能不能讓機(jī)器像人類一樣思考?

Albert_JIAO

人類有夢想，

甚至狗都有夢想，

但你沒有，

你只是個機(jī)器，

一個冒充生命的贗品。

一個機(jī)器人能寫交響樂么？

一個機(jī)器人能把一個，

嗯，

帆布變成一幅美麗的杰作么？提起人工智能，很多人會首先想起斯皮爾伯格導(dǎo)演的科幻電影《人工智能》（AI），該片曾獲2002年奧斯卡獎。在電影里一對夫婦領(lǐng)養(yǎng)了一個機(jī)器人作為自己的孩子，這個機(jī)器人可以像人一樣思考，具有喜怒哀樂，在它的身上發(fā)生了許多的故事。

這樣的科幻情景離現(xiàn)實又有多遠(yuǎn)呢？我們不妨先從人工智能的起源談起。長久以來，我們一直認(rèn)為智能不只是人類所獨(dú)有的，可以像人類一樣進(jìn)行推理和學(xué)習(xí)的機(jī)器是完全可能被制造出來的，然而事情卻不像想的那樣簡單。

模擬人工智能

在百科全書上，人工智能的定義是“研究可以智能工作的機(jī)器的科學(xué)和工程”。不過一個令人糾結(jié)的問題是：到底什么是智能？很多情況下，那些“不智能”的機(jī)器比我們聰明多了，比如普通的計算機(jī)程序可以將成千上萬個數(shù)字的乘積，可以記錄下銀行的大量款項，這已經(jīng)超出了普通人的能力?？墒?，他們只是能正確地完成大量計算而已，還稱不上真正的“智能”。只有某些人類特有的能力，像認(rèn)出一張熟悉的臉，指揮繁忙時段的交通或者學(xué)會一件樂器，才稱得上真正的“智能”。

為什么制造一臺智能機(jī)器這么難？這是因為，一般情況下，在給電腦編寫程序之前，程序員知道他想讓電腦做的任務(wù)是什么?？墒牵谌斯ぶ悄茴I(lǐng)域，程序員要求電腦做正確的事情，可同時又不是很清楚事情到底是什么。比如我們讓電腦去識別人臉，可是我們?nèi)祟愖约阂膊皇峭耆宄竽X是如何識別人臉的。

在現(xiàn)實世界中，我們不僅要面對還要處理種種不確定性事件。比如你在達(dá)到一個目標(biāo)前，受到諸多困難，你需要排除萬難；你在駕車時，前方?jīng)_出一輛車，你需要轉(zhuǎn)動方向盤避免撞車；你在處理一項任務(wù)時，突然接到另一項重要任務(wù)，你需要隨機(jī)應(yīng)變。一個智能的電腦程序不僅能夠按照既定計劃完成任務(wù)，還能確保在不確定事件發(fā)生的情況下完成任務(wù)。所以，真正的人工智能，必須能夠感知周圍環(huán)境的變化，并對此做出反應(yīng)，適時改變和調(diào)整自己的行動，以期出色完成任務(wù)。

哲學(xué)起源

在世界上第一臺電腦問世前的很多個世紀(jì)，人工智能的理念就已經(jīng)初具端倪。亞里士多德提出的從假設(shè)得出結(jié)論的“三段論”就是一種機(jī)械式的邏輯推理方法。按照他的理論，我們可以這樣論述：一些天鵝是白的，所有天鵝都是鳥，所以，一些鳥是白的。如果用符號表示，即為：一些S是W，所有的S都是B，所以，一些B是W。無論S、W、B代表什么，我們都可以得到正確結(jié)論。根據(jù)這樣的構(gòu)想，我們在沒有完全弄清楚人腦是如何想問題的情況下，或許就可以建立出一套智能化系統(tǒng)。

亞里士多德的構(gòu)想為探尋人工智能的本質(zhì)奠定了基礎(chǔ)。然而，直到20世紀(jì)中期，電腦才變得足夠復(fù)雜，能夠真正測試一下這些構(gòu)想。1948年，英國布里斯托爾大學(xué)的研究人員格雷·沃爾特制造出一系列具有感光和學(xué)習(xí)能力的會移動的機(jī)器烏龜。其中一個名為艾爾西（Elsie）的機(jī)器烏龜可以自動對環(huán)境做出反應(yīng)，比如當(dāng)電池電量快耗盡時，它就會自動降低對光線的敏感度。

