從人工智能這個(gè)詞還沒(méi)誕生的時(shí)候，人們就嘗試用電路模擬人腦。近60 年過(guò)去了，對(duì)人腦的工作模式我們?nèi)匀恢跎?。所以，模擬人腦這事，前途是光明的，很光明，道路依舊是曲折的，很曲折。

早在哈佛讀搏的時(shí)候，馬文#8226; 明斯基(Marvin Minsky)做了件讓某些教授費(fèi)解的事。雖然專業(yè)是數(shù)學(xué)，但明斯基的博士論文在當(dāng)時(shí)看來(lái)和數(shù)學(xué)沒(méi)什么直接關(guān)系。1951 年，他設(shè)計(jì)了一個(gè)叫做SNARC 的東西。這是一臺(tái)計(jì)算機(jī)，它能像一個(gè)真正的大腦那樣工作，通過(guò)和大腦神經(jīng)元相似的工作方式用電子元件對(duì)外界信號(hào)進(jìn)行反應(yīng)。換句話說(shuō)，明斯基設(shè)計(jì)了一個(gè)電子模型來(lái)模擬人的大腦。負(fù)責(zé)論文答辯的個(gè)別委員不知該如何評(píng)判明斯基的杰作。最后還是馮#8226; 諾依曼對(duì)此表示了支持:“總有一天你會(huì)發(fā)現(xiàn)它們之間存在著密切聯(lián)系。”

馮#8226; 諾依曼的支持讓明斯基獲得了博士學(xué)位，也讓他所創(chuàng)立的新的研究方法得以發(fā)揚(yáng)光大，最終讓他成為人工智能領(lǐng)域的一代宗師。在明斯基眼中，人腦不過(guò)是一臺(tái)肉質(zhì)的機(jī)器，或者用現(xiàn)在時(shí)髦的叫法是“濕件”(Wetware，以區(qū)別于組成電腦的硬件和軟件)，將人腦和電腦都看成是能夠思考的機(jī)器，那么要讓計(jì)算機(jī)能夠以更加“人性化”的方式工作就是順理成章的事了。

模擬人腦

在明斯基所處的時(shí)代，人們已經(jīng)對(duì)大腦的工作方式有了一定的了解。腦中含有大約一千億個(gè)神經(jīng)元，每個(gè)神經(jīng)元都與分布在自己周圍的上千個(gè)神經(jīng)元聯(lián)結(jié)著。各個(gè)神經(jīng)元之間通過(guò)電信號(hào)進(jìn)行交流，當(dāng)一個(gè)神經(jīng)元收到信號(hào)，它會(huì)做出相應(yīng)的反應(yīng)，并將刺激信號(hào)以同樣的方式傳遞給周圍的神經(jīng)元。當(dāng)時(shí)有很多理論試圖揭示大腦的工作機(jī)制，但是條件所限，人們的認(rèn)識(shí)也僅限于這種小范圍的神經(jīng)元反應(yīng)的發(fā)生，關(guān)于這些神經(jīng)聯(lián)結(jié)構(gòu)成的神經(jīng)網(wǎng)絡(luò)如何使大腦能夠完成各種不同的任務(wù)，人們還一無(wú)所知。

但這對(duì)正在哈佛并熱情地參與到這場(chǎng)討論中的明斯基來(lái)說(shuō)已經(jīng)足夠。既然已經(jīng)知道大腦是通過(guò)電信號(hào)來(lái)進(jìn)行信息處理等任務(wù)的，那么意味著電子模型一定可以模擬大腦的一些基本行為特征，揭示大腦對(duì)外部刺激的反應(yīng)機(jī)制，幫助人們進(jìn)一步了解大腦。于是明斯基就設(shè)計(jì)了SNARC(Stochastic Neural-Analog Reinforcement Computer， 隨機(jī)化強(qiáng)化神經(jīng)模擬計(jì)算機(jī))。

SNARC 能夠像大腦那樣去工作。不像一臺(tái)普通的計(jì)算機(jī)，需要靠一套程序指導(dǎo)它如何完成任務(wù)，SNARC 不需要程序，它通過(guò)人造的神經(jīng)元來(lái)思考。比如，當(dāng)面對(duì)一個(gè)迷宮時(shí)，SNARC 內(nèi)部的人造神經(jīng)元會(huì)馬上建立一些隨機(jī)的聯(lián)結(jié)，如果其中一種特定的聯(lián)結(jié)能夠幫助機(jī)器解決問(wèn)題，那么這種聯(lián)結(jié)方式在機(jī)器中的權(quán)重就會(huì)增加，并且會(huì)持續(xù)更長(zhǎng)的時(shí)間。按照這樣的方式，其中幾種聯(lián)結(jié)方式最終會(huì)構(gòu)成一個(gè)仿真的神經(jīng)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)將協(xié)助SNARC最終走出迷宮。

