第八章　智能之未来

The Future of intelligence

我们要预言一项新技术的最终用途是困难的。正如大家在整本书中看到的，大脑是通过类比过去而做出预测的。因此，我们自然而然地认为，新技术仅仅是被用来完成那些旧技术所要完成的同样任务，只是更快、更高效、更经济。

这样的例子比比皆是。人们把火车叫做“铁驹（iron horse）”，把汽车叫做“无马马车（horseless carriage）”。在电报盛行的那几十年里，电话仅仅是扮演着电报的角色——只用于传递重要新闻和紧急事件。直到20世纪20年代，电话才得到普及。摄影问世之初被人们当作是一种新的肖像画技术。同样，人们视电影为舞台剧的变种，这就是为什么在20世纪的大部分时间里电影院银幕前的幕布在电影结束后要重新被拉回的原因。

新技术的最终用途通常是无法预料的，它远远超出我们最初想像力所及。电话已发展成无线通话，其数字通信网络可以让地球上任意两个人通过声音、文字和图像进行交流，而无论他们各自身居何处。1947年，贝尔实验室发明了晶体管，很快人们就清楚地认识到这是个重大突破，但它最初的应用仅仅是针对旧的产品进行改善——晶体管取代真空管，这使得更小、更可靠的收音机和电脑出现。在当时，这已是相当重要和令人兴奋的变化了。晶体管最具革命性的应用直到最近才被发现。经过一段渐进的革新过程之后，人们开始设计出集成电路、微处理器、数字信号处理机和存储芯片。同样地，1970年，为了改进桌上型计算器，微处理器发展起来了。它的最初亮相又一次被认为仅仅是替换“旧家伙”。因为当时的电子计算器仅仅是用于替换机械台式计算器，微处理器也很明显地成了替代螺线管的候选技术（螺线管当时被用于某些工业控制领域，比如切换红绿交通信号灯。）然而，直到几年后，微处理器的真正威力才开始显现出来，而当时却没有人能预见到现代的个人电脑、手机、国际互联网、全球定位系统以及任何其他在今天看来是最基本的信息技术。

同样的道理，认为我们可以预言类大脑存储系统的革命性应用前景，那也是很不明智的。我完全相信并期待这样的智能机器将会在诸多方面改善我们的生活，对这一点我们深信不疑。但要预言这项技术若干年后的情形却是不可能的。只要回顾一下那些荒谬的预言家曾做出的充满信心的预言，你就能明白这一点。在20世纪50年代，有人预言到2000年时我们的地下室会有原子核反应堆，它能带我们去月球上度假。但只要我们能将这样的教训牢记在心，设想一下未来智能机器的样子还是有所裨益的。就其未来而言，我们至少可以得出一些广泛而又有益的结论。

我们能研制出智能机器吗？如果可以，那它们将会是什么样子呢？它们看上去是像我们在科幻片中常见的酷似人类的机器人呢，还是像现在个人电脑黑色或黄色的机箱盒，或者是别的什么样子？我们将会用它们来干什么呢？这项技术是不是很危险，会不会危害到人类并对我们的个人自由构成威胁？智能机器最明显的应用范围将是什么？我们有没有办法知道这些神奇的应用将会是什么？智能机器对我们生活的最终影响将会是什么呢？这些问题都很有意思。

我们能造出智能机器吗？

是的，我们能造出智能机器，但它可能不是你所想像的那个样子。我认为我们造出的智能机器可能不会如人一样行动，也不会以我们的方式与我们交流，虽然把智能机器做成人的样子是理所当然的事情。

大家熟悉的智能机器这个概念是从电影和小说上得来的。它们是外形像人的机器人，抑或可爱，抑或邪恶，抑或经常出错，它们与我们交流情感、思想，讨论问题，在科幻小说的情节发展中扮演着重要角色。上百年来，科幻小说使人们深信，机器人或类人的机器是我们未来生活不可避免并令人期待的一部分。几代人都是伴随着《惑星历险》（Forbidden Planet）中的罗比（Robbie）、《星球大战》（Star Wars）中的R2D2和C3PO以及《星际迷航》（Star Trek）中的科学上尉（Lieutenant Commander Data）的形象成长起来的。甚至于《2001：太空漫游》中的哈尔（HAL），虽然没有身躯，但也非常像人，它被设计成人类漫长太空之旅中的同伴，同时还是由程序控制的副驾驶员。能被人类所控制的机器人是可实现的，诸如智慧型汽车（smart cars）、自动深海探测器、能自动导向的真空吸尘器或割草机之类，它们有朝一日会变得越来越普及。但人形的机器人、科学上尉和C3PO等等，它们在很长一段时间内仍将是虚构的。这有几个方面的原因。

首先，人的心智不但产生于新大脑皮层，还需要古脑的情感体系和人体的复杂结构。作为人，你不光需要大脑皮层，还需要具备人的一切生物学机体。一个智能机器要能像人一样就一切问题进行谈话（如通过图灵测试），它就必须要具有人的大部分经历和情感，并要过着像人一样的生活。智能机器将拥有与人类大脑皮层功能一样的器官和一组感官系统，其他倒是可选的。看着人形的智能机器蹒跚着来回走动可能是件很有趣的事，但它们却远远没有人一样的心智，除非我们让它们具有人的情感系统和经历，但那将是非常困难的。而且对我来说，这样做也没有多大意义。

其次，制造和维护类人机器人需要巨大费用和精力，这样的话，它们便很难成为实用的机器了。一个机器人管家比起真人助手来，费用更高且帮助甚少。虽说机器人可能会有“智能”，但它却不能像真人助手那样与人相处融洽、和谐，因为真人助手毕竟是我们的同类。

蒸汽机和数字计算机都引发了人们对机器人视觉的研究，但这方面的研究却一直没有完成。同样地，当我们想到要制造智能机器时，许多人很自然地就再次想到了类人机器人，但这却似乎不可能发生。机器人是源于工业革命的一个概念，并在小说中得到升华。在研究真正意义上的智能机器这个问题上，我们不能向虚构的“机器人”寻求灵感。