1950年，英國數(shù)學(xué)家阿蘭·圖靈提出，如果電腦可以和一個人談話自如，我們應(yīng)該“禮貌地”接受電腦可以思考的現(xiàn)實。不過，直到1956年，人工智能這個詞語才被正式提出來。在美國達(dá)特茅斯學(xué)院的一個暑期研討會上，這個領(lǐng)域的早期創(chuàng)始者們共同提出了他們的愿景：如果學(xué)習(xí)的各種方式或智能的各種特征都可以從理論上進(jìn)行精確描述，那么，一臺機(jī)器就可以模擬人的智能。似乎按照這樣的目標(biāo)快速發(fā)展，擁有真人一般智能的機(jī)器早晚會出現(xiàn)。

化整為零

20世紀(jì)60年代，研究人工智能的科學(xué)家們滿懷夢想，信心十足，認(rèn)為他們將在幾十年內(nèi)實現(xiàn)他們的目標(biāo)，就像航天領(lǐng)域里，從第一架噴氣式飛機(jī)到人類登上月球也只用了30年。為什么人工智能不可以擁有這樣火箭般的發(fā)展速度呢？

事實上，兩者之間最大的不同之處在于，對于人工智能，我們找不到像F=ma和E=mc2那樣既簡潔又通用的公式。到了20世紀(jì)80年代，研究人員意識到，他們既沒有足夠硬件也沒有足夠知識，來模擬人可以做的所有事情，于是整個領(lǐng)域被分成很多部分。以往研究人員的共同目標(biāo)是制造一臺擁有人類智慧的電腦，取而代之的是，研究人員側(cè)重研究這個宏大問題的某個方面，比如語音識別、計算機(jī)視覺、概率推理，甚至國際象棋這個小領(lǐng)域。

可喜的是，在每個分支領(lǐng)域，研究人員都取得重大突破。1997年，IBM的“更深的藍(lán)”電腦擊敗了國際象棋冠軍卡斯帕羅夫?！案畹乃{(lán)”電腦能在1秒內(nèi)計算出2億種可能性，從而推算出之后棋盤的走勢，最終決定下一步怎么走棋。

“更深的藍(lán)”電腦在這場需要高智能的象棋比賽中取得驕人成績。然而，這位“專家”的技能有點(diǎn)單一，除了象棋比賽外，它什么都不會做，既不能和別人討論下棋策略，也不會玩其他游戲。盡管它贏了世界象棋大師，但是沒有人會把它錯當(dāng)作真人，它只是一臺電腦。

人工智能的時間線

1950年，圖靈提出，經(jīng)過編程的電子計算機(jī)可以像真人一樣回答問題。

1956年，在美國達(dá)特茅斯學(xué)院的一個暑期工作坊上，這個領(lǐng)域的早期創(chuàng)始者們正式提出了“人工智能”這個詞匯。

1958年 Allen Newell和Herbert Simon預(yù)測在十年內(nèi)，電腦可以擊敗國際象棋世界冠軍，不過在現(xiàn)實中這整整花了四十年。

1961年，電腦解決了大學(xué)一年級程度的微積分題目。

1965年，世界上第一個用于心理治療的聊天機(jī)器人ELIZA，嘗試著和人進(jìn)行對話。

1967年，STUDENT程序成功地解決了用文字描述的一道大學(xué)程度的代數(shù)題目。

1973年，F(xiàn)reddy機(jī)器人通過視覺感知來定位和組裝了模型。

1974年，隨著政府資助機(jī)構(gòu)減少了對于人工智能研究的撥款預(yù)算，人工智能寒冬到來。

1975年，斯坦福大學(xué)的Meta-DENDRAL程序發(fā)現(xiàn)關(guān)于分子的新規(guī)律，成果被發(fā)表在了美國化學(xué)學(xué)會的期刊上。

1980年，自動行駛的汽車在慕尼黑大學(xué)里以90千米/小時的速度行駛。

1988年，人工智能的主要形式變?yōu)榛诓淮_定數(shù)據(jù)的概率推理，而不再是以往那樣側(cè)重于邏輯。

1989年，美國航天局（NASA）利用自動聚類的電腦程序發(fā)現(xiàn)以往未知的幾類恒星。

1997年，IBM“更深的藍(lán)”超級電腦擊敗了國際象棋冠軍卡斯帕羅夫。

1998年，由Hasbro生產(chǎn)的第一個人工智能的寵物Furby開始在美國出售；美國航天局（NASA）第一次有了完全由電腦程序自動控制的飛行器。

2000年，Nomad機(jī)器人探索南極洲的偏遠(yuǎn)地區(qū)，采集氣象觀測樣本。

2004年，一個電腦程序可以比一個專業(yè)級真人飛行員更快地學(xué)會操縱遙控直升機(jī)。

2007年，美國艾爾伯特大學(xué)的人工智能程序完全破解了西洋跳棋游戲。

2011年，蘋果的語音識別軟件Siri可以讓用戶和iPhone對話；iRobot公司出售出了第600萬個Roomba吸塵器機(jī)器人。

2012年，Google翻譯做的翻譯總量已經(jīng)超過了所有人類翻譯者所做的總和。

2012年，通過10億個連接，Google的人工智能神經(jīng)網(wǎng)絡(luò)可以去識別一些常見的物體，像人臉和貓。

或許你沒有意識到，其實你每天都在和人工智能打交道。它們幫你接通電話，審核你的信用卡交易，管理你的基金。它們還能從你的數(shù)碼照片中識別你的臉，在你玩視頻游戲時識別你的姿勢，甚至幫助醫(yī)生分析你的化驗結(jié)果。

