你如果生活在這個(gè)地球上,，這幾天就一定聽說過圍棋的人機(jī)大戰(zhàn),。如果你關(guān)注,，應(yīng)該也會(huì)在各種報(bào)道分析文章中看到過“神經(jīng)網(wǎng)絡(luò)”、”深度學(xué)習(xí)“這樣的詞匯,。神經(jīng)網(wǎng)絡(luò)是一項(xiàng)重要的計(jì)算機(jī)技術(shù),，要理解人工智能，需要從神經(jīng)網(wǎng)絡(luò)談起,。 理性的困難 自從兩千多年前歐幾里得發(fā)表了公理體系,，邏輯推理和科學(xué)計(jì)算就成為一切科技的基礎(chǔ)，也就是所謂的“理性”,。計(jì)算機(jī)技術(shù)也在遵循這樣的原則,。計(jì)算機(jī)程序基本上都是：如果輸入等于A，就進(jìn)行如下計(jì)算,，如果結(jié)果等于B,，就執(zhí)行指令C，否則執(zhí)行指令D.....,，這樣的陳述,。如果我們?cè)煲粋€(gè)打乒乓球的機(jī)器人，它應(yīng)該這樣工作：
直到大約10年前,，大多數(shù)計(jì)算機(jī)行業(yè)的人仍然認(rèn)為人工智能也要遵循理性原則,，機(jī)器人要按照上面那樣的方法去設(shè)計(jì)。 但是,，直到今天,，也沒有人用這樣的方法造一個(gè)機(jī)器人去挑戰(zhàn)張繼科。這不是機(jī)器的過錯(cuò),，邏輯思維和科學(xué)計(jì)算畢竟不是人腦先天就具備的能力,，這樣的一個(gè)系統(tǒng)，設(shè)計(jì)起來太復(fù)雜了,。人體的工作方式是這樣的：
這套跟著感覺走的機(jī)制,，在現(xiàn)代科技面前顯得很高效。隨著計(jì)算機(jī)應(yīng)用的發(fā)展,，人們?cè)絹碓揭庾R(shí)到,，解決這個(gè)復(fù)雜世界中的很多問題時(shí)，”理性“的,，解析的方法,，或者低效，或者完全不可能,。 再舉一個(gè)例子： 怎樣判斷一張數(shù)碼圖片是不是林志玲,？按理性的思路,，要判斷就要求有定義，能導(dǎo)出一系列判據(jù)的定義才是有用的定義,。動(dòng)手寫程序之前,，我們就卡在這里了。純解析的方法也不是完全沒有希望,，經(jīng)過很多科技工作者多年的努力,，發(fā)現(xiàn)可以用人臉上幾個(gè)關(guān)鍵點(diǎn)，如眼角,、嘴角的坐標(biāo)鑒定人的身份,。但這個(gè)方法不可靠，人臉的角度,、表情都會(huì)影響到鑒定結(jié)果,，帶上墨鏡就完全不靈了。這又是一個(gè)理性完敗于感性的例子,，她的一顰一笑,，我們看一眼就能認(rèn)出來。 人腦的啟示 既然理性在很多實(shí)際應(yīng)用中輸給了感性,，可不可以用理性的方法,，去研究、去模仿感性呢,？有些人人認(rèn)為人類智慧是精神層面的東西,，和機(jī)器之間有不可跨越的鴻溝。然而人的智慧是由人腦實(shí)現(xiàn)的,，人腦是物質(zhì)的,，遵循物質(zhì)世界的規(guī)律。探尋智能的本質(zhì),，應(yīng)該從研究人腦開始,。 人腦雖然復(fù)雜，它的組成單元卻是相對(duì)簡(jiǎn)單的,。人的智能是由大腦皮層實(shí)現(xiàn)的，大腦皮層以及人的整個(gè)神經(jīng)系統(tǒng),，是由神經(jīng)元細(xì)胞組成的,。神經(jīng)元，是一個(gè)積累了足夠的輸入,，就產(chǎn)生一次輸出（興奮）的相對(duì)簡(jiǎn)單的裝置,。 神經(jīng)元示意圖 連在細(xì)胞膜上的分叉結(jié)構(gòu)叫樹突，是輸入,。那根長(zhǎng)長(zhǎng)的“尾巴”叫軸突,，是輸出,。神經(jīng)元輸出的有電信號(hào)和化學(xué)信號(hào)。最主要的是沿著軸突細(xì)胞膜表面?zhèn)鞑サ囊粋€(gè)電脈沖,，如下圖,。