如果智能机器并不是会走会说的机器人，那它们会是什么样子呢？我们发现，如果在进化过程中给我们的感官连接上一个分层的存储系统，那么这个存储系统就会建立起一个关于世界的模型，并以此预测未来。我们从自然界那里认识到，我们应该沿着与此相同的路线制造智能机器。那么，下面就是制造智能机器的方法。

首先，我们需要一组感觉器官，通过它们从世界提取模式。我们的智能机器将有一组不同于人类的感觉器官，这些感觉器官甚至可能是“存在”于一个有别于我们所熟悉的世界里的。因此，不必一定要认为它要有一双眼球和一对耳朵。

其次，跟这些感官相连的是一个以大脑皮层工作原理而运作的分层存储系统。接下来就是要像教育自己的孩子一样去训练这个存储系统。经过反复的训练，这个智能机器就会通过自己的感官构建起一个它自己的关于世界的模型。在此过程中，我们不需要，也没有必要去编程序、建立规则来描写这个世界，也不需要数据库、知识库或任何高级的概念。这些都是人工智能领域中最令人头痛的部分。

智能机器必须通过观察它周围的世界来进行学习，必要时也包括接受训练者的输入。一旦我们的智能机器建立起一个关于世界的模型，它就能依据过去的经历做出类推，从而对未来事件做出预测，为新问题提供解决方案，并且还可以帮助我们得到某些知识。我们的智能机器可能将作为部件安装于飞机或汽车之上，或放置于计算机机房的架子上。与人不同，智能机器的记忆系统可能与其感官（或“躯体”，如果有的话）相距甚远，比如说，一个智能安全系统的感觉传感器可能分布于一家工厂或某个城市，而与这些传感器相连的分层记忆系统却被锁在一幢大楼的地下室，而人的大脑总要与身体相伴相随。因此，智能机器的物理形态可以是多样的。

没有理由要求智能机器一定要有人的形象，能像人一样行动，具有与人一样的感觉。智能机器之所以有智能，是因为它可以通过一个分层记忆系统来理解它的世界并与之交互，可以如你我一样思考自己的世界。正如我们所看到的，它的思维和行为可能与我们的完全不同。但，即便是这样，它仍然是有智能的。智能是通过分层记忆系统的预测能力进行衡量的，而不是看它是否具有与人一样的行为。

让我们将注意力转移到制造智能机器所面临的最大挑战——建立记忆。要制造智能机器，我们需要建立一个有着分层结构并如大脑皮层一样工作的大型记忆系统。在这个问题上，我们将要面临的是记忆容量和连通性方面的挑战。

容量是第一个问题。我们说大脑皮层有32万亿个突触。如果我们只用两个比特表示一个突触（这样，每个突触便有4种可能的值），而每个字节有8个比特，结果，我们就需要大约8万亿字节的记忆容量。现在个人电脑上的一个硬盘能达到100吉（1吉等于1024兆）字节的容量，也就是说，我们需要大约80个这么大的硬盘才能有相当于人的大脑皮层的记忆容量。（不必计较精确的数值，因为这都是粗略的估计。）问题在于，这么大的记忆容量只有在实验室才能实现。（当然，这等同于在10年前也许是不可能的），且仍没能小到可以放进你的口袋或电烤炉里。所幸的是，我们不必重建整个人的大脑皮层那么大的记忆容量，因为很少的记忆就完全能满足我们的需要了。

我们的智能机器会需要大容量的记忆。也许一开始我们将用到硬盘或者光盘，但最终我们要用硅晶片来制造它们。硅晶片尺寸比较小，功耗低，并且是蚀刻的，因此它被制造成有足够的容量并用于智能机器只是一个时间的问题。实际上，比起传统的计算机存储器来，智能存储器有一个优势。半导体工业的经济情况取决于芯片的废品率。芯片的良品率就叫做收益率。它决定了某种芯片设计是否可以投入生产并能否创造利润。因为随着芯片尺寸的增大，废品的几率也随之增加，所以现在大多数的芯片只有一枚小邮票那样大小。芯片业在单个芯片上增加记忆容量不是通过增大芯片面积，而是通过使芯片上的记忆单元更小而实现的。

但是智能记忆芯片却天生具有容错能力。请记住，你大脑中并没有哪一部分独立地记录着不可或缺的数据项目。你的大脑每天都会有成千上万个神经元死去，但你的心智能力在整个成年期却以非常缓慢的速度在衰退。智能记忆芯片会以大脑皮层同样的原理工作，因此即使记忆单元中有一部分损坏了，芯片仍然可用并仍具有商业价值。很可能的是，类人脑记忆的固有容错能力可以让芯片设计者设计出比现有的计算机存储芯片大得多、厚得多的芯片来，结果是，我们以比当前发展更快的速度将大脑植入硅晶片。

连通性是我们要克服的第二个问题。人脑有大量的皮层下白质。我们在前面已经看到，这些白质是由上百万个的轴突组成，这些轴突在薄薄的皮层下朝着各个方向延伸，从而连接着皮层各层次中的不同区域。皮层中的单个细胞会与5000～10000个其他细胞相连。这种大量的平行布线运用传统的硅生产技术是难以甚至是不可能做到的。硅晶片是通过将几层硅金属叠压而制造出来的，每一层都隔有绝缘层。（这个生产过程与大脑皮层中的层次没有相似之处。）每层金属中都含有芯片的“线路”，因为各层的“线路”不可能交会，所以连接的总数是有限的。这对于类人脑的记忆系统毫无意义，因为必须要有上百万的连接才行。硅晶片与白质并不很相似。要解决这个问题还需要进行大量的实验和工程革新，但我们已知道了解决之道的基本方面。

电线传递信号的速度远快于神经元的轴突。芯片上的单条线路可以进行分配，因而可用于许多不同的连接，但人脑中每个轴突仅属于一个神经元。

电话系统就是一个实例。如果我们在每两部电话间都连上电话线，那么地球表面将会淹没在由电线交织而成的丛林之下了。实际上我们是让所有的电话共享一组数量相对较小的大容量电话线。只要每条线的容量远大于传递单个通话所需的容量，这种方法就能奏效。电话系统就满足这一条件：单根光缆就能同时传送上百万个通话。