益智游戲冠軍

2011年，IBM向世界推出沃森（Watson），一個可以理解問題、并給出準(zhǔn)確答案的超級計算機(jī)。沃森擁有3000個聯(lián)網(wǎng)在一起的處理器，其中儲存著幾百萬份文件，沃森可以利用這些海量的信息回答幾乎所有問題。

IBM讓沃森亮相美國一個電視問答娛樂節(jié)目《危險邊緣》（Jeopardy！）。

《危險邊緣》一向以提出“拐彎抹角”的問題而出名，有點(diǎn)像國內(nèi)的《開心辭典》和《幸運(yùn)52》。這個游戲可比國際象棋復(fù)雜得多，沃森不僅需要綜合所有人類知識，還需要理解問題中的雙關(guān)語等文字游戲。

在沃森精彩舞臺表現(xiàn)的背后，人工智能的一個分支領(lǐng)域——概率推理功不可沒：這項技術(shù)幫助沃森從不完整的信息組合中提煉出完整答案。比賽前，IBM的工程師們把百科知識和以往《危險邊緣》的節(jié)目資料塞進(jìn)沃森的硬盤里，然后把沃森的電腦程序分成100個小程序，每個小程序負(fù)責(zé)一個方面。比如，一個程序負(fù)責(zé)“著名作家”，另一個程序負(fù)責(zé)“食品”。比賽時，針對提出的問題，沃森的100個分程序各自從數(shù)據(jù)庫里尋找答案，最終沃森綜合這100個分程序的結(jié)果，選擇最有可能正確的答案。比賽結(jié)果并不出乎意料，沃森曾經(jīng)在電視節(jié)目中擊敗兩位真人冠軍。

不過，成為《危險邊緣》節(jié)目的冠軍并不是沃森的真正使命，IBM計劃給沃森更實用的任務(wù)，比如給醫(yī)學(xué)、商業(yè)、農(nóng)業(yè)等領(lǐng)域提供時效性強(qiáng)的重要信息。

無人駕駛汽車

行駛在美國拉斯維加斯的公路上，如果你看到一輛汽車的牌照是紅色，其上印有無窮大符號，就要留意一下了，它是一輛無人駕駛的汽車。2012年初，美國內(nèi)華達(dá)州為無人駕駛汽車發(fā)放了第一張牌照。

在世界上其他地方，無人駕駛汽車也會火起來嗎？應(yīng)該說，到現(xiàn)在為止，駕駛還是一項由真人司機(jī)占據(jù)主導(dǎo)地位的任務(wù)。雖然駕車稱不上很難，但其中有太多變數(shù)，比如尾隨你的汽車是以60千米/小時還是70千米/小時的速度行駛？角落里是否有一輛行駛在你的視角之外的汽車？如果你想超車，前面車的司機(jī)會不會突然加速？諸如此類的問題還有很多。

無人駕駛汽車行駛在公路上并不難。早在1994年，兩輛無人駕駛汽車就曾經(jīng)在環(huán)繞巴黎的公路上行駛了1000千米。但是，如果讓無人駕駛汽車在城市中穿行，任務(wù)一下子就變得困難很多，城市交通中很多不成文的規(guī)則會讓無人駕駛汽車摸不到頭腦。比如，如果谷歌公司的工程師嚴(yán)格按照司機(jī)守則為無人駕駛汽車編寫程序，在十字路口上一定要為其他汽車讓路，他們會發(fā)現(xiàn)，這臺太過老實的無人駕駛汽車永遠(yuǎn)也沒法走過這個路口。于是，他們對程序做了一點(diǎn)改進(jìn)，當(dāng)無人駕駛汽車等待一段時間后，就會自動緩慢向前移動，向其他汽車示意自己想要先走，而不只是傻傻地等待。

對于無人駕駛汽車來說，還有一個難題，即如何判斷自己所處的位置。GPS有時并不靠譜，誤差會達(dá)到幾米之多。無人駕駛汽車不僅能使用GPS，還能同時開啟照相機(jī)、雷達(dá)和測距激光，共同幫助校正GPS的數(shù)據(jù)。