神經(jīng)元和大腦結(jié)構(gòu)的一張比較浪漫的想象圖,。神經(jīng)元之間的連接實(shí)際上比這復(fù)雜得多。 人們估計(jì)人腦有1000億個(gè)神經(jīng)元,，1000萬億個(gè)突觸,。我們所有記憶、知識(shí)和智慧,，是儲(chǔ)存在這些突觸里的,，但人腦是怎么編碼、存儲(chǔ)這些信息的,，我們完全“摸不到頭腦”,。我們對(duì)外部信息的處理、以及直覺,、回憶,、思考等大腦活動(dòng)，都是由這些神經(jīng)元完成的,。神經(jīng)元的運(yùn)行速度大約是100Hz,，現(xiàn)代的CPU芯片要快幾千萬倍，但現(xiàn)代計(jì)算機(jī)的連通性,、大規(guī)模并行計(jì)算的能力,，要遠(yuǎn)遠(yuǎn)弱于人腦。所以,，現(xiàn)在的世界是人腦和計(jì)算機(jī)各有所長(zhǎng)的局面,。 神經(jīng)網(wǎng)絡(luò)算法 既然神經(jīng)元是一個(gè)功能相對(duì)簡(jiǎn)單的裝置，模擬人腦應(yīng)該從模擬神經(jīng)元開始,。人們提出用下面這個(gè)簡(jiǎn)單函數(shù)來模擬神經(jīng)元： 這個(gè)函數(shù)可以有很多輸入’X‘,，模擬樹突,；對(duì)應(yīng)于每一個(gè)輸入有一個(gè)權(quán)重’W‘，模擬突觸,；輸出是每一個(gè)輸入乘以權(quán)重在加起來’SUM‘,，模擬神經(jīng)元積累輸入產(chǎn)生輸出的機(jī)制；輸出再按照一條給定的曲線映射到0到1之間的一個(gè)數(shù),，模擬人腦判斷時(shí)的在’是‘和’否‘之間的模糊邏輯,。 用這樣的“神經(jīng)元”（Neuron）組成的神經(jīng)網(wǎng)絡(luò)（Neural networks）可以解決實(shí)際問題。上面這個(gè)網(wǎng)絡(luò)是用來識(shí)別手寫的數(shù)字‘0’,、‘1’,、....‘9’的。手寫字識(shí)別也是一個(gè)用傳統(tǒng)方法編程非常困難的問題,。 這張網(wǎng)絡(luò)被分成三層,，神經(jīng)網(wǎng)絡(luò)一般都是多層結(jié)構(gòu)，這也是受到了人腦的啟示,，大腦皮層有6層神經(jīng)元細(xì)胞,，人腦處理視頻信息也是分好幾個(gè)層次由不同的區(qū)域去處理。 這個(gè)算法把一張圖分成28x28=784個(gè)點(diǎn),，每一個(gè)點(diǎn)對(duì)應(yīng)一個(gè)第一層（Input Layer）神經(jīng)元,，輸入‘1’和‘0’表示黑和白；中間是個(gè)隱藏層（Hidden layer）,；第三層是輸出層有10個(gè)神經(jīng)元,，分別對(duì)應(yīng)著10個(gè)數(shù)字。這個(gè)網(wǎng)絡(luò)是有大量簡(jiǎn)單函數(shù)（神經(jīng)元）拼接出的復(fù)雜函數(shù),，輸入一張圖,，產(chǎn)生10個(gè)輸出。