人工智能跟脑神经科学没有关系。没有出差错的机会，就没有进化的可能。要想自己把事情做成功，就需要弄清楚事物的本质。

​摘要：科技发展很快，但人性变化很慢！没有出差错的机会，就没有进化的可能。要想自己把事情做成功，就需要弄清楚事物的本质，找到自己领域的“空气动力学”。图灵机只解决可计算的问题，不涉及不可计算的问题。人的意识来自于测不准原理，而计算来自于机械的运动。
 

 

现在的人工智能跟脑神经科学没有关系的，是属于不同的智能类型，就如同鸟和飞机一样达到飞行目的，但飞机不是模拟鸟的飞行而是研究透了空气动力学才成功的，现在机器学习也是需要从研究解决具体问题的底层原理出发才行，而不是模拟人的意识和解决问题的思维模式。
 
深度学习的神经网络只是参考了人脑的神经元结构，没有本质上的联系。
而马斯克现在搞的脑机接口，和意念控制机则更可能跟人脑意识有关。
 
人的意识来自于测不准原理，计算来自于机械的运动。
图灵机，只解决可计算的问题，不涉及不可计算的问题。直到目前为止，哪怕再聪明的计算机，程序也是要产生预想的结果的。没有了出差错的机会，也就没有了进化的可能。
 
我们现在社会上到处是在听成功的创业者传授经验，那些经验其实很难复制，照猫画虎的方法就是“鸟飞派”，很难成功的。而要想自己把事情做成功，就需要弄清楚事物的本质，找到自己领域的“空气动力学”。
 
 
 
脑神经专家苏德霍夫（Thomas Südhof）2013年诺贝尔生理学或医学奖获得者认为：今天的人工智能和脑神经科学、认知科学等等都没有任何的关系。
 
自从去年Google的AlphaGo下棋赢了李世石之后，很多人会问人工智能的下一步是否就是模拟人类的智能，实现人的认知？如果计算机能够自己进化出智能，那么是否会因为进化的速度比人快而控制人类？
 
计算机获得智能的方式和人是不同的，它是靠数据、计算能力和数学模型三者的结合，从效果上讲达到甚至超过了人类的智能。而Google深度学习所用的工具（深度的）人工神经网络，虽然里面有“神经”两个字，但是和人脑没有任何关系。

 

深度学习的神经网络只是参考了人脑的神经元结构，没有本质上的联系。
而马斯克现在搞的脑机接口，和意念控制机则更可能跟人脑意识有关。

 

很多人对于计算机是否能产生自主意识，并超过人，依然非常好奇。目前的结论是：这件事情不会发生。
 
首先，人（和动物）的意识的获得是一个长期不断犯错误进化的结果，也是一个非常不确定的过程，而今天的人工智能看似能解决一些不确定问题，但是从本质上讲它的操作还是确定的，可预知的。
 
低等的动物和植物类似，对外界有所反应，但是并没有自主意识（即使是人类，刚出生的婴儿也没有），如果生物在进化的过程中基因复制不出错，就不会有今天的高等动物。
 
而人类能产生很强的智力，又在很大程度上取决于我们的语言能力，由于有了语言能力，人类信息和知识的传承不仅可以靠DNA完成，还可以用语言完成，这样效率就高得多了。而语言能力的出现完全是一次基因出错的结果。
 
 
关于人类的语言能力从哪里来，2000年之前一直还是一个谜。十多年前，牛津大学有一批科学家，非常幸运地找到了一个家族，大概有30多个人，其中正好一半有语言障碍，另一半没有。
 
于是牛津大学的科学家们就对比了这两组人，发现这两组人在一个叫叉头框P2的基因( FOXP2)上不一样。叉头框P2是一个古老的基因，在很多动物上都有，它有27万个碱基（基因的一个组成部分）。那个家族出现语言障碍的人只在一个碱基上和正常人有区别。
科学家们进一步对比人类和黑猩猩在这个基因上的差异，发现人类和黑猩猩从500万年前开始就分化了，也就是说人类这一支的基因复制错了，而且在不同的人类中，这个基因也略有差别。具体到我们的近亲尼安德特人，这个基因也有点差别。
 