明斯基的SNARC 的偉大之處在于，那還是電子管時(shí)代。明斯基試圖依靠幾百個(gè)真空電子管就能模擬上千億個(gè)神經(jīng)元，通過(guò)不斷地嘗試，讓機(jī)器像人腦一樣能學(xué)會(huì)解決問(wèn)題的方法。只是，學(xué)會(huì)一樣?xùn)|西要花費(fèi)的時(shí)間就是不可預(yù)測(cè)的了。

目標(biāo)36.8 Petaflop 和3.2Petabyte

明斯基設(shè)計(jì)出SNARC 已經(jīng)是近60 年前的事。正如創(chuàng)造出人工智能一詞的約翰#8226; 麥肯錫所說(shuō)，在人工智能領(lǐng)域，也許再過(guò)幾十年回頭看看，你會(huì)發(fā)現(xiàn)研究還維持著跟過(guò)去差不多的局面。模擬人腦，或者叫“芯片上的大腦”就是個(gè)典型的例子。

2009 年，來(lái)自7 個(gè)國(guó)家15 個(gè)研究院所的科學(xué)家匯集在一起，在德國(guó)海德堡大學(xué)的物理學(xué)家卡爾海因茨#8226; 邁爾(Karlheinz Meier) 的帶領(lǐng)下，共同進(jìn)行一項(xiàng)名為FACETS(Fast Analog Computing with Emergent Transient States)的項(xiàng)目。該項(xiàng)目由歐盟支持，和當(dāng)年明斯基要做的事相似，他們準(zhǔn)備構(gòu)建一臺(tái)像大腦一樣工作的神經(jīng)計(jì)算機(jī)。

現(xiàn)在我們已經(jīng)知道，大腦就像是一臺(tái)擁有并行處理功能的計(jì)算機(jī)。當(dāng)我們看到一個(gè)穿著比基尼的黑發(fā)女人從面前走過(guò)，眼前出現(xiàn)的只是一幅女人走過(guò)的畫面，事實(shí)上，大腦可能會(huì)把這幅畫面分成四個(gè)部分處理:顏色、動(dòng)作、外形和距離。在一瞬間，大量信息被同時(shí)與過(guò)去的記憶相比較:你曾見(jiàn)過(guò)的黑發(fā)的人、曾從你面前走過(guò)的人甚至動(dòng)物等等。綜合這些信息，你的腦會(huì)去試圖理解眼前所看到的事物。而且，視覺(jué)還只是人多種感官中的一個(gè)部分。你還會(huì)聞到女人身上的香水氣息，聽(tīng)到她與身邊男友的對(duì)話， 同時(shí)，因?yàn)楸凰哪杏阉浪蓝⒅杏X(jué)到全身肌肉緊張，緊張地盤算著要不要趕緊跑遠(yuǎn)一點(diǎn)。這些信息都要由大腦在同一時(shí)間處理。

這在電腦里叫多線程處理。這樣的方式顯然可以提高處理速度。目前的大多數(shù)超級(jí)計(jì)算機(jī)，比如“模擬地球”(Earth Simulator)或者“藍(lán)色基因”(Blue Gene)都是大型的并行處理系統(tǒng)，只不過(guò)和人類的大腦相比，它們實(shí)在不屬于一個(gè)等級(jí)。人類的大腦擁有上千億個(gè)神經(jīng)元，而能夠運(yùn)行軟件徹底模擬人腦的電腦目前還不可能存在。研究人員估計(jì)，那樣的電腦需要具備36.8 Petaflop 的運(yùn)算能力(相當(dāng)于每秒進(jìn)行36800 萬(wàn)億次浮點(diǎn)運(yùn)算)，以及3.2Petabyte( 約相當(dāng)于3276Tb) 的存儲(chǔ)能力。

海因茨#8226; 邁爾領(lǐng)導(dǎo)下的FACETS 團(tuán)隊(duì)的人工大腦芯片有20 萬(wàn)個(gè)人造的神經(jīng)元以及5000 萬(wàn)個(gè)突觸。在數(shù)量級(jí)上，它和一個(gè)真正的人腦差距非常大?！拔覀兊男酒瑩碛械纳窠?jīng)元數(shù)目不多，不過(guò)以后可以通過(guò)集合更多的芯片來(lái)提高能力。”邁爾如是說(shuō)。

亨利#8226; 馬科拉姆(Henry Markram) 指導(dǎo)著另一個(gè)與FACETS 類似的項(xiàng)目，IBM 的藍(lán)腦計(jì)劃(Blue Brain)。他將自己的工作解釋為“在平面的由硅制成的芯片上重建三維的大腦模型”。他認(rèn)為，包括自己和歐洲的同行在內(nèi)，直到目前為止，他們所做出來(lái)的芯片離模擬人腦的功能還差得遠(yuǎn)。他的藍(lán)腦計(jì)劃只是要模仿哺乳動(dòng)物大腦的基本構(gòu)件——大腦皮層單元(neocortical column)，通過(guò)它，神經(jīng)科學(xué)家可以在不使用真實(shí)腦組織的情況下進(jìn)行實(shí)驗(yàn)、測(cè)試假說(shuō)、以及分析藥物的效果。大腦皮層單元是大腦最小的細(xì)胞網(wǎng)絡(luò)，馬科拉姆說(shuō):“想一想森林，然后把1 萬(wàn)棵樹(shù)擠在一起，直到?jīng)]有一點(diǎn)空隙，這就是皮層單元的樣子?！瘪R科拉姆的藍(lán)腦目前運(yùn)行在IBM 公司的藍(lán)色基因超級(jí)計(jì)算機(jī)系統(tǒng)上。