人脑中所有细胞间都有各自专有的轴突相连，使细胞得以彼此沟通。但我们研制的智能机器却更像电话系统，共享着连接。不管你相信与否，有一些科学家们已经花了数年时间在考虑如何解决脑芯片连通性的问题。给大脑皮层动手术仍是件令人不可思议的事，但研究人员相信我们迟早会解决这一难题的，到那时，我们将不得不面对连通性的问题。在此，我们不必回顾那些曾经尝试过的多种方法了，我们只需说连通性是我们研制智能机器过程中面临的最大技术难题就可以了。我们终究会解决这个问题。一旦技术难题得以解决，就没有什么根本性的问题能阻挡我们制造真正的智能系统了。诚然，为了使智能系统更小、成本更低、功耗更低，我们还有许多问题要解决，没有什么可以阻挡我们。计算机从最初的房间大小到现在能放进口袋里一共花了50年的时间。但由于现在我们处于更高的技术起点上，向智能机器过渡将会快得多。

我们该不该制造智能机器呢？

在21世纪里，智能机器将从科幻小说中走出来变为现实。在这之前，我们应该考虑一下伦理问题，即智能机器潜在的危险是否会超过它可能带来的好处。

能思考、能按自己意愿行动的机器的未来景象已困扰人们很长时间了，这是可以理解的。新知识和新技术在出现之初总会使人们感到恐慌。人们具有创造性思维，因而会想像出可怕的情形来，比如新技术会取代我们的身体，使我们不再有用，使我们的人生不再有价值。但历史已证明，这些可怕的设想从未如我们料想的那样出现过。

工业革命之初，我们惧怕电［还记得弗兰肯斯坦（Frankenstein）其人吗？］和蒸汽机。机器自己能提供能量并能以复杂方式移动，这似乎很神奇，但同时也可能很危险。然而，电和蒸汽机不再让我们感到奇怪和危险，它们就像空气和水一样已成为了我们环境的一部分。

当信息革命开始时，我们很快就对计算机产生了恐惧感。有数不清的关于强大的计算机和计算机网络的科幻小说，在这些小说里，计算机一旦有了自我意识，就会与自己有生命的主人为敌。但如今电脑已成为我们日常生活的一部分，那种担心看起来似乎太荒谬了。你家的电脑，互联网与收款机也一样，几乎不可能会变得有知觉。

当然，任何技术都有可能用于正义或邪恶的目的，但其中一些可能更容易被误用而给别人带来灾难。核能不论是用于核弹头还是发电厂都是危险的，因为一次小小的事故或一次误操作就有可能危及数百万人的生命。虽然原子能很有用，但其替代能源也已经有了。

运输技术可以采取坦克和战斗机的形式，也可以采用汽车和民用飞机的方法，但一次事故或误操作会给许多人造成伤害。事实证明，车辆已成为现代生活不可或缺的一部分，同时它们还不具有核能那样的危险；飞机误操作所造成的损失远远小于核能的误操作。有许多技术几乎绝对是有益的。比如说电话，它能让人们保持联系，给我们带来的正面效果毫无疑问要多于它所带来的负面效应。电和公共卫生学也是一样。依我看来，智能机器将会是我们所开发的技术中危险最小而益处最多的发明。

但仍然有像Sun Microsystems公司的共同创始人比尔·乔伊（Bill Joy）那样的思想家，他们担心我们有可能研制出微型智能机器人，这些机器人有朝一日能摆脱我们的控制，遍布地球并根据自己的计划一点点地重建这个世界。这幅图景使我想起了《魔法师的徒弟》（The Sorcerer's Apprentice）中那魔术般活动着的扫帚柄，它们以碎片重建自己，并不厌其烦地给人们带来灾祸。类似地，一些对人工智能持乐观态度的人做出了这一技术能延长生命的预言，这使我们感到不安。比如说，雷·柯兹威尔（Ray Kurzweil）曾谈到，有那么一天，微型机器人钻进你的大脑，记录下每一个突触以及每一次连接，然后将所有的这些信息报告给一台巨型计算机，这台巨型计算机就能重新调整自己的配置，进而成为另一个你。你将变成一个自己的“软件”版本，并且几乎是不朽的。人们对机器智能的这两种担心——智能机器疯狂运作带来混乱以及把你的大脑上传到电脑的设想——好像还将不断涌现。

制造智能机器与制造自我复制机器其实并不是一码事，两者之间没有任何的逻辑联系。人脑和电脑都不能直接进行自我复制，与大脑类似的记忆系统也是一样。而智能机器的优越性之一就是我们可以对它们进行大规模生产，当然这种大规模生产并不像细菌和病毒那样进行自我复制。自我复制不需要智能，智能也不需要自我复制。

此外，我很是怀疑我们能否将心智复制到机器中去。据我所知，目前还没有任何现实或想像中的方法能把成其为“你”的那些上万亿的信息细节记录下来。如果要复制你，我们要将你的神经系统和身体的信息都进行记录并进行再创造，而不仅仅是你的大脑皮层。我们还要进一步了解它们都是如何工作的。当然很可能有那么一天，我们将有能力完成这一切，但面临的挑战要远远大于理解大脑皮层的工作原理。弄清新皮层的算法并将其从人脑植入机器是一回事，将有生命的大脑中无穷的操作细节扫描并复制到机器中，却是完全不同的另一回事。

****************************

除了自我复制和心智复制以外，对于智能机器人们还有另外一些忧虑。智能机器会如原子弹那样对人类构成威胁吗？它们的出现会导致小集团或邪恶的个人进行独裁吗？智能机器会如《终结者》和《黑客帝国》中那些不可控制的机器一样作恶并与我们作对吗？这些问题的答案是否定的。作为信息设备，类似大脑的记忆系统将是我们开发出来的用途最大的技术之一。但就像汽车和电脑一样，它们仅仅是工具而已，具有智能并不意味着它们将有特殊的能力来破坏我们的物质世界或控制人类。正如我们不会将世界上的核武库置于某个人或某台电脑的控制之下一样，对于智能机器我们也要谨慎，不要太过于依赖它们，因为它们像所有其他的技术一样有可能会带来破坏。