除了擔(dān)任駕駛職責(zé)外，無人駕駛汽車還能自動調(diào)節(jié)汽車燃料進(jìn)出，提高能源利用率。代表前沿科技的無人駕駛汽車綜合了多項人工智能技術(shù)，越來越被人們所接受。通過特別許可，谷歌公司的無人駕駛汽車已經(jīng)在完全無人控制的情況下，在美國加利福尼亞州的公路和街區(qū)中穿行了成千上萬千米。相信世界上其他地方很快也會接納智能的無人駕駛汽車。

垃圾郵件獵手

如今，全世界的電子郵件中，每10封恐怕有9封都是垃圾郵件。如果這些垃圾郵件和正常郵件混在一起出現(xiàn)在你的收件夾里，電子郵件的方便快捷功能將大打折扣。通過垃圾郵件過濾器，你可以把垃圾郵件從收件夾里過濾出來。

要判斷什么樣的郵件才算是垃圾郵件，只要看一下郵箱主人打開郵箱后，把哪些郵件加上星號保留，哪些郵件看也不看就直接刪掉即可。這些舉動為垃圾郵件過濾器提供了最好的參考。電腦程序根據(jù)這些信息把每封郵件分解成很多個特征，每個特征可以是一個單詞或詞組，也可以是郵件發(fā)送的時間，還可以是發(fā)送郵件的電腦信息。這些特征可以幫助電腦程序判斷一封郵件是否垃圾郵件。比如，一封郵件里包含“最低價格”“精心包裝”兩個詞組。根據(jù)全球統(tǒng)計數(shù)據(jù)，這兩個詞組在垃圾郵件中出現(xiàn)的概率高達(dá)8%和3%；而在正常郵件中，它們出現(xiàn)的概率只有0.1%和0.3%。之后根據(jù)數(shù)學(xué)上的貝葉斯定律公式，計算出這封郵件是垃圾郵件的概率高達(dá)99.9%。

重要的是，垃圾郵件過濾器需要根據(jù)經(jīng)驗不斷更新判別模式。再好的垃圾郵件過濾器也會有犯錯誤的時候，可能放過壞郵件，也可能錯殺好郵件。每當(dāng)郵箱主人把一封垃圾郵件從垃圾郵件箱移回收件夾或者標(biāo)識并刪除一封遺漏在收件夾里的垃圾郵件，垃圾郵件過濾器會立刻更正自己的參數(shù)，做出改進(jìn)，以提高識別垃圾郵件的準(zhǔn)確率。

自動翻譯高手

2012年，“谷歌翻譯”的翻譯總量超過所有專業(yè)翻譯員的翻譯總量?！肮雀璺g”掌握65種語言，可以任選其中兩種語言進(jìn)行互譯?！肮雀璺g”得以運(yùn)行，全靠人工智能領(lǐng)域的概率推理技術(shù)。

很多年前，語言學(xué)家通過雙語字典和語法規(guī)則來構(gòu)建自動翻譯系統(tǒng)。遺憾的是，這樣做失敗了，如此翻譯會很生硬、不靈活。比如，在法語語法規(guī)則里，形容詞一般置于名詞后。而在英語語法規(guī)則里，形容詞一般置于名詞前。當(dāng)然，也有例外的時候，比如，英語中表達(dá)“神奇的光”時，使用“the light fantastic”詞組，形容詞fantastic置于名詞light之后。

過去十多年，自動翻譯依靠的不再是語言學(xué)家手寫的規(guī)則，而是從現(xiàn)實案例中學(xué)習(xí)而來的概率準(zhǔn)則，就好像以往是通過背單詞和記語法來學(xué)外語，而現(xiàn)在是通過身臨語言環(huán)境中學(xué)習(xí)。自動翻譯另外一個重要方面是電腦和真人之間的配合和交互，很多自動翻譯系統(tǒng)都是先在互聯(lián)網(wǎng)上搜集大量真人翻譯過的文件作為參考。

當(dāng)然，自動翻譯還遠(yuǎn)遠(yuǎn)稱不上完美，但是它正在被逐步改進(jìn)——準(zhǔn)確率越來越高，翻譯的語言種類也越來越多。谷歌公司正在開發(fā)一個名為“翻譯”（Translate）的安卓手機(jī)程序，當(dāng)你與對方通話時，你可以說母語，該程序根據(jù)你的選擇，把你所說的話轉(zhuǎn)換成對方的母語，發(fā)送給對方，而對方在和你通話時也可以說母語。隨著自動翻譯技術(shù)的發(fā)展，一個被長久期盼的誘人目標(biāo)將有機(jī)會實現(xiàn)——每個人不需要學(xué)習(xí)任何外語，就可以和世界各地的朋友進(jìn)行交流。

