時你的眼睛只不過正在注視著窗戶的一個「插銷」而已。大腦皮層的高層區域正維持著關於你家的表徵，而較低區域則維護著房間的表徵，再低的則維護著窗戶的表徵。那麼如何理解序列？比如我們走路和開車的時候，這一連串動作，我們都是無意識完成的。而這一連串的動作可以理解成為一個序列已經存儲在我們大腦的某個區域，當我們開始或者走路是，會激活這部分腦區中的序列記憶。在大腦皮層的各區域中，自下而上的分類和自上而下的序列不斷交互和變化，貫穿始終。這是學習的本質。

大腦皮層的設計和學習方法和我們現實世界的層級關係非常類似，我們每個人所了解和感受到的世界是很小的一部分，每個群體和民族有自己的文化認同和群體意識，我們所看到和感覺到的世界有自己相對穩定的認知，和大腦各區域具有恆定表徵類似。而每個組織甚至國家，他們在更大的範圍里了解整個世界的全貌。不僅是我們世界的組成方式有層級結構，在自然界也同樣普遍存在著這樣的層級關係，樹木構成森林、石頭和泥土構成小山等都是這樣的層級結構。

信息在大腦皮層體系上下流動的過程中，記憶和用名字表徵序列的方式可能會讓你聯想起軍事指揮的等級結構。最高將領說：「部隊轉移到佛羅里達州過冬。」這個簡單的高層指令在沿著等級結構向下傳達的過程中逐步展開成更詳細的指令。將軍的部下會將命令分解為若干步驟，例如準備離開、向佛羅里達州轉移，以及準備到達。而其中每個步驟又會進一步分解，讓下級執行。在最底層，成千上萬的士兵執行成千上萬的行動指令，最終完成了部隊轉移。每一層的執行情況都會形成報告，彙報給上級。在向上逐層彙報的過程中，報告不斷匯總精簡，直到最高層將領收到的每日簡報稱：「向佛羅里達州轉移行動一切順利。」將軍不會得到行動的任何細節。

大腦的學習也是會循序漸進，當大腦高層區域對某一序列模型識別之後，這邊會形成我們的記憶表徵並逐級下移，然後高級區域如IT區域就會空閑下來，去學習識別其他的序列模型。比如某方面專家就因為儲備了大量的記憶表徵，所以能非常快速識別出問題或者找到某個問題的解決方案。

在大腦皮層下發，有三個與皮層交互的組織：基底核、小腦和海馬體。它們都先於腦皮層被進化出來，基底核是原始的運動系統，小腦是負責學習時間間精確的時間關係，而海馬體則存儲與特定事件與地點有關的記憶。海馬體也是形成新記憶的一個關鍵組織，如果失去了左右兩個海馬體的人短期內看起來正常的，但是實際上無法記住新的東西。作者一開始並沒有對這三個組織進行大量研究，因為作者認為這三個組織功能很大程度上已經被大腦皮層替代。但後來作者研究發現，海馬體佔據了大腦皮層的金字塔頂端，它擅長快速記憶所看到的任何模式，並能快速識別出是否是新事物。

自此，我們對大腦整個工作原理進行了大概的講解，大腦是一個龐大而複雜的多層記憶系統，它擁有多層結構，數十億個神經元和數萬億個突觸，我們的生命、信念、語言等都能被記憶在數萬億個微小的突觸中。

意識與創造力

除了人類其他動物是否擁有智能？作者給出的答案是肯定的，所有的動物都有舊腦，也都有大腦皮層，只是結構比較簡單，人類通過多次的大腦皮層次結構、恆定表徵以及類比預測，我們擁有了比其他動物更高的智能水平，但是其他動物也具有智能，只是程度不同而已。人類可以學習更加複雜的世界模型和做出更加複雜的預測 ，但是其他動物比人貓和狗則不能。人類智能和其他動物的第二個不同點是，我們擁有語言能力。通過語言，我們可以將記憶傳遞到其他人大腦中，通過語言，我們可以學習到並沒有看到的事情。語言的形成需要大型的大腦皮層，這樣才能處理句法和語義結構等，語言還促進了運動皮層和肌肉系統的發展，我們能發出更加清晰準確的聲音，做出更加細緻的手勢。

作者將智能劃分為3個時期。每個時期都用到了記憶和預測。

第一個時期，是物質使用DNA作為記憶媒介。這些個體無法在生命中進行學習和適應，它們只能通過DNA向後代傳遞這個世界的記憶。

第二個時期，是物質開始能夠修改神經系統，並快速形成記憶。這些物種能學習這個世界的結構，並在生命中不斷調整行為來適應世界。這個時期大腦皮層出現。

第三個時期，是最後一個時期，也就是人類的智能出現，開始於語言的出現以及大型皮層的擴展。我們可以學習更加複雜的結構模型和做出更加複雜的預測。並通過語言將記憶傳遞給其他人，並將我們的認知傳播到整個世界。

