AI：想要個(gè)大腦，真的好難

冷哲

以假亂真的外表，和人類一樣自如的行動(dòng)力，當(dāng)你和一個(gè)高仿真AI站在一起，該如何分辨誰才是真正的人類？除開幾乎無二的外在，最終區(qū)分二者的竟是一個(gè)能思考的大腦！畢竟這個(gè)人類進(jìn)化了幾億年的器官，可不是那么輕易就能模仿的！（不然人類的尊嚴(yán)何在？）不過，當(dāng)你弄清楚了大腦進(jìn)化的過程，以及科學(xué)家們?cè)谔剿鞔竽X、模仿大腦上所作出的努力，大概就能知道，為什么AI想要擁有一個(gè)大腦是那么難的事兒了。

大腦進(jìn)化史

雖然人們對(duì)AI的研究才開始不久，但人類大腦的進(jìn)化卻可以追溯到古海洋時(shí)代，一種大約在8.5億年前出現(xiàn)的領(lǐng)鞭毛蟲被認(rèn)為是動(dòng)物的祖先。而到了大約6 億年前，類似于大腦的神經(jīng)核團(tuán)開始出現(xiàn)在蠕蟲類動(dòng)物中。神經(jīng)核團(tuán)是原始的中央神經(jīng)系統(tǒng)，能夠處理各種信息，這使得動(dòng)物可以對(duì)更復(fù)雜的外界環(huán)境做出反應(yīng)。到了約5億年前，有些動(dòng)物發(fā)生了基因突變，導(dǎo)致了基因組被復(fù)制加倍，為衍化出復(fù)雜的大腦埋下了伏筆，它提供了豐富的新基因片段，使得大腦分化出不同的腦區(qū)來表達(dá)不同類型的神經(jīng)遞質(zhì)，產(chǎn)生了各種不同的功能。

時(shí)間推進(jìn)到大約3.6億年前，我們的祖先終于登陸了。隨后，它們進(jìn)化為最早的哺乳動(dòng)物，在大腦表層形成了一個(gè)較小的大腦皮層，從而擁有了復(fù)雜和多變的行為。隨著恐龍的滅絕，一些哺乳類動(dòng)物開始爬上樹生活，它們成為了靈長(zhǎng)類動(dòng)物的祖先。更好的視覺使它們能夠追蹤昆蟲，也使得它們擁有更大的視覺皮層。和現(xiàn)代靈長(zhǎng)類動(dòng)物相似，它們更傾向于群居，這要求每一位成員都具有更強(qiáng)的腦功能?？茖W(xué)家認(rèn)為這也許可以解釋靈長(zhǎng)類動(dòng)物前額葉區(qū)域的明顯擴(kuò)大，尤其是猿。根據(jù)科學(xué)家推測(cè)，人類的腦容量是在近250萬年間急劇增加的。

人腦進(jìn)化的重要里程碑是在大約200萬年前。從那時(shí)開始，人類學(xué)會(huì)了使用工具捕獵動(dòng)物，更豐富的食物來源加速了大腦的進(jìn)化。人類對(duì)于火的使用也具有舉足輕重的作用——烹煮過的食物讓人類能夠更好地汲取營(yíng)養(yǎng)，使得人類的消化道變短，人類可以省下大量用以維持消化道工作的能量，這些能量可供大腦使用。正是由于當(dāng)時(shí)人類的食物、文化、技能、群體和基因等各種因素的共同作用，最終導(dǎo)致了現(xiàn)代人類的大腦在20萬年前進(jìn)化成功。

大腦探索知多少

隨著復(fù)雜的進(jìn)化過程，大腦中形成了幾百億、上千億個(gè)神經(jīng)元，每個(gè)神經(jīng)元平均又有15000個(gè)突觸與其他神經(jīng)元相連。而我們大腦的核心，就是由這樣一個(gè)神經(jīng)元組成的超級(jí)復(fù)雜的神經(jīng)網(wǎng)絡(luò)。