讓程序自我進(jìn)化

現(xiàn)今大多數(shù)的人工智能系統(tǒng)如果完全依靠手動來編寫程序，會變得很復(fù)雜，一個另辟蹊徑的方法是讓電腦程序自己進(jìn)化自己。在虛擬的環(huán)境中，程序通過不斷的迭代，嘗試變化各種參數(shù)，在不斷嘗試和失敗之中，程序逐漸“自然而然”變成設(shè)計者期望的樣子。

首先，設(shè)計者們?yōu)槌绦虼罱ㄒ粋€模擬環(huán)境。就垃圾郵件過濾器的程序而言，“環(huán)境”就是大量郵件，既包括正常郵件又包括垃圾郵件。然后，程序的不同版本同時在模擬環(huán)境中接受檢驗，輸出各自不同的結(jié)果。在對結(jié)果進(jìn)行評分后，分?jǐn)?shù)差的程序被淘汰，分?jǐn)?shù)好的程序被進(jìn)一步修改。修改后的程序再次接受檢驗，同樣優(yōu)勝劣汰。如此往復(fù)，最后，程序可以自然進(jìn)化成比較理想的狀態(tài)。

這個過程其實有點(diǎn)類似自然界中所發(fā)生的“弱肉強(qiáng)食、適者生存”。而一個程序的某個參數(shù)被修改如同自然選擇中的基因發(fā)生隨機(jī)突變；兩個程序還可以各取一部分交叉到一起產(chǎn)生一個新的程序，就如同動物交配產(chǎn)生后代一樣。這種讓程序自我進(jìn)化的方法被稱為“遺傳算法”。

電腦也需要直覺

人永遠(yuǎn)不是絕對理性的，我們在做決定的時候會犯很多常見的錯誤，并且容易受到無關(guān)細(xì)節(jié)的干擾。有時，我們相信自己的直覺，未經(jīng)深思熟慮，即匆忙做出決定。我們曾經(jīng)認(rèn)為，“冷靜”的電腦不像人一樣沖動，一定是件好事?？墒牵罱恼J(rèn)知科學(xué)研究發(fā)現(xiàn)，事實并非如此。

一個人先天具有兩種互補(bǔ)的做決定的方式，一種是緩慢的、深思熟慮的、理性的，另一種是迅速的、沖動的，通過聯(lián)系當(dāng)前情況和以往經(jīng)驗，快速做出決定。第二種方式或許才是人類智能高效的關(guān)鍵。

不難想象，深思熟慮和理性必定要以耗費(fèi)更多的時間和精力為代價。比如，有一輛車正迎面撞向你駕駛的車，你需要立刻做出反應(yīng)，或者鳴笛，或者剎車，或者轉(zhuǎn)向，而不是經(jīng)過復(fù)雜的計算決定哪種選擇最優(yōu)，估計等結(jié)果算出來事故已經(jīng)發(fā)生了。此時，快速反應(yīng)成為關(guān)鍵。在非緊急情況下，這種快速反應(yīng)同樣有益。比如，如果每天都在認(rèn)真思考到底穿深藍(lán)色衣服還是淺藍(lán)色衣服這類無傷大雅的問題，會浪費(fèi)大量的時間和精力，耽誤更重要的事情。

那么，是否應(yīng)該給人工智能加入直覺成分呢？事實上，很多現(xiàn)代人工智能系統(tǒng)包含兩部分，一部分用于瞬時反應(yīng)，一部分用于理性分析。一些機(jī)器人使用多層系統(tǒng)結(jié)構(gòu)，最底層只做反應(yīng)；較高層則負(fù)責(zé)抑制這些反應(yīng)，組織更多目標(biāo)行為。這種方式很有效，控制步行機(jī)器人在凹凸不平的地面上行走就是一個例子。

另外一種方式是在人工智能程序中加入一些“情感”。比如，如果一個機(jī)器人反復(fù)嘗試做一件事情，不斷遭遇失敗后，一個表達(dá)“氣餒”情感的電路就可以“激勵”機(jī)器人轉(zhuǎn)換思路。人工智能的創(chuàng)始者之一馬文·明斯基認(rèn)為，情感并非人腦的一個獨(dú)立事件，而是人腦的多個部分之間、人腦和身體之間的互作。畢竟，人是感性動物。在我們做出某些選擇時，情感因素高于其他因素。如果一個電腦程序受到情感驅(qū)使，自然更像人類智能。

像大腦一樣的機(jī)器

既然我們的目標(biāo)是制造一臺具有人類智能的機(jī)器，為何不直接復(fù)制一下人腦呢？畢竟，人類自己是智能的最好樣本。過去幾十年，神經(jīng)科學(xué)為大腦如何處理和存儲信息提供了很多新的認(rèn)識。