我們希望輸入一個(gè)手寫的‘9’的圖片時(shí),，對(duì)應(yīng)于‘9’的輸出神經(jīng)元輸出一個(gè)‘1’表示肯定,，其他的輸出‘0’表示否定；對(duì)其余9個(gè)數(shù)字也是一樣,。我們能做到嗎,？ 當(dāng)然可以，因?yàn)檫@個(gè)函數(shù)有一萬多權(quán)重作為參數(shù)可以調(diào)整,。學(xué)過高等數(shù)學(xué)的朋友都知道,，我們可以用一組簡(jiǎn)單函數(shù)去逼近一個(gè)復(fù)雜函數(shù)（比如1,x, x2, x3, ...），無論它有多復(fù)雜,，只要我們使用足夠多的參數(shù)就可以逼近它。一萬多個(gè)參數(shù)需要大量的數(shù)據(jù)點(diǎn)才能確定,。于是需要提供幾萬張手寫數(shù)字的圖片,，調(diào)整這些參數(shù)使這些數(shù)據(jù)點(diǎn)產(chǎn)生最好的吻合,，這在數(shù)學(xué)上是個(gè)優(yōu)化問題，有現(xiàn)成的計(jì)算方法,。使用大量數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)優(yōu)化,，就是神經(jīng)網(wǎng)絡(luò)的“訓(xùn)練”或“學(xué)習(xí)”過程。 經(jīng)過幾萬張圖片的訓(xùn)練后,，這個(gè)程序工作得相當(dāng)不錯(cuò),。這個(gè)算法像人腦，因?yàn)樗晒Φ啬M了人腦的一種能力：直覺,。 直覺就是不經(jīng)過邏輯推理和計(jì)算,，憑借經(jīng)驗(yàn)快速取得結(jié)論的能力。神經(jīng)網(wǎng)絡(luò)雖然訓(xùn)練起來費(fèi)時(shí)費(fèi)事,，一旦訓(xùn)練完成,，計(jì)算起來還是比較快的。有了這樣的算法,，我們?cè)僖膊挥觅M(fèi)工夫給計(jì)算機(jī)去定義什么是‘0’,、什么是‘1’等等。我們只需要像教小孩子一樣,，拿幾張圖告訴他這就是‘0’和‘1’,，他以后自己就認(rèn)識(shí)了。 但這個(gè)算法也不像人腦,。教一個(gè)小孩子識(shí)字,，只教他兩三遍，他以后就可以在不同的背景,，不同的書寫方式下認(rèn)識(shí)這個(gè)字,。計(jì)算機(jī)卻需要幾萬、甚至幾百萬張圖片去訓(xùn)練,。人腦有著非常高效的接收知識(shí)的方法,，這是科學(xué)界至今沒能破解的奧秘。相對(duì)而言,，計(jì)算機(jī)是使用蠻力在學(xué)習(xí),。用幾萬個(gè)數(shù)據(jù)點(diǎn)去優(yōu)化一萬多個(gè)的參數(shù)，是一個(gè)海量的計(jì)算,。這還僅僅是一個(gè)最最簡(jiǎn)單的問題,，也需要幾十萬億次的乘法和加法。神經(jīng)網(wǎng)絡(luò)的算法,，上世紀(jì)40-60年代就被提出和研究過,，當(dāng)時(shí)沒有取得成功，很大一個(gè)原因是，學(xué)習(xí)過程中的海量計(jì)算,，當(dāng)時(shí)的計(jì)算機(jī)根本無法勝任,。 圍棋與神經(jīng)網(wǎng)絡(luò)的成功 在取得這次劃時(shí)代的圍棋勝利之前，神經(jīng)網(wǎng)絡(luò)已經(jīng)在各行各業(yè)得到了很大應(yīng)用了,，從語音,、圖像識(shí)別到信用審查甚至炒股。它被包裝成了“深度學(xué)習(xí)”,，所謂的“深度”,，是指網(wǎng)絡(luò)有很多層，算法的基本原理仍然和上面講的一樣,。 