什麼是創造力

在討論人工智慧的時候，很多人認為機器和人最大的區別就是機器無法進行創造，不具有創造力，因為機器擅長邏輯運算，但是並不擅長跳躍式的思維，也就是創造性思維。真的是這樣嗎？

作者認為，創造力並不是大腦某一特殊部分產生的，它是每個大腦皮層區域的內生屬性，它是預測的必要組成部分，換句話說就是，創造其實也是預測能力的一部分。

想像你在一家陌生的餐館就餐，你想洗一下手。即使你沒有進過這座建築，你的大腦仍然會預測這家餐館有洗手間可以洗手。你的大腦是怎麼知道的呢？那是因為你去過的其他餐館都有洗手間，所以大腦通過類比認為這家也有。而且，你還知道到哪兒去找，要找什麼標誌。你預測會看到一扇門或者標誌，上面有標出男性或女性的符號。你預測衛生間會在餐廳的背後，要麼在吧台旁邊，要麼在大廳對面，但一般不會在就餐區。因此，雖然你從沒來過這家餐館，但你通過類比其他餐廳，你就能找到洗手間。你不會隨便亂走。你會尋找預期的模式，從而讓你能快速找到洗手間。這種行為就是創新行為，它通過類比過去而預測未來。雖然我們一般不會認為這是創新，但它實際上就是。

所以類比預測就是我們創造力，當記憶-預測系統在較高的抽象層發揮作用時，但系統作出不同尋常的預測時，當系統使用不同尋常的類比時，它就產生了創新，而這種創造力是我們大腦與生俱來的能力，每個人都毫無疑問地擁有創造力。就像喬布斯所說的那樣，創造力只不過是不同事物之間的關聯而已。

每個人都有創造力，這是大腦的內生屬性決定的，但是每個人的創造力大小是有區別的。這與先天屬性和後天培養都有關係。在後天培養中，每個人的經歷不同，他們大腦皮層所建立的世界模型和記憶也有所不同，所以也會作出不同的類比和預測。有的人之所以在社會環境、語言使用、數學或者外交能力方面更具創造力，是因為他們所受到的成長環境的影響。

另外，在先天屬性方面，這是由我們的基因決定的，每個人的大腦皮層的大小不同或者他們之間的連接程度也不同。愛因斯坦是我們公認的天才，在他的大腦神經元研究中發現，他的大腦比大部分人的大腦寬15%，他的大腦神經元平均擁有更多的支持細胞，又稱為神經膠質細胞。還發現他大腦頂葉中有不同於常人的回間溝通模式，這種差異讓他具有更好的數學能力和空間推理能力。

現在我們知道了，任何人的大腦都具有創新能力，只是程度不同而已，那麼如何才能提升創新能力呢？作者指出，我們需要培養自己大腦的類比能力，當面對問題時，我們需要長時間地思考，並且拓展我們的思維，讓大腦暢想。給大腦足夠的時間和空間來繼續類比訓練。類比的訓練是讓你的大腦從不同的方法來看待同一個問題，從而使你有可能從經歷中找到最類似的類比。比如你遇到一個問題暫時無法解決，可以做一些其他的事情，然後重新回來換一個思考方式，如果嘗試足夠多次後，你一定會產生新的想法。

大腦是一個建立模型並作出創新性預測的器官，它的模型有時候是對的，有時候卻是錯的。就像古希臘天文學家亞里士多德、托勒密等建立了一個看似很完美的「地心說」的天文模型，但實際上後來證明是錯誤的。

什麼是意識

很多人對意識充滿了好奇，大多數人也認為意識是遊離於大腦之外的神秘的東西，在西方世界，人們通常將殭屍比作成為沒有意識的人肉機器。但作者認為，意識並不是什麼神奇的東西，有大腦皮層就會有意識，而且作者將意識分為兩大類：

第一種是類似於自我意識，也就是我們日常說的「意識」。比如我從你身邊走過，你會有意識。也就是覺知，這種意識類似於陳述性記憶。我們知道所有的記憶都存儲在神經元之間連接的突觸中。