人腦是由連接著1000億個神經(jīng)元的100萬億個神經(jīng)突觸組成的網(wǎng)絡(luò)，這些神經(jīng)突觸和神經(jīng)元的狀態(tài)每秒改變10~100次。人腦的這種結(jié)構(gòu)使得它非常擅長諸如在圖片中辨認(rèn)物體之類的任務(wù)。一臺超級計算機(jī)擁有100萬億字節(jié)的內(nèi)存，擁有的晶體管電路的運(yùn)算速度比人腦至少快1億倍，這種結(jié)構(gòu)使得計算機(jī)擅長有明確定義、工作量大、要求精確的任務(wù)。

這兩種結(jié)構(gòu)各有優(yōu)缺點(diǎn)。如果完成模糊性任務(wù)，人腦更占優(yōu)勢。比如，諸如識別面孔的任務(wù)，無需計算高度精確的電路。

相比于超級計算機(jī)，人腦是一臺節(jié)能機(jī)器。人腦進(jìn)行各種計算時，所需功率約20瓦，只相當(dāng)于一個亮度很低的老式電燈泡。而一臺進(jìn)行類似計算的超級計算機(jī)所需功率約20萬瓦。據(jù)統(tǒng)計，2010年，谷歌公司用電23億千瓦時（度），相當(dāng)于20.7萬戶美國家庭一年的用電量、41座帝國大廈一年的用電量。一個表面上看起來并非傳統(tǒng)重工業(yè)的公司卻是個耗電大戶，這不由引發(fā)研究人員思考人腦的節(jié)能高效。

我們都知道，任何一臺電腦都有CPU、內(nèi)存和硬盤。假設(shè)CPU是你，內(nèi)存是桌子，硬盤是柜子，而程序則是那些你放在柜子里的各種書籍、文件、玩具等，CPU負(fù)責(zé)運(yùn)算和執(zhí)行各個程序，硬盤存儲著各個程序。如果想看書或玩玩具，你得先把相應(yīng)的東西從柜子里拿出來放到桌面上，然后才可以在桌面上看書或玩玩具。桌子就相當(dāng)于內(nèi)存，是一個臨時存儲程序的地方。在電腦里，這三個部件缺一不可。可是，在人腦里，我們并沒有相應(yīng)的這些部件，處理、存儲信息都是放在一起同時進(jìn)行的。按照傳統(tǒng)計算機(jī)的結(jié)構(gòu)，你玩完玩具想去看書，需要先把玩具從桌子放回柜子里，然后再從柜子里拿一本書放到桌子上，完成多個不同任務(wù)需要一道道的工序，效率就會降低，可是人腦允許你同時做很多件事情，不需要做完一件再做另外一件。

據(jù)此，很多研究人員正在模仿人腦制造新型計算機(jī)：它們平行地而不是一件一件地完成任務(wù)，它們更加模擬化而不是數(shù)字化，它們雖然會慢一些但是耗能較少。（來源：果殼網(wǎng)）

一個人先天具有兩種互補(bǔ)的做決定的方式，一種是緩慢的、深思熟慮的、理性的，另一種是迅速的、沖動的，通過聯(lián)系當(dāng)前情況和以往經(jīng)驗，快速做出決定。第二種方式或許才是人類智能高效的關(guān)鍵。

不難想象，深思熟慮和理性必定要以耗費(fèi)更多的時間和精力為代價。比如，有一輛車正迎面撞向你駕駛的車，你需要立刻做出反應(yīng)，或者鳴笛，或者剎車，或者轉(zhuǎn)向，而不是經(jīng)過復(fù)雜的計算決定哪種選擇最優(yōu)，估計等結(jié)果算出來事故已經(jīng)發(fā)生了。此時，快速反應(yīng)成為關(guān)鍵。在非緊急情況下，這種快速反應(yīng)同樣有益。比如，如果每天都在認(rèn)真思考到底穿深藍(lán)色衣服還是淺藍(lán)色衣服這類無傷大雅的問題，會浪費(fèi)大量的時間和精力，耽誤更重要的事情。

那么，是否應(yīng)該給人工智能加入直覺成分呢？事實上，很多現(xiàn)代人工智能系統(tǒng)包含兩部分，一部分用于瞬時反應(yīng)，一部分用于理性分析。一些機(jī)器人使用多層系統(tǒng)結(jié)構(gòu)，最底層只做反應(yīng)；較高層則負(fù)責(zé)抑制這些反應(yīng)，組織更多目標(biāo)行為。這種方式很有效，控制步行機(jī)器人在凹凸不平的地面上行走就是一個例子。