深度學(xué)習(xí)的成功,，得益于算法本身的改進(jìn)，克服了一些具體的技術(shù)困難,，主要的學(xué)問在于網(wǎng)絡(luò)的設(shè)計(jì),。更重要的，得益于兩個(gè)外部條件-- 第一：半導(dǎo)體技術(shù)的進(jìn)步,，特別是CPU以外GPU的發(fā)明,，更快的芯片加大規(guī)模平行計(jì)算解決了神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)的海量計(jì)算問題。 第二：互聯(lián)網(wǎng)和大數(shù)據(jù)時(shí)代的來臨,，使得獲得訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需要的大量數(shù)據(jù)的成本急劇降低,。倒退20年，要去找?guī)装偃f個(gè)數(shù)據(jù)點(diǎn),，還不如坐下來用解析算法寫一個(gè)程序,。今天，在很多應(yīng)用領(lǐng)域,，這個(gè)成本對(duì)比逆轉(zhuǎn)了,。 圍棋是人工智能的終極檢驗(yàn)，因?yàn)樗珡?fù)雜基本無法可靠地去計(jì)算,。二十年前,，IBM的深藍(lán)計(jì)算機(jī)擊敗國際象棋世界冠軍，用的是傳統(tǒng)的理性算法,。但直至去年底,，沒有任何一個(gè)圍棋軟件擊敗過任何一位職業(yè)棋手。圍棋,，被認(rèn)為是只有人的智能才可以應(yīng)對(duì)的,。所以，盡管西方?jīng)]有圍棋傳統(tǒng),，幾個(gè)頂級(jí)的人工智能公司都投入巨資開發(fā)圍棋軟件,。 阿爾法狗的算法,，有大量文章介紹，不在這里詳述,。之前有一個(gè)用于下棋的”Monte Carlo Tree Search“的搜索算法,，基本原理是：既然無法逐一計(jì)算所有的可能性，就按統(tǒng)計(jì)規(guī)律隨機(jī)挑選走棋方法去計(jì)算,，保證以比較高的概率提供比較好的走法。阿爾法狗使用了兩張神經(jīng)網(wǎng)絡(luò),，給出的直覺判斷,，使得搜索算法變得有的放矢。就像人類棋手下棋一樣,，大部分的選擇憑直覺根本不去計(jì)算的,。引進(jìn)神經(jīng)網(wǎng)絡(luò)的結(jié)果是棋藝的本質(zhì)性提高。 幾個(gè)團(tuán)隊(duì)都在把神經(jīng)網(wǎng)絡(luò)引進(jìn)到圍棋軟件中,，如果谷歌不成功,，別的團(tuán)隊(duì)的成功也是遲早的事情。谷歌之所以走在前面,，一方面是因?yàn)殄X多,，花2-3百萬美金的年薪雇了20多個(gè)深度學(xué)習(xí)的頂級(jí)專家；另一方面是因?yàn)橘Y源多,，他們可以把世界上所有的棋譜都扒過來,，可以調(diào)動(dòng)基本上是世界上最好的服務(wù)器網(wǎng)絡(luò)進(jìn)行計(jì)算。 李世石輸?shù)貌辉?，?duì)手有人類所有高手的經(jīng)驗(yàn)積累,，外加三千萬盤左右互博的經(jīng)歷。 阿爾法狗勝利的意義是什么,？我覺得這場(chǎng)勝利證明,，人類跟直覺相關(guān)的智能，沒有什么神秘的,。無非是棋手們經(jīng)過訓(xùn)練,，大腦里的突觸得到的調(diào)整優(yōu)化。天資高的人,，大腦的調(diào)整能力強(qiáng),；勤奮的人，積累的數(shù)據(jù)多,。而阿爾法狗的學(xué)習(xí)方法雖然可以說很笨拙,、用蠻力，但學(xué)到的東西卻是貨真價(jià)實(shí)的,。