人的大脑是数字计算机吗？

另リ問

人的大脑是数字计算机吗？

一个基本的问题是,就像数学家现在认识到的,他们在50年前犯了一 个重大的错误，认为大脑类似于大型数字计算机。但是现在人们痛苦地认 识到，显然不是这样的。大脑没有芯片，没有操作系 统,没有应用软件,没有CPU,没有程序设计,没有子程序，而这些都是现代 数字计算机的代表。事实上，数字计算机的结构与大脑截然不同。大脑是 某种类型的学习机器，是一个神经细胞（即神经元）

的集合,每当它学会一 个任务后就会自己不断地重新接线。（然而,计算机根本不学习，你的计算 机昨天是个哑巴,今天仍然是个哑巴。)

因此至少有两种方法模拟大脑。第一个,从上到下的方法，它是将机器 人处理成数字计算机，从一开始就编制所有的智能规则。一个计算机可以 依次拆解成某些叫做图灵机(Turing machine)的东西,这是由伟大的英国数 学家阿兰图灵（Alan Turing)提出的假想的设备。一个图灵机由三个基本

构件组成:输入，中央处理器消化输人的数据，输出。所有的数字计算机都 是根据这个简单的模式。这个方法的目标是有一张光盘，上面编制了所有 的智能规则。插人光盘，计算机突然就变活了，有智能了。因此，这个神秘 的光盘含有所有创建智能机器所需的所有软件。

然而，我们的大脑根本没有程序或软件。我们的大脑更像一个“神经 网络”（neural network)，一个复杂的、一堆杂乱的、不断自己重新连接的神 经元（即神经细胞）。
神经网络遵循赫布规则，每当做出一个正确的决定，这些 神经通路就得到增强。它是在每次成功完成一个任务后，通过简单地改变 神经元之间的某钱电的连接强度实现这个功能。（赫布规则可以用一个古 老的问题来表示:一个音乐家如何到达卡内基大厅？

同答是:练习、练习、练 习。对于一个神经网络，练习使其完善。赫布规则也能够解释为什么坏习 惯如此难改，因为坏习惯的神经路径是根深蒂固的。)

神经网络是基于从下到上的方法。不是用勺子喂养的方式输入所有的 智能规则，神经网络是按照婴儿学习的方式进行学习的,靠硫疏碰碰接触事 物和靠经验学习。神经网络不是应用编程，而是按古老的方式，通过“学校 艰苦的灌输”进行学习。
神经网络与数字计算机的结构完全不同。如果你去掉数字计算机中央 处理器的一个晶体管,计算机就会瘫痪。然而，如果你去掉一大块人的大 脑，它仍然能够工作，其他的部分将取代丢失的部分。此外，可以精确地找 出数字计算机是在哪里思考:是在它的中央处理器。然而,大脑扫描淸楚表 明，思考是散布在大部分的大脑上。不同的部分按精确的顺序激活,思想就 好像乒乓球一样到处跳来跳去^

数字计算机能够以几乎是光的速度进行计算。相反，人的大脑是难以 置信的慢。神经脉冲传播的速度相当慢，大约每小时200英里(322公里）。 但是大脑可以弥补这一点，因为它是大童平行运算的，有1 000亿个神经细 胞在同时运作，每一个神经细胞进行一小点计算，每一个神经细胞连接 10 000个其他神经细胞。在一次比赛中，一个超快的单个处理器不如超慢 的平行处理器。（这就回到一个古老的谜:如果一只猫一分钟吃掉一只老 鼠，100万只猫需要多少时间吃掉100万只老鼠呢？）
此外,大脑不是数字的。晶体管是一个门，可以打开或关闭，代表1或
0。神经元也是数字的（可以激发或不激发），但它们也可以是模拟的，可以 传递连续信号,也可以传递离散信号。
机器人的两个问题
由于与人脑相比计算机有明显的局限性，人们才能认识到为什么计算 机不能完成人们轻而易举就能完成的两个关键任务:模式识别和常识。这 两个问题使得过去半个世纪找不到解决方案。这就是为什么我们不能有机器人女仆、男管家和秘书的主要原因。

第一个问题是模式识别。机器人比人还看得清楚，但它们不懂看到的 是什么。当一个机器人在房间内走动时，它把看到的图像转换成一大堆小 点。通过处理这些小点，它能够识别线、圆形、正方形和矩形。然后，机器人 试图将这一大堆点，一个一个地与它存储器中存储的物体比较,即便是对于 计算机来说这也是一个特别繁重的任务。经过很多小时的计算，机器人才 能将这些线与椅子、桌子和人匹配。与之相反，当我们走进房间，只需几分 之一秒，我们就能识别椅子、桌子、书桌和人。的确，我们的大脑主要是一个 模式识别机。

第二，机器人没有常识。尽管机器人比人的听力还要好，它们不理解听 到的是什么。例如,考虑一下下面的陈述：
孩子喜欢糖但不喜欢惩罚
绳子可以拉但不能推
棍子能够推但不能拉
动物不能说话和不懂得人类语言
旋转让人感到眩晕
对于我们来说，这些陈述只是常识。但是对于机器人来说却不是这样。 没有逻辑或程序证明绳子可以拉但不能推。我们是通过经验知道这些“明 显”的陈述是对的，而不是因为在我们的记忆中有编制的程序。
自上而下的方法的问题在于，需要很多行的代码才能模拟人的常识。 例如，需要几亿行的代码才能描述一个6岁孩子所知道的常识的规律。位 于卡内基梅隆的人工智能实验室前主任汉斯莫拉维克（Hans Moravec)悲 哀地说:“到今天为止，人工智能程序没有显示一点常识的判断力，例如,一 个医疗诊断程序面对一辆破自行车，它可能开出一个抗生素的处方，因为它 没有人、疾病或自行车的模型。”
然而,有些科学家坚持相信掌握常识的判断力的唯一障碍是没有理性 的力。他们感到，一个新的曼哈顿项目，像建造原子弹那样的计划将肯定会 解决常识的判断力问题。一个未能实现的要建立“思想百科全书” (encyclopedia of thought)的计划叫做CYC,开始于1984年。它想要成为人 工智能的最髙的成就，这个项目要把所有常识的判断力的秘密解码编制成 简单的程序。然而，经过几十年艰苦的工作，CYC项目未能实现它自己的 目标。

月月

我想知道机器人所谓模式和常识方面在面对经历过后的内容时是什么状况。请本文作者赐教

suzuki3550

大自然创造的生物比电脑复杂无数倍，世界充满了各种人类所探测不到的东西。暗物质、暗能量或者其它什么的，也许有也许没有，但若人身体的一部分也有这些东西构成，你就必须去了解它才能解开谜底。科学没有尽头。