另外一種方式是在人工智能程序中加入一些“情感”。比如，如果一個機(jī)器人反復(fù)嘗試做一件事情，不斷遭遇失敗后，一個表達(dá)“氣餒”情感的電路就可以“激勵”機(jī)器人轉(zhuǎn)換思路。人工智能的創(chuàng)始者之一馬文·明斯基認(rèn)為，情感并非人腦的一個獨(dú)立事件，而是人腦的多個部分之間、人腦和身體之間的互作。畢竟，人是感性動物。在我們做出某些選擇時，情感因素高于其他因素。如果一個電腦程序受到情感驅(qū)使，自然更像人類智能。

像大腦一樣的機(jī)器

既然我們的目標(biāo)是制造一臺具有人類智能的機(jī)器，為何不直接復(fù)制一下人腦呢？畢竟，人類自己是智能的最好樣本。過去幾十年，神經(jīng)科學(xué)為大腦如何處理和存儲信息提供了很多新的認(rèn)識。

人腦是由連接著1000億個神經(jīng)元的100萬億個神經(jīng)突觸組成的網(wǎng)絡(luò)，這些神經(jīng)突觸和神經(jīng)元的狀態(tài)每秒改變10~100次。人腦的這種結(jié)構(gòu)使得它非常擅長諸如在圖片中辨認(rèn)物體之類的任務(wù)。一臺超級計算機(jī)擁有100萬億字節(jié)的內(nèi)存，擁有的晶體管電路的運(yùn)算速度比人腦至少快1億倍，這種結(jié)構(gòu)使得計算機(jī)擅長有明確定義、工作量大、要求精確的任務(wù)。

這兩種結(jié)構(gòu)各有優(yōu)缺點(diǎn)。如果完成模糊性任務(wù)，人腦更占優(yōu)勢。比如，諸如識別面孔的任務(wù)，無需計算高度精確的電路。

相比于超級計算機(jī)，人腦是一臺節(jié)能機(jī)器。人腦進(jìn)行各種計算時，所需功率約20瓦，只相當(dāng)于一個亮度很低的老式電燈泡。而一臺進(jìn)行類似計算的超級計算機(jī)所需功率約20萬瓦。據(jù)統(tǒng)計，2010年，谷歌公司用電23億千瓦時（度），相當(dāng)于20.7萬戶美國家庭一年的用電量、41座帝國大廈一年的用電量。一個表面上看起來并非傳統(tǒng)重工業(yè)的公司卻是個耗電大戶，這不由引發(fā)研究人員思考人腦的節(jié)能高效。

我們都知道，任何一臺電腦都有CPU、內(nèi)存和硬盤。假設(shè)CPU是你，內(nèi)存是桌子，硬盤是柜子，而程序則是那些你放在柜子里的各種書籍、文件、玩具等，CPU負(fù)責(zé)運(yùn)算和執(zhí)行各個程序，硬盤存儲著各個程序。如果想看書或玩玩具，你得先把相應(yīng)的東西從柜子里拿出來放到桌面上，然后才可以在桌面上看書或玩玩具。桌子就相當(dāng)于內(nèi)存，是一個臨時存儲程序的地方。在電腦里，這三個部件缺一不可?？墒?，在人腦里，我們并沒有相應(yīng)的這些部件，處理、存儲信息都是放在一起同時進(jìn)行的。按照傳統(tǒng)計算機(jī)的結(jié)構(gòu)，你玩完玩具想去看書，需要先把玩具從桌子放回柜子里，然后再從柜子里拿一本書放到桌子上，完成多個不同任務(wù)需要一道道的工序，效率就會降低，可是人腦允許你同時做很多件事情，不需要做完一件再做另外一件。

據(jù)此，很多研究人員正在模仿人腦制造新型計算機(jī)：它們平行地而不是一件一件地完成任務(wù)，它們更加模擬化而不是數(shù)字化，它們雖然會慢一些但是耗能較少。（來源：果殼網(wǎng)）

一個人先天具有兩種互補(bǔ)的做決定的方式，一種是緩慢的、深思熟慮的、理性的，另一種是迅速的、沖動的，通過聯(lián)系當(dāng)前情況和以往經(jīng)驗，快速做出決定。第二種方式或許才是人類智能高效的關(guān)鍵。

不難想象，深思熟慮和理性必定要以耗費(fèi)更多的時間和精力為代價。比如，有一輛車正迎面撞向你駕駛的車，你需要立刻做出反應(yīng)，或者鳴笛，或者剎車，或者轉(zhuǎn)向，而不是經(jīng)過復(fù)雜的計算決定哪種選擇最優(yōu)，估計等結(jié)果算出來事故已經(jīng)發(fā)生了。此時，快速反應(yīng)成為關(guān)鍵。在非緊急情況下，這種快速反應(yīng)同樣有益。比如，如果每天都在認(rèn)真思考到底穿深藍(lán)色衣服還是淺藍(lán)色衣服這類無傷大雅的問題，會浪費(fèi)大量的時間和精力，耽誤更重要的事情。

