人的大腦是數字計算機嗎？

人的大腦是數字計算機嗎？

一個基本的問題是,就像數學家現在認識到的,他們在50年前犯了一 個重大的錯誤，認為大腦類似於大型數字計算機。但是現在人們痛苦地認 識到，顯然不是這樣的。大腦沒有晶元，沒有操作系 統,沒有應用軟體,沒有CPU,沒有程序設計,沒有子程序，而這些都是現代 數字計算機的代表。事實上，數字計算機的結構與大腦截然不同。大腦是 某種類型的學習機器，是一個神經細胞（即神經元）

的集合,每當它學會一 個任務後就會自己不斷地重新接線。（然而,計算機根本不學習，你的計算 機昨天是個啞巴,今天仍然是個啞巴。)

因此至少有兩種方法模擬大腦。第一個,從上到下的方法，它是將機器 人處理成數字計算機，從一開始就編製所有的智能規則。一個計算機可以 依次拆解成某些叫做圖靈機(Turing machine)的東西,這是由偉大的英國數 學家阿蘭?圖靈（Alan Turing)提出的假想的設備。一個圖靈機由三個基本

構件組成:輸入，中央處理器消化輸人的數據，輸出。所有的數字計算機都 是根據這個簡單的模式。這個方法的目標是有一張光碟，上面編製了所有 的智能規則。插人光碟，計算機突然就變活了，有智能了。因此，這個神秘 的光碟含有所有創建智能機器所需的所有軟體。

然而，我們的大腦根本沒有程序或軟體。我們的大腦更像一個「神經 網路」（neural network)，一個複雜的、一堆雜亂的、不斷自己重新連接的神 經元（即神經細胞）。

神經網路遵循赫布規則，每當做出一個正確的決定，這些 神經通路就得到增強。它是在每次成功完成一個任務後，通過簡單地改變 神經元之間的某錢電的連接強度實現這個功能。（赫布規則可以用一個古 老的問題來表示:一個音樂家如何到達卡內基大廳？

同答是:練習、練習、練 習。對於一個神經網路，練習使其完善。赫布規則也能夠解釋為什麼壞習 慣如此難改，因為壞習慣的神經路徑是根深蒂固的。)

神經網路是基於從下到上的方法。不是用勺子餵養的方式輸入所有的 智能規則，神經網路是按照嬰兒學習的方式進行學習的,靠硫疏碰碰接觸事 物和靠經驗學習。神經網路不是應用編程，而是按古老的方式，通過「學校 艱苦的灌輸」進行學習。

神經網路與數字計算機的結構完全不同。如果你去掉數字計算機中央 處理器的一個晶體管,計算機就會癱瘓。然而，如果你去掉一大塊人的大 腦，它仍然能夠工作，其他的部分將取代丟失的部分。此外，可以精確地找 出數字計算機是在哪裡思考:是在它的中央處理器。然而,大腦掃描淸楚表 明，思考是散布在大部分的大腦上。不同的部分按精確的順序激活,思想就 好像乒乓球一樣到處跳來跳去^

數字計算機能夠以幾乎是光的速度進行計算。相反，人的大腦是難以 置信的慢。神經脈衝傳播的速度相當慢，大約每小時200英里(322公里）。 但是大腦可以彌補這一點，因為它是大童平行運算的，有1 000億個神經細 胞在同時運作，每一個神經細胞進行一小點計算，每一個神經細胞連接 10 000個其他神經細胞。在一次比賽中，一個超快的單個處理器不如超慢 的平行處理器。（這就回到一個古老的謎:如果一隻貓一分鐘吃掉一隻老 鼠，100萬隻貓需要多少時間吃掉100萬隻老鼠呢？）

此外,大腦不是數字的。晶體管是一個門，可以打開或關閉，代表1或

0。神經元也是數字的（可以激發或不激發），但它們也可以是模擬的，可以 傳遞連續信號,也可以傳遞離散信號。

機器人的兩個問題

由於與人腦相比計算機有明顯的局限性，人們才能認識到為什麼計算 機不能完成人們輕而易舉就能完成的兩個關鍵任務:模式識別和常識。這 兩個問題使得過去半個世紀找不到解決方案。這就是為什麼我們不能有機器人女僕、男管家和秘書的主要原因。

第一個問題是模式識別。機器人比人還看得清楚，但它們不懂看到的 是什麼。當一個機器人在房間內走動時，它把看到的圖像轉換成一大堆小 點。通過處理這些小點，它能夠識別線、圓形、正方形和矩形。然後，機器人 試圖將這一大堆點，一個一個地與它存儲器中存儲的物體比較,即便是對於 計算機來說這也是一個特別繁重的任務。經過很多小時的計算，機器人才 能將這些線與椅子、桌子和人匹配。與之相反，當我們走進房間，只需幾分 之一秒，我們就能識別椅子、桌子、書桌和人。的確，我們的大腦主要是一個 模式識別機。

第二，機器人沒有常識。儘管機器人比人的聽力還要好，它們不理解聽 到的是什麼。例如,考慮一下下面的陳述：

?孩子喜歡糖但不喜歡懲罰

?繩子可以拉但不能推

?棍子能夠推但不能拉

?動物不能說話和不懂得人類語言

?旋轉讓人感到眩暈

對於我們來說，這些陳述只是常識。但是對於機器人來說卻不是這樣。 沒有邏輯或程序證明繩子可以拉但不能推。我們是通過經驗知道這些「明 顯」的陳述是對的，而不是因為在我們的記憶中有編製的程序。

自上而下的方法的問題在於，需要很多行的代碼才能模擬人的常識。 例如，需要幾億行的代碼才能描述一個6歲孩子所知道的常識的規律。位 於卡內基梅隆的人工智慧實驗室前主任漢斯?莫拉維克（Hans Moravec)悲 哀地說:「到今天為止，人工智慧程序沒有顯示一點常識的判斷力，例如,一 個醫療診斷程序面對一輛破自行車，它可能開出一個抗生素的處方，因為它 沒有人、疾病或自行車的模型。」

然而,有些科學家堅持相信掌握常識的判斷力的唯一障礙是沒有理性 的力。他們感到，一個新的曼哈頓項目，像建造原子彈那樣的計劃將肯定會 解決常識的判斷力問題。一個未能實現的要建立「思想百科全書」 (encyclopedia of thought)的計劃叫做CYC,開始於1984年。它想要成為人 工智能的最髙的成就，這個項目要把所有常識的判斷力的秘密解碼編製成 簡單的程序。然而，經過幾十年艱苦的工作，CYC項目未能實現它自己的 目標。

?

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！