第二種是感受，就是與知覺相關聯的情感，相對獨立於感知輸入。不同的感知輸入會讓我們產生不同的感受，比如我們看到紅色會感覺興奮，看到黃色會感覺溫暖。

但是作者認為，不管意識如何定義，記憶-預測框架模型都在其中起著非常重要的作用。

智能的未來

20世紀50年代，有人預測2000年人類會在地下室擁有原子反應堆，在月球上度假。人類大腦通過類比作出預測，但是作者指出要預測若干年後的未來技術是不可能的。不過我們可以做更加寬泛的預測，未來的智能機器將改變我們生活的方方面面，這一點幾乎是可以肯定的。

那麼未來的智能機器是什麼樣的呢？是跟我們電影和小說中說描述的那樣跟人類幾乎一樣嗎？還是像現在電腦一樣是一個黑色或者白色的大箱子？機器智能到底對我們未來的生活產生什麼終極影響？如何實現人工智慧？

作者認為在未來很長一段時間，機器還不能實現讓人類一樣的智能，主要有幾個方面的原因。

第一：智能機器可以擁有像人類一樣的大腦皮層，但要像人類一樣生活，只是擁有大腦皮層是遠遠不夠的。它需要加入人類的情感系統和經歷，具備人類的精神。

第二：機器人的成本巨大，而且並沒有我們想像的那樣實用，它們雖然擁有智能，但是需要與人交流和幫助人類從事活動是非常困難的。

如何實現？

作者認為，首先需要一組感官提取來自這個世界的模式。比如必須有眼睛和耳朵等等。

其次，還應該將這些感官和層次記憶系統連接起來。

然後，記憶系統還採用與大腦皮層相同的工作原理。

之後，我們就可以像教小孩那樣訓練記憶系統。通過反覆的訓練，智能機器將慢慢建立更多的世界的模型，它可以根據過去的經驗作出類比，對未來的事情作出預測，對新的問題提出解決方案，由此產生了智能。

從物理上講，沒有理由一定要機器長的像人類那樣。智能機器可以內置於飛機和汽車，或者類似放到書桌上的電腦。與人類不同的是，智能機器的大腦可以和身體軀幹分開，它的存儲系統可以遠離感官系統。重要的是，智能的衡量標準是層次記憶的預測能力，而不是人類行為的相似程度。

但是在人類創造智能機器中會遇到很多問題。

第一個問題就是規模問題。大腦皮層用32萬億個突觸，這樣的存儲量相當於我們需要大約80個硬碟才能大腦皮層的存儲量。好的方面是，按照現在的技術水平，至少在實驗室可以輕鬆擁有這樣的存儲的設備。

第二個問題是連通性的問題。真正的大腦擁有大量的皮層下白質。它們的作用是實現大腦皮層不同區域之間的互聯。一個細胞可能與數千個其他細胞相連接，如果採用傳統的晶元工藝，幾乎不可能實現這樣的互聯程度。

但是隨著技術的發展，規模問題和連通性問題終將得到解決。

對於智能機器是否會像電影裡面那樣，它們會產生意識，威脅甚至控制人類，作者認為這些都不會發生，至少它們不會有個人野心，不會渴望財富、社會認可或者情感上的滿足等，它們也不會有食慾、癖好和情緒障礙。所以智能機器不會想任何類似人類那樣的情感。機器會擁有非常強大的智能，但是要像人類一樣行動、思維和與人相處還需要很長時間。

作者對未來機器智能持樂觀態度，作者指出未來在4個方面，智能機器將超出我們人類的自身能力。

第一：速度

神經元的速度是毫秒級別，而硅晶元的速度可以達到納秒級別，可以想像機器大腦可以比人腦的思考速度快100萬倍，它們解決科學問題的速度也比人類快100萬倍，在10秒內在一個問題上所想到的東西，你需要花一個月。而且機器從不感到疲勞。

第二：規模

在未來智能機器的存儲規模將會大大超過人類，人類大腦的重量只有體重的2%，但是消耗了氧氣的20%，而且人類大腦的容量在未來幾十年的進化中不會有明顯進步，但是計算機擁有無限的增長空間。

第三：可複製性

每個新的大腦都需要從頭開始成長和訓練，這需要花費人類幾十年的時間，但是智能機器可以不需要經過漫長的學習過程，從存儲介質上無限複製，輕鬆轉移內容。

第四：感官系統

人類只有少數幾個感官系統，但是智能機器可以增加其他比如夜視鏡、雷達、或者哈勃望遠鏡等超越人類的感官系統。可以利用大量分散式的感測系統，智能機器可以從更大的範圍上感官世界，比如感知全球的各地的天氣狀況，交通等變化。

好了，本書的內容就解讀完了，內容十分豐富且有趣，相信你讀完之後，對人工智慧有了初步了解，而且對什麼是智能，以及如何實現人工智慧有了更深入的了解。