这样，我们又面临着另一个可怕的问题。有人认为机器具有智能基本上就等于说它具有了人的智力。他们担心智能机器将会因为“被奴役”而感到愤怒，因为人类憎恨被奴役。他们担心智能机器会试图统治世界，因为历史上曾有智者这么做过。但这样的担忧是建立在一个错误的类推之上的。人们之所以有这样的担忧是因为他们将智能——新皮层的算法，与古脑的情感因素——诸如恐惧、多疑和欲望等，归并起来了。智能机器是不具备这些能力的。它们不会有野心，也不会渴望财富，寻求社会认同以及性满足。它们没有食欲、嗜好，也不会出现情绪不稳定的情况。智能机器不会有任何类似人类情感的东西，除非我们刻意把它们设计成那样。智能机器最强大的应用就是那些人类智力有困难的地方，感觉器官不能及的领域和那些单调乏味的工作。通常，这样的活动几乎不涉及情感。

智能机器应用的范围从简单的单一应用系统到强大的超人智能系统无所不包，但除非我们自己要把它们设计成人的模样，否则它们是不会像人类的。也许有一天我们会制定规范来限制智能机器的应用范围，但那一天还很遥远。当那一天真的到来时，它所涉及的伦理问题，将比现在诸如围绕基因和核技术所引发的道德问题要相对容易解决一些。

为什么要制造智能机器？

现在我们来看看这个问题——智能机器能做什么？

经常有人要我就移动计算的未来发表看法。会议组织者总是会要我描述一下5年或20年之后的掌上电脑或移动电话将是什么样子，他们想听听我对未来的预计，但我办不到。我总是要避免回答那些涉及观点的问题。为了表明我的立场，有一次我戴着魔术帽，拿着玻璃球走上讲台。我解释道，任何人都不可能看清未来的每个细节。玻璃球是虚幻的，任何装着想确切知道未来几年将发生什么的人注定是要失败的。反过来，我们所能做的就是把握大的趋势。如果你领会了总的思路，那么不管细节明朗化后它将如何发展，你都能成功地把握住它。

预言技术发展趋势最有名的例子就是摩尔定律。戈登·摩尔（Gordon Moore）准确地预言了一块硅晶片上能容纳的电路元件数目每一年半就会翻一番。当时，摩尔没有说这些芯片是否是存储芯片、或者是中央处理单元，或者什么其他的东西，并没有说这些芯片将用于何种产品，也没有预测这些芯片将放置在塑料或陶瓷里，或黏附在电路板上，更没提及任何制造芯片的加工工艺。他仅仅是把握了大体的发展趋势，然而他是完全正确的。

现在我们无法预言智能机器的最终用途。我们没有办法准确地了解到那些细节。如果我或者任何其他人详细地预言了这些机器的用途，那不可避免地将会被证明是错误的。尽管如此，我们能做的不仅仅是耸耸肩而已，有两条思路或许可以帮助我们。其一就是想像一下这种类人脑的记忆系统最短期的用途——尝试一些显而易见、比较缺乏趣味性的应用；其二就是考虑一下长期的趋势，就像摩尔定律一样，这有助于我们想像可能成为未来生活一部分的智能机器的应用。

让我们先从短期的应用着手，这些应用都是显而易见的。这就类似于用晶体管替换收音机里的电子管，或者用微处理器来制造计算器。我们可以先涉足那些人工智能尝试要解决却又没有完全解决的领域，比如说，语音识别、机器视觉和智慧型汽车，等等。

****************************(www.daowen.com)

如果你曾尝试过用语音识别软件将文本输入个人电脑，你就会知道这样做是多么的愚笨。就像塞尔的“中文屋”实验，计算机是不会明白你所说的话的。经过几次尝试，我对它彻底失望了。如果房间里有任何噪音，即便是铅笔掉落到地上的声音或者别人对我说话，都会导致屏幕上出现多余的字词，它的错误率很高。软件识别出我所说的词没有任何意义，这样的情况常常出现。“Remember to fell Mary that the bog is ready to be piqued up.（记住摔倒玛丽，沼泽已做好发怒的准备！）”小孩都能知道这是错的，而计算机却不晓得。同样，所谓的“自然语言接门”已成为计算机科学家多年来研究的目标，其内容就是通过人的日常语言告诉计算机或其他的设备你需要什么，并让它们完成相应的工作。在PDA上，你可能会写道：“把我女儿星期天的篮球比赛改到今天上午10点。”传统的人工智能技术不太可能做好这项工作。即便是计算机能识别每一个字，要完成这项工作却需要它先知道你女儿在哪儿上学，也需要知道你大概指的是下个星期天，还需要知道你所说的“篮球比赛”到底指的是什么，因为它有可能只被当作是“门罗队对圣乔队”。也许你要计算机听广播并要求它判断某个产品的名字是否被提到，而广播员却只描述了产品，没有提到该产品的名字。你我都能知道播音员说的是什么，但计算机却判断不了。

诸如此类的应用都要求机器能听懂人类的口头语言，但计算机却无法完成这样的任务，因为它们听不懂我们所说的话。计算机通过声音将听觉的模式与单词模板进行匹配，根本不知道这些单词的意思。假设你学着能辨出一种外语的每个单词的发音，但不知道它们的意思，然后我要你记录下用那种语言进行的一段会话。在会话进行过程中，你根本不知道它是关于什么的，但你却尽力要把一个个单词辨识出来。结果呢，单词的发音有交叠并互相干涉，还有噪音也使你没能听到一些声音片段，你会发现要把一个个单词进行分离并识别出来有多么的困难。这正是开发语音识别软件目前所面临的障碍。工程师发现通过运用词过渡概率（probabilities of word transitions），多少可以提高软件的准确率。比如说，他们利用语法规则来判定同音（同形）异义词等。这是预测的非常简单的形式，但还是不具有智能。今天的语音识别软件在非常受限的条件下可以取得一些成功，因为这些条件限制你在一定的时间里只能说出有限的单词。