要想知道人腦到底是怎么運(yùn)行的，就是要搞清楚電信號(hào)和化學(xué)信號(hào)在這個(gè)超級(jí)復(fù)雜的神經(jīng)網(wǎng)絡(luò)里面是怎么傳遞的。為了這個(gè)目的，歐盟和美國(guó)都發(fā)起了龐大的科研計(jì)劃。但由于人腦過于復(fù)雜，很多相關(guān)的科研只能從老鼠或者猴子起步，科研人員通過核磁共振或者顯微鏡來獲得神經(jīng)元的數(shù)據(jù)。雖然老鼠和猴子比人腦簡(jiǎn)單得多，但對(duì)于現(xiàn)有技術(shù)而言，仍然是極度復(fù)雜的。因此，研究人員不得不花費(fèi)大量精力來研發(fā)、修改所需的設(shè)備和算法，而這些研究依然進(jìn)展緩慢。

大腦模仿那些事兒

雖然對(duì)大腦的研究是緩慢的，但早在20世紀(jì)中期就有學(xué)者提出，能不能模仿大腦神經(jīng)元結(jié)構(gòu)，設(shè)計(jì)一種新的智能算法呢？正是這種思路最終促成了人工神經(jīng)網(wǎng)絡(luò)算法的發(fā)明，也為AI擁有人類“大腦”打下了基礎(chǔ)。

人工神經(jīng)網(wǎng)絡(luò)算法，就是用數(shù)學(xué)公式模仿神經(jīng)元中電信號(hào)的傳播。人工神經(jīng)網(wǎng)絡(luò)中有很多層，每一層都由很多個(gè)人工神經(jīng)元組成。每一個(gè)人工神經(jīng)元會(huì)對(duì)輸入的信號(hào)進(jìn)行一個(gè)簡(jiǎn)單的運(yùn)算，然后再發(fā)送給下一層的人工神經(jīng)元。每一個(gè)人工神經(jīng)元都有幾個(gè)可以調(diào)整的參數(shù)，通過對(duì)這些參數(shù)的調(diào)整，可以使人工神經(jīng)網(wǎng)絡(luò)算法產(chǎn)生出不同的運(yùn)算結(jié)果。

雖然人工神經(jīng)網(wǎng)絡(luò)算法已有不短的歷史，但在一開始的幾十年中，這一算法并沒有得到廣泛的運(yùn)用。直到2000年后，一些研究學(xué)者找到了一種能夠快速找出優(yōu)良參數(shù)的方法。通過這種方法，人們就可以做出擁有成千上萬個(gè)人工神經(jīng)元的巨大神經(jīng)網(wǎng)絡(luò)。這種巨大的神經(jīng)網(wǎng)絡(luò)因?yàn)閷訑?shù)很多，所以被稱為深度神經(jīng)網(wǎng)絡(luò)，而其找到優(yōu)秀參數(shù)的方法被稱為深度學(xué)習(xí)方法。深度神經(jīng)網(wǎng)絡(luò)可以用來解決一些極其復(fù)雜的問題，比如圖像識(shí)別、語音識(shí)別、翻譯等等。

這些算法雖然在形式上模仿了人腦，但其實(shí)際機(jī)理與人腦仍然相去甚遠(yuǎn)，必須要有海量的數(shù)據(jù)來支持。所以，目前的計(jì)算機(jī)算法還遠(yuǎn)遠(yuǎn)無法與人腦相比。此外，這些算法目前也不可能產(chǎn)生出能像人類一樣思考的人工智能。一方面是因?yàn)槿祟惾匀徊皇呛芰私庾约旱闹悄苁侨绾卧诖竽X里產(chǎn)生的和運(yùn)行的；另一方面是因?yàn)檫@些算法從本質(zhì)上而言還只是一些非常固定的函數(shù)，相比于人腦仍然過于簡(jiǎn)陋。漫長(zhǎng)的進(jìn)化，大腦本身復(fù)雜的結(jié)構(gòu)和特性，探索的挑戰(zhàn)與難題……看來，想要在近幾十年來就讓AI和人類一樣擁有一個(gè)真正的大腦，還真是一件沒那么容易的事兒呢！AI需要繼續(xù)等待，而人類也將繼續(xù)探索！