那么，是否應(yīng)該給人工智能加入直覺成分呢？事實上，很多現(xiàn)代人工智能系統(tǒng)包含兩部分，一部分用于瞬時反應(yīng)，一部分用于理性分析。一些機(jī)器人使用多層系統(tǒng)結(jié)構(gòu)，最底層只做反應(yīng)；較高層則負(fù)責(zé)抑制這些反應(yīng)，組織更多目標(biāo)行為。這種方式很有效，控制步行機(jī)器人在凹凸不平的地面上行走就是一個例子。

另外一種方式是在人工智能程序中加入一些“情感”。比如，如果一個機(jī)器人反復(fù)嘗試做一件事情，不斷遭遇失敗后，一個表達(dá)“氣餒”情感的電路就可以“激勵”機(jī)器人轉(zhuǎn)換思路。人工智能的創(chuàng)始者之一馬文·明斯基認(rèn)為，情感并非人腦的一個獨(dú)立事件，而是人腦的多個部分之間、人腦和身體之間的互作。畢竟，人是感性動物。在我們做出某些選擇時，情感因素高于其他因素。如果一個電腦程序受到情感驅(qū)使，自然更像人類智能。

像大腦一樣的機(jī)器

既然我們的目標(biāo)是制造一臺具有人類智能的機(jī)器，為何不直接復(fù)制一下人腦呢？畢竟，人類自己是智能的最好樣本。過去幾十年，神經(jīng)科學(xué)為大腦如何處理和存儲信息提供了很多新的認(rèn)識。

人腦是由連接著1000億個神經(jīng)元的100萬億個神經(jīng)突觸組成的網(wǎng)絡(luò)，這些神經(jīng)突觸和神經(jīng)元的狀態(tài)每秒改變10~100次。人腦的這種結(jié)構(gòu)使得它非常擅長諸如在圖片中辨認(rèn)物體之類的任務(wù)。一臺超級計算機(jī)擁有100萬億字節(jié)的內(nèi)存，擁有的晶體管電路的運(yùn)算速度比人腦至少快1億倍，這種結(jié)構(gòu)使得計算機(jī)擅長有明確定義、工作量大、要求精確的任務(wù)。

這兩種結(jié)構(gòu)各有優(yōu)缺點(diǎn)。如果完成模糊性任務(wù)，人腦更占優(yōu)勢。比如，諸如識別面孔的任務(wù)，無需計算高度精確的電路。

相比于超級計算機(jī)，人腦是一臺節(jié)能機(jī)器。人腦進(jìn)行各種計算時，所需功率約20瓦，只相當(dāng)于一個亮度很低的老式電燈泡。而一臺進(jìn)行類似計算的超級計算機(jī)所需功率約20萬瓦。據(jù)統(tǒng)計，2010年，谷歌公司用電23億千瓦時（度），相當(dāng)于20.7萬戶美國家庭一年的用電量、41座帝國大廈一年的用電量。一個表面上看起來并非傳統(tǒng)重工業(yè)的公司卻是個耗電大戶，這不由引發(fā)研究人員思考人腦的節(jié)能高效。

我們都知道，任何一臺電腦都有CPU、內(nèi)存和硬盤。假設(shè)CPU是你，內(nèi)存是桌子，硬盤是柜子，而程序則是那些你放在柜子里的各種書籍、文件、玩具等，CPU負(fù)責(zé)運(yùn)算和執(zhí)行各個程序，硬盤存儲著各個程序。如果想看書或玩玩具，你得先把相應(yīng)的東西從柜子里拿出來放到桌面上，然后才可以在桌面上看書或玩玩具。桌子就相當(dāng)于內(nèi)存，是一個臨時存儲程序的地方。在電腦里，這三個部件缺一不可?？墒?，在人腦里，我們并沒有相應(yīng)的這些部件，處理、存儲信息都是放在一起同時進(jìn)行的。按照傳統(tǒng)計算機(jī)的結(jié)構(gòu)，你玩完玩具想去看書，需要先把玩具從桌子放回柜子里，然后再從柜子里拿一本書放到桌子上，完成多個不同任務(wù)需要一道道的工序，效率就會降低，可是人腦允許你同時做很多件事情，不需要做完一件再做另外一件。

據(jù)此，很多研究人員正在模仿人腦制造新型計算機(jī)：它們平行地而不是一件一件地完成任務(wù)，它們更加模擬化而不是數(shù)字化，它們雖然會慢一些但是耗能較少。（來源：果殼網(wǎng)）