人之所以能顺利地完成许多与语言有关的任务，是因为我们的大脑皮层不但能理解单词，还能理解它们所在的句子和上下文。我们在期待思想、短语和单个的词。我们大脑皮层有关世界的模型自动地在完成着这些任务。

因此，我们可以预期类皮层的记忆系统会将脆弱的语音识别变成强健的语音理解。不用借助词过渡概率进行编程，我们的分层记忆可以追踪音调、单词、短语和思想，并利用它们来理解所说的话。和人一样，这样的智能机器可以区分不同的话语事件，比如，是你和朋友在房间里进行的讨论，还是一次电话交谈，还是编书时的编辑指令。研制这样的机器不容易。要完全理解人类语言，机器必须经历人所经历的，学习人所学习的。因此，虽然研制能像你我一样可以理解人类语言的智能机器还需要许多年的时间，可在短期内，我们可以利用类皮层的记忆来提高现有语音识别系统的性能。视觉方面也有一些应用是人工智能无法完成而真正的智能系统却可以应付的。今天还没有什么机器能欣赏自然风光——我们眼前的世界——或者照相机拍下的景象，并能把它描述下来。现在已有少数能在人们规定的领域里成功工作的机器视觉应用，例如在电路印刷版上通过视觉定位芯片或比照数据库匹配五官特征，但目前还无法让计算机识别各种物体，或者在更广泛的意义上分析所看到的景象。环顾一下房间并找个位置坐下，对你来说没有什么困难，但不要期望计算机也同样能做到。假设看着接有安全监视器的电视屏幕，你能否区分一位手拿礼物敲门的人与一个企图用起货钩撞门的家伙呢？当然可以。但两者之间的差别是目前软件所不能胜任的。于是我们必须雇人日夜监控监视设备的屏幕，以便发现任何可疑之处。人要长时间保持警惕是很困难的，但智能机器却可以不知疲倦地完成这项任务。许多需要敏锐视觉完成的工作同样需要对复杂场景的理解，智能机器是处理这些任务的唯一途径。

最后，我们来看一下运输。汽车现在越来越复杂精密了，它们装有全球定位系统，可以帮你确定从A点到B点之间的路线；装有天色变暗时自动开灯的装置，装有控制安全气袋的过荷传感器；装有“接近觉传感器”，以防你倒车时撞到什么东西。现在，甚至还有能在专用公路或在理想条件下自动驾驶的汽车，虽然它们还没有商品化。但要在各种公路上和任何交通条件下安全有效地驾驶，还需要更多的传感器和反馈控制电路。要成为一名合格的驾驶员，你必须了解车辆、其他的驾驶员、汽车的工作原理、信号灯和许多其他东西。你必须能看懂道路危险标志，能注意到另一辆车是否在危险驾驶。你还必须能看到另一辆车上的转向信号灯，并预期它很可能要换道行驶。而如果信号灯亮了好几分钟，你应该能意识到可能是那个司机并不知道信号灯亮着，因而也不一定是打算换道行驶。当前方有烟雾冒起时，你要能意识到可能发生了事故，就应该减速行驶。当看到球滚过马路时，你会不假思索地判断出很可能会有孩子跑出来捡球，而凭直觉将车刹住。

如果说我们要造一辆真正意义上的智慧型汽车，首先要做的就是要选出一组传感器，让我们的智慧型汽车能感知周围的情况。要在车的前后装上一个或多个能“看”的摄像头，能“听”的拾音器，还需要装上雷达系统或超声传感器，以便在明亮或黑暗条件下准确地判断其他物体的距离和速度。问题是，我们其实不必仅仅依赖或局限于人所使用的感官。脑皮层算法是灵活的，只要我们以适当的方式设计我们的分层记忆系统，不管我们装了何种传感器，它都应该能很好地工作。理论上讲，我们的汽车能比我们更好地感知交通状况，因为它的各种感觉都可以用来完成任务。我们把这些传感器连接到一个足够大的分层记忆系统上，通过将这种智慧型汽车置于真实的条件下来训练它的记忆，它将像人一样学习并构建世界的模型——当然是在有限的范围内。（比如说，它必须了解道路而不必知道电梯或飞机等。）它的记忆将会记住交通和道路的分层结构，这样，它就能在有着穿梭行驶的汽车、道路标志、障碍物和交叉路口等的真实世界里明白并预测将要发生什么。汽车工程师设计这样的记忆系统，以便汽车能自动驾驶或在我们开车时能提供监控、给出建议，或在极端条件下接管汽车，就像一名你不会讨厌的后座驾驶员。记忆一旦训练好，汽车将可以理解并知道如何处理各种状况。

在汽车走下装配线时，汽车工程师可以使其永久地固化记忆，这样，每辆车都会有同样的表现。我们还可以将汽车的记忆设计成售后可继续学习型，因为车上装的是电脑而不是人脑，所以如果条件允许的话，我们可以将记忆重新配置，让它成为升级版本。

我并不是说我们肯定会制造出智慧型汽车或者能理解语言、有视觉的机器，但这是我们能研究和开发的装置中的极好例子，并且这些机器也有可能被制造出来。

****************************

就我个人而言，我对智能机器的那些较明显的应用并不怎么感兴趣。在我看来，一项新技术真正的好处以及它能带给我们的兴奋在于它前所未有的用途。智能机器到底会在什么方面带给我们惊奇呢？随着时间的推移，又会出现哪些神奇的能力呢？我确信，正如晶体管和微处理器那样，分层记忆将会在许多方面改善我们的生活，可它又是怎样改善我们生活的呢？为了管窥智能机器的未来，我们可以考虑一下这项技术能很好扩展的那些方面。也就是说，看看智能机器的哪些方面成本会越来越低，速度会越来越快，或体积会越来越小；看看哪些能以指数级速度增长的事物会迅速超出我们的想像，并很可能在未来技术的根本性变革中起到重要作用。