换句话说，我们的祖先现代智人的这个基因恰巧错得很有道理，于是让我们聪明起来了。当然，肯定还有一些错得离谱的物种消失了。更有趣的是，一些善于发音的动物，包括能唱歌的鸟和蝙蝠，这个基因都和人类很相似。
 
直到目前为止，哪怕再聪明的计算机，程序也是要产生预想的结果的。你今天运行，明天运行，结果都是一样。也就是说它不会自动产生一个错误，然后得到更好的结果。没有了出差错的机会，也就没有了进化的可能。
 
实际上，这个道理不仅仅在我们人或者计算机身上适用，一个组织，如果一直按照惯性运行，从不出错，从不变化，就不会有改进。
 
计算机不出错的更深层原因来自于它本身，而不仅仅是人编的程序。我们知道对计算机贡献最大的两个人分别是冯·诺依曼和艾伦·图灵。冯·诺依曼更资深一点，图灵将冯·诺依曼看成是自己的精神导师。
 
图灵在年轻时思考用机器实现计算的问题。他受到冯·诺依曼《量子力学的数学原理》一书的启发，认为人的意识来自于测不准原理（Uncertainty Principle），但是计算来自于机械的运动（电子的运动可以认为是等价于机械运动）。
 
图灵受到著名数学家希尔伯特的启发，发现世界上的问题分为两类，一类是可计算的问题，另一类是不可计算的问题。于是他设计了计算机的数学模型——图灵机，只解决可计算的问题，不涉及不可计算的问题。而1946年出现的电子计算机其实就是一种实用的图灵机。
 
今天的计算机，不论是下棋的AlphaGo，还是能够诊断疾病的IBM的“沃森”，从功能上来讲都是图灵机。也就是说，图灵机在理论上解决不了的问题，今天再聪明的计算机在实践中依然无解，哪怕计算能力再强，程序再智能，计算时间再长。换句话说，这一类问题是被图灵所定义的不可计算的问题。
 
那么，什么是不可计算的问题？比如男生女生的情感问题。某个男生可能特别坏，在别人看来就是渣男，但是偏偏有女生还是特别喜欢他，这就是不可计算的问题。
 
另外，希尔伯特还指出，世界上有很多似是而非的问题，既没有肯定的答案，也没有否定的答案，这些问题，也不是计算机能够解决的。
 
如果对比一下人工智能和人，人的优势恰恰在于，可能因为错误引起变化，并且对于不确定性的问题能给出一个不可计算的答案。为什么我常讲人文教育、博雅教育很重要呢？因为在未来，这类问题是不容易被人工智能取代的。
 
在人工智能的发展史上，一直存在着所谓“鸟飞派”和空气动力学派之争。所谓鸟飞派就是试图让计算机模仿人，如同当年人类在探索飞行时模拟鸟一样。那些依然相信所谓的脑神经科学对人工智能有帮助的人，就属于鸟飞派。
 
空气动力学派就是像莱特兄弟那样，通过搞清楚空气动力学原理，实现和鸟不同的飞行，而两者从效果上讲基本等价。今天人工智能的成功，是沿袭后一条道路，搞清楚每一个智能问题背后的数学原理，然后用计算机解决它们而已。
 
从鸟飞派和空气动力学派的争论上，我想再往管理上引伸一下。我们现在社会上到处是在听成功的创业者传授经验，那些经验其实很难复制，照猫画虎的方法就是“鸟飞派”，很难成功的。而要想自己把事情做成功，就需要弄清楚事物的本质，找到自己领域的“空气动力学”。
 
从认知和人工智能的差异，人和机器的差异，聊到了从表象的模仿到本质的探究，希望对你有所启发。
 
 
 
相关文章：
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
posted @ 2017-09-10 17:32  大自然的流风  阅读(1253)  评论(0)  编辑  收藏  举报