形勢(shì)感,，什么時(shí)候求穩(wěn)什么時(shí)候冒險(xiǎn)；大局觀，取勢(shì)取地,；都跟人類頂尖棋手沒有差別,；還有讓聶衛(wèi)平表示要脫帽致敬的妙招。 神經(jīng)網(wǎng)絡(luò)的改進(jìn) 對(duì)神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)也正在被研究,。比如說有人指出,，這個(gè)神經(jīng)元不像人腦的神經(jīng)元，人腦的神經(jīng)元是積累了足夠多的輸入后才向外輸出一個(gè)脈沖,。這樣,，一個(gè)事件的輸入可能只引起千分之一的神經(jīng)元的活動(dòng)，絕大部分不需要關(guān)注的細(xì)胞不會(huì)浪費(fèi)營養(yǎng),。而神經(jīng)網(wǎng)絡(luò)算法把神經(jīng)元模擬成一個(gè)函數(shù),，任何一個(gè)微小的輸入都會(huì)讓整個(gè)網(wǎng)絡(luò)進(jìn)行計(jì)算，可能99.9%的計(jì)算都是浪費(fèi)時(shí)間浪費(fèi)電,。 于是就有了更認(rèn)真地模仿人腦的脈沖神經(jīng)網(wǎng)絡(luò)（Spiking Neural Networks）,。IBM設(shè)計(jì)了這種神經(jīng)網(wǎng)絡(luò)的專用芯片TrueNorth，在演示中證明了巨大的省電優(yōu)勢(shì),。國內(nèi)幾個(gè)單位也在設(shè)計(jì)這種類腦芯片,。 不過笨法子有它的好處，就是簡(jiǎn)單,。脈沖神經(jīng)網(wǎng)絡(luò)目前為止遠(yuǎn)沒有取得深度學(xué)習(xí)那樣多的成果,。 至于像人類那樣更聰明的學(xué)習(xí)方法，沒有什么進(jìn)展,。當(dāng)然,，有人可能會(huì)認(rèn)為靠蠻力就可以超越人腦，我們不必需要再去模仿人腦,。正如我們希望像鳥一樣飛翔,，我們向鳥學(xué)了一些東西：比如要有翅膀，但我們的飛機(jī)卻采用了完全不同的固定翼飛行方式,。 中國會(huì)落后嗎,？ 看到西方人用現(xiàn)代科技在我們東方人的傳統(tǒng)游戲上取得了勝利，中國人不免緊張,。是不是谷歌的科技把中國甩開了,？ 這一點(diǎn)，我不擔(dān)心,。讀者可以看到,，人工智能的黑科技，說明白了其實(shí)很簡(jiǎn)單,。谷歌阿爾法狗的勝利,，本身不是核心技術(shù)的創(chuàng)新,，而是一項(xiàng)卓越的工程實(shí)踐。深度學(xué)習(xí)的專家,，現(xiàn)在可以拿到天文數(shù)字的高薪,，是由于人才緊缺。誠然,，任何一門手藝學(xué)好學(xué)精都不容易,，但這絕不是只有少數(shù)人才能掌握的手藝。我敢保證,，次數(shù)此刻,，一定有500個(gè)旅美的中國留學(xué)生，5000個(gè)中國的博士和碩士,，在鉆研深度學(xué)習(xí)。 像阿爾法狗這樣的程序,，中國人可能一年就可以山寨出來,。當(dāng)然，谷歌很清楚這一點(diǎn),，他們剛剛把阿爾法狗開源了,。 中國在這個(gè)領(lǐng)域追趕，反而比造一臺(tái)好的航空發(fā)動(dòng)機(jī)容易,。 值得注意的是,，人工智能如果這樣發(fā)展下去，擁有大量數(shù)據(jù)的組織會(huì)取得很大優(yōu)勢(shì),。這是社會(huì)層面,，不是技術(shù)層面的問題。 