多年来，能以指数级速度发展的技术有硅晶片、硬盘、DNA排序技术和纤维光学等等，这些飞速发展的技术已经成为许多新产品和事业的基础。软件也以另一种方式在迅速发展，一项能满足人们需求的程序一旦被开发出来，就能无成本地被无限复制。

相反，另外一些技术，比如电池、发动机和传统机器人等，它们的发展都太缓慢了，虽然人们付出了很多努力并且也有了稳定的进展，可今天造出的机器手臂与10年前的相比并没有多大改观。机器人的发展是缓慢的，这与以指数曲线发展的芯片设计和蓬勃发展的软件业截然不同。1985年用100万美元造的机器手臂在今天不会变得只要10美元就能造出，并且其功能还能再强大上千倍。同样地，今天的电池也并不比10年前的有多大改善，也许有两到三倍的提高，但却没有成千上万倍的提高。如果电池的容量发展速度也像硬盘一样，那么移动电话和其他一些电子设备就不需要费用了，并且那些开上1000千米以上才需要充电的轻型电动车也会很普遍。因此，我们应该好好想想类人脑的记忆系统在哪些方面会以超过人脑的速度迅速发展，而这些方面将会表明这项技术的最终归属。

我认为智能机器在4个方面会超过我们人脑的能力：速度、容量、可复制性和感觉系统。

速度

当神经元以1/103秒的速度工作时，硅正以1/1010秒的速度运行（而且这一速度还在不断加快）。这是100万倍的差异，或者说有6个数量级的差别。人脑思维和基于硅片的思维之间速度上的差异将会给我们带来惊人的结果，那便是，智能机器能够以快于人脑100万倍的速度思考。这样的脑子可以在几分钟内读完整个图书馆的书或者研究大量的资料，而同样的任务你我都需要几年的工夫才能完成，并且它们的理解与人无异。这其实没有什么不可思议的，因为人脑的进化有两个与时间有关的限制，其一是细胞工作的速度，其二就是世界变化的速度。对人脑来说，如果它周围的世界以很慢的速度变化发展，而它自己却以快上100万倍的速度工作的话，那将毫无意义。但脑皮层算法并不意味着它必须以很慢的速度工作。如果一台智能机器与人交谈或交互，它就必须慢下来并以人脑的速度运行；如果它读书时要翻页，这也将限制它的阅读速度；但如果当它与电子世界交互时，它就可以运行得非常快——两台智能机器间交谈的速度可以比两个人交谈的速度快上100万倍。想像一下智能机器以比人快上100万倍的速度解决数学或科学难题的过程。它在10秒钟内对一个问题所作的思考，你可能需要花上1个月的时间。这种不知疲倦、不知厌烦，并能以闪电般速度进行思维的机器，将会在我们所想像不到的方面为我们造福。

容量

不管人脑皮层的容量有多大，智能机器的记忆容量都可以远远地超过它。人脑的大小受到一些生理因素的制约，其中包括：婴儿头颅的大小取决于母亲骨盆的直径，大脑工作时所需很高的代谢（你的大脑虽然只占你体重的2%，但它却要消耗你20%的氧气），以及神经元较慢的工作速度。但我们制造的智能记忆系统可以是任何大小的，而且在设计的细节上我们可以做精心的调整。相比之下，几十年后人类新皮层的容量将会显得有些捉襟见肘了。

制造智能机器的时候，我们可以从多方面扩大它们的记忆容量。例如：在体系中增加层次将会导致更深入的理解——具备理解更高层次模式的能力；扩大各区域的容量将会使机器能记住更多的细节，有更敏锐的观察力，正如盲人有更敏锐、更精确的触觉和听觉一样；还可以扩展感觉系统的层次，让它能构建更好的世界模型。我马上就会对此进行讨论。

看智能记忆系统的规模是否有上限及其扩展方向，是非常有趣的一件事情。可以想像，一个装置可能因为太复杂而不实用，或者当它接近某个理论极限时就可能失效。也许人脑的大小已接近理论极限了，但我却认为这不太可能。人脑是在最近的进化时期才增大的，也没有什么迹象表明我们的大脑正处于某种比较稳定的最大尺寸。但不论智能记忆系统的最大容量会有多大，人脑几乎都是无法企及的，甚至是丝毫无法接近的。

如果想知道这些系统能有何作为，我们不妨看看已知的人类行为的极限。爱因斯坦毫无疑问是绝顶聪明的，但他的大脑仍然是人的大脑。我们可以假定他非凡的智力很大程度上是因为他的大脑与典型的人脑之间存在的物理上的差异。爱因斯坦这样的人之所以少，是因为我们的基因不会经常产生他那样的大脑。然而，当我们用硅设计大脑时，我们可以以任何可能的方式制造它。它们可以都具有爱因斯坦的高级思维能力，甚至更加聪明。在另一极端，“奇人”可以使我们认识到智能待开发的其他潜能。“奇人”是那些心智发展不全的人，但他们却在某些方面表现出非凡的能力，比如具有近乎照相机般的记忆，或者具有飞速计算复杂算术题的能力。他们的大脑，虽然不是典型的大脑，但终究还是大脑，同样以大脑皮层的通用算法工作。如果一个非典型的大脑能有惊人的记忆能力，那么，在理论上我们就可以将这些能力赋予人造大脑。这些人类非凡能力的极端例子不但表明了什么是可能再创造的，而且还表明了在什么方向上我们也许能超越最佳的人类行为表现。

可复制性

每个人脑都必须从头开始成长并接受训练，这一过程要耗去人类几十年的时间。每个人都要学会如何协调肢体和肌肉组织，要学会如何平衡、如何移动，还要掌握大量事物、动物和他人的基本属性，要记住事物的名称和掌握语言的结构，还要学习家庭和社会的规范。在掌握了这些基本技能和知识之后，便开始了年复一年的正规学校教育。