斯坦福大學(xué)的硅腦(Brains In Silicon)計(jì)劃則有兩個(gè)目標(biāo):利用目前對(duì)大腦工作方式的了解設(shè)計(jì)制作一臺(tái)超級(jí)計(jì)算機(jī)，然后用這臺(tái)計(jì)算機(jī)作為工具，繼續(xù)研究大腦的工作方式。古阿賓納#8226; 波漢(Kwabena Boahen)是硅腦計(jì)劃的首席研究員，也是斯坦福大學(xué)生物工程學(xué)的副教授。他解釋說(shuō)，目前的難點(diǎn)在于，人腦中每個(gè)神經(jīng)元可通過(guò)多達(dá)3 萬(wàn)個(gè)神經(jīng)突觸與其他神經(jīng)元相聯(lián)結(jié)，而用晶體管來(lái)實(shí)現(xiàn)類似的聯(lián)結(jié)，每個(gè)突觸的功能必須用20 個(gè)晶體管才能實(shí)現(xiàn)。人腦中約有220 萬(wàn)億個(gè)突觸，要設(shè)計(jì)一個(gè)如此龐大的結(jié)構(gòu)困難可想而知。

超越大腦

在《靈魂機(jī)器的時(shí)代》一書中，人工智能領(lǐng)域的預(yù)言家雷#8226; 庫(kù)茲維爾曾經(jīng)提醒人們，未來(lái)的機(jī)器“將不但擁有像人類一樣的智能，而且還能夠擁有意識(shí)、情緒以及所有那些原屬于靈魂范疇的特質(zhì)”。他認(rèn)為，高精度的大腦掃描技術(shù)將會(huì)完全探明大腦細(xì)微的結(jié)構(gòu)以及神經(jīng)元的具體聯(lián)結(jié)情況。然后，伴隨著分子計(jì)算、納米計(jì)算乃至量子計(jì)算這樣的全新技術(shù)的飛速發(fā)展，人類完全有可能制造出類人的人工智能體#8943;#8943;再輔以基因工程手段，人們將最終能夠長(zhǎng)生不老，“整個(gè)宇宙都將充斥著被喚醒的智能!”

當(dāng)然這都是后話。

眼下，F(xiàn)ACETS 的負(fù)責(zé)人邁爾清楚，要使未來(lái)的人工大腦工作，必須有一個(gè)全新的計(jì)算理論。FACETS 團(tuán)隊(duì)中的一個(gè)小組正在就此開(kāi)展工作。

而無(wú)論是藍(lán)腦、硅腦還是FACETS，離搞清楚大腦的工作模式，并從簡(jiǎn)單到復(fù)雜地制造出實(shí)用的人工大腦還有一段不短的路要走。邁爾說(shuō)，作為第一步FACETS 可能會(huì)先為家用計(jì)算機(jī)設(shè)計(jì)一個(gè)小設(shè)備，它能處理非常復(fù)雜的輸入數(shù)據(jù)并提供一個(gè)簡(jiǎn)單的結(jié)果，例如進(jìn)行互聯(lián)網(wǎng)搜索。

海因茨#8226; 邁爾等人還準(zhǔn)備繼續(xù)升級(jí)他們的芯片，將大量芯片整合在一起，組成10 億個(gè)神經(jīng)元以及10 萬(wàn)億個(gè)神經(jīng)突觸的超級(jí)芯片。如果雷#8226; 庫(kù)茲維爾的預(yù)言是對(duì)的，那么這塊超級(jí)芯片的升級(jí)就不會(huì)止步于與人腦平級(jí)的程度。邁爾相信，一定可以將芯片部件的尺寸降至分子級(jí)?！斑@樣，我們就能制造出完全不同的計(jì)算機(jī)設(shè)備，它們具有優(yōu)異的性能，在某些時(shí)候，它們的表現(xiàn)也許可與大腦媲美，甚至超越大腦。

神經(jīng)突觸

在神經(jīng)元之間，一個(gè)神經(jīng)元的軸突與另一個(gè)神經(jīng)元的樹(shù)突或胞體相聯(lián)系。這種聯(lián)系結(jié)構(gòu)稱為突觸。大腦皮層每個(gè)神經(jīng)細(xì)胞可有3 萬(wàn)個(gè)突觸。不同的神經(jīng)元通過(guò)在突觸間釋放神經(jīng)化學(xué)遞質(zhì)進(jìn)行溝通。類似硅腦和藍(lán)腦這樣致力于研究人腦工作方式的項(xiàng)目是有益的，比如，他們的成果可以讓我們進(jìn)一步了解如何提高神經(jīng)元的信息傳導(dǎo)效率，或者如何開(kāi)發(fā)各種精神類藥物。