人工智能的未來 現(xiàn)在,，計(jì)算機(jī)已經(jīng)在圍棋領(lǐng)域打敗了人類,，還有什么事情是只有人能做，而計(jì)算機(jī)不能做的,？ 我認(rèn)為,，正如人類對(duì)自身智能的認(rèn)識(shí)還很膚淺，人工智能也還在一個(gè)初級(jí)階段,。人工智能要全面超過人類智能,，還需要闖過兩道關(guān)口： 理解 在阿爾法狗戰(zhàn)勝李世石后，很多人指出,，它的程序是人類編寫的,。計(jì)算機(jī)自己不會(huì)編程，因此不能算有智能,。 計(jì)算機(jī)不能自我編程,，第一個(gè)原因是因?yàn)樗欢祟惖恼Z言,。編程首先就是把人類的需求翻譯成計(jì)算機(jī)語言。 那么,，什么叫做“懂”呢,？ 兩個(gè)黃鸝鳴翠柳，一行白鷺上青天,。 這兩句詩,，一共需要32byte的存儲(chǔ)。一個(gè)硬盤,，可以把人類歷史上所有的詩都存進(jìn)去,。但我們不認(rèn)為計(jì)算機(jī)會(huì)背詩就是懂詩。我們懂這兩句詩,，是因?yàn)槲覀兡芤髡b它的韻律,，是因?yàn)槲覀兎路鹉芸匆姶汗庵辛鴺渖掀恋镍B兒，聽見它們悅耳的叫聲,，仿佛抬頭看見天的藍(lán),，白鷺飛行的優(yōu)雅姿態(tài)。而 正是江南好風(fēng)景,，落花時(shí)節(jié)有逢君,。 沒見過人世間悲歡離合的人，體會(huì)不到這兩句詩的好,。 于是,，我們懂“懂”了： 理解一段信息，是指把這段信息,，和已有的相關(guān)信息關(guān)聯(lián)起來,，并在未來接收新的相關(guān)信息時(shí)，把它和這段信息關(guān)聯(lián)起來的能力,。建立的關(guān)聯(lián)越多,，就表示理解得越好。 如果計(jì)算機(jī)能夠在我們輸入幾行唐詩后,，在網(wǎng)上搜到一些符合該詩意境的圖片,，我們就可以認(rèn)為它懂詩了。以今天的技術(shù),，完全可能在不遠(yuǎn)的將來做到,。至于我們讀詩會(huì)愉悅、會(huì)流淚,，那是人類生理層面的事情,，不涉及智慧。 在信息之間建立連接,，對(duì)程序員來講只是增加一個(gè)指針,。關(guān)鍵在于首先要有自身的信息積累,，一個(gè)人如果沒有足夠的準(zhǔn)備知識(shí)，是不能讀懂一篇文章,，吸收其中的信息的,。今天這個(gè)時(shí)代，一個(gè)程序可以在互聯(lián)網(wǎng)上搜索知識(shí),。能和人類對(duì)話的機(jī)器人,，有幾家公司已經(jīng)有了初步的產(chǎn)品。人工智能在這個(gè)方向上取得重大的成功,，同樣不是遙不可及的,。 解決問題 既要能夠和人類溝通，還要有解決問題的能力,，計(jì)算機(jī)才可以自己寫程序,。解決問題，甚至在這個(gè)過程中自主創(chuàng)新,，是最高級(jí)的智能,。目前的技術(shù)離這一目標(biāo)相差很遠(yuǎn)。 但也許,，這最高級(jí)的智能，并沒有想象得那么神秘,。人類解決問題時(shí)使用的思維方式,，似乎只有兩種：類比和想象。 邏輯推理是一種類比的思維方式,，把一條定律或定理,，搬到一個(gè)應(yīng)用場(chǎng)景。歸納法,、演繹法都是類比思維,。創(chuàng)新，也常常是受到某些類似事物的啟發(fā),。也許人腦有一種搬運(yùn)復(fù)制機(jī)制,，比如把萬有引力定律記憶區(qū)的那一部分突觸，復(fù)制到一道物理題的空間里,，嫁接上去,。 