每个人都要在人生相同的学习道路上艰苦跋涉，即使这些过程已被无数人一次又一次地重复过，这样做的目的就是在大脑皮层中建立起世界的模型。

智能机器不必经历这种漫长的学习过程，因为芯片以及其他的存储器都可以被不断地复制，其中的内容也可以被轻易地转录。从这种意义上讲，智能机器可以如软件般复制。一旦我们对一个训练好了的原型系统感到满意，就可以随心所欲地将其复制。为完善智慧型汽车所进行的芯片设计、硬件配置训练和反复试验需要花上许多年的时间，但一旦完成了最终产品，就可以投入批量生产。正如前面提到过的，我们可以选择是否让这些复制品继续学习。

在某些应用领域，我们可能要限制智能机器使其按照经实验通过的方式运行。一旦智慧型汽车掌握了我们希望它掌握的东西，我们就不希望它继续学习，因为那样可能使它养成不良的习惯或者坚持它自以为正确而实则错误的类推。我们可能希望所有相似的汽车都有相似的表现，但对于其他的一些应用，我们要求这种类大脑的记忆系统具有继续学习的能力。例如，设计成解数学题的智能机器必须具备从经验中学习的能力、具备依旧知识洞察新问题的能力，此外还要相当灵活，能应付各种开放性问题。

我们可以像分享软件组件一样分享智能机器的学习组件。某种特定设计的智能机器可以通过新的连接重新编程，从而具有不同的行为，就好比我可以下载一些新的神经连接到你的大脑中，将你即刻从讲英语的人变为讲法语的人，或者从政治学教授变成音乐研究者一样。

人们可以交换、重复利用彼此的工作。比如说我开发并训练了一种有超级视觉系统的机器，而别人却开发并训练了一种有超级听觉的机器，通过适当的设计，我们可以将这两个系统组合起来，从而大大节省了时间。人是不可能以这样的方式来分享专业知识和技能的。智能机器制造业可以采取计算机工业发展的路线来发展自己，不同的团队从事面向不同专业和能力的智能机器的训练，通过购买和交换彼此完成的记忆配置，改编一个智能机器就如同运行一种新的电脑游戏或安装一种新的软件一样容易。

感觉系统

人类有少数几种感觉，这些感觉根植于我们的基因、身体和大脑皮层下面的神经网络里，我们无法改变它们。有时我们可以利用技术扩大感觉的范围，比如可以使用夜视镜、雷达或者哈勃空间望远镜等。这些高科技仪器设备并不是什么新的感知方式，它们只是巧妙地将数据进行转换，将我们不能感知的信息转换成可理解的视觉或听觉的显示。

人脑有着惊人的灵活性，我们看着雷达屏幕就可以明白它表示什么。许多种动物都有着真正不同的感官，比如蝙蝠和海豚有回声定位系统，蜜蜂能看到偏振光和紫外光，某些鱼能感应电场。

智能机器可以通过任何自然界已有的感觉方式，还可以通过由人全新设计的感觉方式来感知世界。声纳、雷达、红外线观测仪都是我们可以让智能机器具有的非人类感觉的明显例子。它们仅仅是个开始。

更有趣的是智能机器能体验到真正奇异的感觉世界。正如我们看到的，新皮层算法从根本上讲是用来发现世界模式的，而不仅仅倾向于这些模式的基本物理特性。只要输入到皮层的信息不是随机的，并有一定的丰富性和统计特征，智能系统就能对它们形成恒定记忆并进行预测。没有理由要求这些输入模式一定要与动物的感觉类似，也不需要它们完全由现实世界派生而来。我以为，智能机器革命性的用途就在于这些奇异的感官领域。例如，我们可以设计一种跨越地球的感觉系统，可以在陆地上遍布天气传感器，把地面分隔成大约70千米的小块，它们就像是视网膜上的细胞，在任一时刻，两个相邻传感器的活动都有着高度的相关性，就如同视网膜上两个相邻的细胞那样。风暴、锋面等巨大天气对象会随时间而移动变化，就像视觉对象会随时间移动变化一样。传感器将这些天气连接到一个巨大的类皮层记忆系统，我们就可以让它学着预测天气，就像你我学着识别视觉对象并预测它们如何随时间而移动那样。这个智能系统将能识别局部天气模式、大规模天气模式，以及那些以几十年、几年或几小时为发生间隔的模式。通过在某些地区放置更密集的传感器，我们就可以产生类似视网膜上视觉凹的结构，从而使我们的智能机器能理解并预测更细微的天气变化。我们的天气智能系统可以思考和掌握全球的天气系统，就像你我能思考和理解事物和人一样。今天，气象学家正致力于建造类似这样的系统，他们收集不同地区的记录，并利用巨型计算机来模拟天气，然后预报未来的天气。但这种工作方式与智能机器工作的方式有着本质区别，却与电脑博弈类似，因为它和电脑博弈一样并不理解自己在做什么。而智能机器的工作方式却与人下棋是一样的，都在做周详的考虑并能理解自己所做的一切。

智能天气系统尤其要能发现人发现不了的模式。厄尔尼诺现象是在20世纪60年代才发现的，而我们的智能天气系统可以发现更多类似厄尔尼诺现象的模式，也可以学会比人更好地预报龙卷风和季风。要将大量的天气资料变成人容易理解的形式不是件容易的事。相反，我们的天气智能系统却能直接地感知和思考天气现象。

其他大型的分布式感觉系统能让我们建成可以理解和预测动物迁徙、人口变化和疾病传播的智能机器。设想一下，我们可以在一个国家的电力网上分布传感器，与之相连的智能机器能观测到耗电量的消长，就像你我能观察到道路上交通的变化或机场里人员的流动一样。通过反复地接触这些环境，人们学会了预测这些模式，只要问一下开车上下班的职员或机场的保卫人员就可以明白这一点。同样，智能电网监控系统能比我们更好地预测对能源的需求，能预测到可能导致电力中断的危险状况。

我们还可以将天气传感器和人口分布传感器结合起来，以预测政治动乱、饥荒或疾病暴发。智能机器能像一名睿智的外交官，可在减少冲突和人类痛苦方面扮演重要角色。也许你会认为智能机器必须要有情感才能预测与人类行为有关的模式，而我却不这么看。我们不是生来就属于某种文化，生来就具有某种价值观，或生来就信仰某种宗教的，它们都是后天习得的。正如我可以学会理解与我有着不同价值观的人的动机，智能机器也可以理解人类的动机和情感，即便它自己并不具备这些动机和情感。

我们可以研制出能提取微小物体的感官。传感器要能用细胞或大分子来表征模式，这在理论上是可能的。例如，我们现在面临的一个重要挑战就是如何通过构成蛋白质的氨基酸序列来预测蛋白质分子的形状。能够预测蛋白质将如何折叠和交互，就能促进发展医学的进步并能治疗多种疾病。工程师和科学家已经建立了蛋白质的立体可视化模型，目的就在于要预测这种复杂分子的表现。即使我们已尽己所能，事实证明这项工作是非常困难的。采用装配着针对这一问题而特别设计的感觉装置的超智能机器，这一难题或许会迎刃而解。这听起来好像有点令人难以置信，但请记住，如果最终解决了这一问题，我们是不会感到惊讶的。这一问题之所以难以解决，主要还是因为在我们自身的感觉系统与想要解决的问题之间存在着很大的差距。智能机器有定制的感官，还有比人脑容量大的记忆，它们完全可以解决我们所不能解决的问题。

通过合适的感觉和稍加调整的皮层记忆，智能机器也许可以存在于数学和物理学的虚拟世界中并进行思考。例如，在数学等理科领域里，有些问题是要求能够理解物体在多于三维的空间里是如何运动的。那些研究空间本质的弦理论家（string theorists），认为宇宙有十维或更多的维度。人类思考四维或四维以上的数学问题就已经非常费劲，也许合理设计的智能机器能如你我理解三维空间一样去理解多维空间，并能很好地预测它们的运动规律。

最后，我们可以将许多智能系统组合成巨大的多级系统，就好比在大脑皮层的顶层将听觉、触觉和视觉整合起来。这样的系统可以通过智能机器群的方式自动学习、建立和预测模式。通过国际互联网络之类的分布式通信媒介，这些智能机器可以分布于地球的每个角落。更多的层级可以学习更深奥难懂的模式，并能进行更复杂的类推。

做这些设想目的是为了说明类大脑的机器可以在许多方面以惊人的幅度超越我们自身的能力。它们可以以快上100万倍的速度思考和学习，可以记忆庞大的详细信息，还可以理解相当抽象的模式；它们有比我们敏感得多的感官，这些感官可以分散四处，能洞察细微的现象；它们还可以思考三维、四维或更多维度的问题。所有这些有趣的设想不能让智能机器模仿人类或是让复杂的机器人来实现。

现在，我们已充分认识到，把智能等同于人类行为的“图灵测试”限制了我们的想像力。首先理解了什么是智能以后，我们就可以制造出不仅仅是复制人类行为的、更有价值的智能机器，它将会成为神奇的工具，将大幅度地扩展我们对宇宙的认识。

****************************

这些设想需要多久才能实现呢？50年后我们能造出智能机器吗？20年怎样？抑或只需5年呢？在高科技领域有这么一种说法：变化比你的短期预期要长，但比你的长期预期要短。这句话曾无数次地被应验。有人在会上宣布了某项新技术，并宣称4年后它将普及到每个家庭。结果他错了。4年过去了，8年过去了，人们开始认为这根本不可能发生。就在毫无指望的时候，这项新技术开始普及，并引起了轰动。智能机器领域也会出现类似的情形，在初始阶段会进展很慢，但很快就会腾飞起来。

在神经科学会议上，我会走遍会场，询问每个人，问他们需要多久我们才会有可行的大脑皮层理论。有那么一些人——不到5%——会说“永远不会有！”或“我们不是已经有了吗？”（对于他们的职业来说这是多么令人不解的回答啊！）另外有5%的人会说5～10年。剩下的人中有一半会说10～50年，或者说“在我有生之年吧”。最后那些人会说50～200年，或者说“我今生是看不到了”。我支持那些对此充满信心的人。几十年来，我们都处在“缓慢”进展的时期里。因此，在许多人看来，理论神经科学的发展和智能机器的开发已经完全停顿下来了。以过去30年已取得的成果为参照，我们很自然就会认为离最终的答案还十分遥远，但我相信这一领域现在正处在转折点上，很快就会腾飞。

我们可以加速未来的进程，可以使转折点快一点到来。本书的目的之一就是要让你相信，只要有了正确的理论框架，就可以在理解大脑皮层方面取得飞快的进展；要让你相信，有了记忆-预测理论框架作为指引，可以揭示大脑工作的原理以及我们是如何思考的。我们需要这些知识，有了它们才能制造出智能机器。如果这一理论模型是正确的话，整个进程将会大大加快。

因此，虽然不愿意预言智能机器成为现实的具体时间，但我相信，只要今天有足够多的人能全力解决这一问题，那么，几年后我们就有可能建立起有用的原型和脑皮层模拟装置。我希望，在10年内智能机器将成为最热门的科技领域。对此，我不愿意谈得过于具体，因为我知道很容易低估重要事件发生所需要的时间。那为什么对于理解大脑和制造智能机器的进展速度我会如此乐观呢？这是因为我研究智能问题已有相当长的时间。还是在1979年，当我迷上大脑研究时，就觉得解决智能这一难题是能在我有生之年可以完成的。多年来，我细心观察了人工智能和神经网络的盛衰，以及称之为“大脑的十年（the Decade ofthe Brain）”的20世纪90年代变化发展。我也亲眼目睹了人们对于理论生物学，尤其是理论神经科学的看法不断在转变。我也看到了有关预测的思想、层次表征和时间因素都被引入了神经科学。我还知道，我和我的同事对大脑的理解也在加深。我兴奋于18年前提出了预测的作用及随后对预测所作的测试。因为20年来我一直埋头于神经科学和计算机领域，也许我的大脑已经建立了关于科技将如何变化发展的高级模型，这一模型预测到我们即将面临快速发展，现在就是转折点。