想象力在解決問題的過程中也非常重要，我們需要把可能的方案,，在大腦中仿真成具體的場(chǎng)景,，與問題的需求進(jìn)行比較。想象力,，是一種組裝記憶,，并模擬感官輸入的能力,。 人腦的內(nèi)稟能力，似乎就是依靠特征快速地提取記憶（回憶）,，復(fù)制,、組裝、比較記憶,，以及根據(jù)記憶快速地做出決策（直覺）,，其余的能力都是后天培養(yǎng)的。 當(dāng)然,，以上只是我個(gè)人的看法,。正如人工智能的成功幫助我們認(rèn)識(shí)了自己的智能（直覺），對(duì)人的智能的認(rèn)識(shí)一定會(huì)幫助人工智能的發(fā)展,。有人悲觀地認(rèn)為,，人類的智慧不足以認(rèn)識(shí)人類自身的智慧，我不同意,。人腦不是上帝設(shè)計(jì)出來的,，是長(zhǎng)期進(jìn)化出來的。對(duì)外界刺激怎么相應(yīng),，如何調(diào)整,，一定是遵循一套簡(jiǎn)單的規(guī)則。只是我們還沒有悟到,。 人工智能可怕嗎,？ 一個(gè)重要的問題是：計(jì)算機(jī)將來是否會(huì)有自由意志？在這一點(diǎn)上,，我們有很好的理由,，推測(cè)機(jī)器和人之間有不可跨越的鴻溝。 自由意志是自我設(shè)定目標(biāo)的能力,，機(jī)器都是由人來設(shè)定目標(biāo)的,。人之所以有自由意志，是因?yàn)槿耸且粋€(gè)有機(jī)體,，食色性等外部刺激都會(huì)勾起我們的欲望,。這樣的感覺，基于電信號(hào)的計(jì)算機(jī)肯定不會(huì)有,。計(jì)算機(jī)見到林志玲的照片不會(huì)有想法,，計(jì)算機(jī)不會(huì)去占領(lǐng)地球上的資源。 想到這里,，人類或許可以放心些,。雖然沒有絕對(duì)的把握，但科幻小說中計(jì)算機(jī)消滅人類的事情大概不會(huì)發(fā)生。 但人工智能對(duì)人類社會(huì)的影響將是巨大的,。深度學(xué)習(xí)在圍棋上的成功,，讓我們可以預(yù)見不遠(yuǎn)的將來，在所有具備大數(shù)據(jù)積累的領(lǐng)域里,，機(jī)器將會(huì)取代人做決策,。只有在不具備大數(shù)據(jù)的領(lǐng)域，人類的學(xué)習(xí)能力才會(huì)占上風(fēng),。 如果計(jì)算機(jī)能懂得人類的語言和文章,，能獨(dú)立解決問題和創(chuàng)新，那就毫無疑義是“奇點(diǎn)”的來臨,。你都想象不到人類的道德倫理和社會(huì)制度會(huì)受到怎樣的顛覆,。 人類有理由感到恐懼，但無論你喜歡與否,，這一天終將會(huì)來到,。并且，很可能比想象得要早,。 * 作者戴瑾,，畢業(yè)于北京大學(xué)，美國德克薩斯大學(xué)奧斯汀分校博士,，專業(yè)高能物理理論,。曾從事粒子物理、超弦等領(lǐng)域的研究?，F(xiàn)工作于半導(dǎo)體行業(yè),。 |
|
|
樹突和軸突都有大量的分支。軸突的末端通常連接到其他細(xì)胞的樹突上,，連接點(diǎn)上是一個(gè)叫“突觸”的結(jié)構(gòu),。一個(gè)神經(jīng)元的輸出通過突觸傳遞給成千上萬個(gè)下游的神經(jīng)元。神經(jīng)元可以調(diào)整突觸的結(jié)合強(qiáng)度,，并且,，有的突觸是促進(jìn)下游細(xì)胞的興奮，有的是則是抑制,。一個(gè)神經(jīng)元有成千上萬個(gè)上游神經(jīng)元,，積累它們的輸入，產(chǎn)生輸出,。
