人機(jī)圍棋大戰(zhàn)心理學(xué)在線咨詢，人腦為什么會輸？

來源：南方周末

北京時間3月9日下午消息，今天下午谷歌人工智能alphago與韓國棋手李世石的第壹場比賽結(jié)束，alphago獲得今日比賽的勝利。

1997年電腦“深藍(lán)”擊敗世界象棋冠軍。2011年計算機(jī)“沃森”擊敗了兩名曾經(jīng)稱霸電視問答比賽的人類對手，獲得100萬美金。近日，ibm報告了史上最大規(guī)模的模擬人腦研究。真正的人工智能還有多遠(yuǎn)？

模擬人腦人工智能

2012年11月14日，在美國猶他州鹽湖城的2012超級計算大會上，ibm的計算機(jī)專家提交了壹份標(biāo)題是“1014”的報告。報告所描述的研究被媒體稱為“認(rèn)知計算的里程碑”。使用了世界上運(yùn)算速度最快的96臺計算機(jī)，研究人員制造出了包含5300億個神經(jīng)元和100萬億個突觸的人造“大腦”。

恒河猴，又名獼猴

這是迄今為止對大腦的最大規(guī)模的模擬。它的初始目標(biāo)是模擬出實(shí)驗(yàn)室中常見的恒河猴的大腦。有網(wǎng)友戲稱“世界上第壹臺人工智能計算機(jī)誕生后的第壹件事會是要壹根香蕉吃”，但現(xiàn)在這個“大腦”只是“神經(jīng)形態(tài)工程學(xué)”意義上的。

這里所說的神經(jīng)元和突觸并不是生物學(xué)意義上的。對于計算機(jī)來說，神經(jīng)元就是計算中心，每壹個神經(jīng)元能夠從周邊成千上萬的其他神經(jīng)元那里接收到輸入信號，對數(shù)據(jù)進(jìn)行分析處理，然后再發(fā)射出去；突觸是用于連接神經(jīng)元的，它是記憶和學(xué)習(xí)發(fā)生的地方。

換句話說，神經(jīng)形態(tài)工程學(xué)是受生物腦的功能和結(jié)構(gòu)的啟發(fā)，來改進(jìn)計算機(jī)。比如說，傳統(tǒng)的計算機(jī)依靠數(shù)量巨大的晶體管的打開與關(guān)閉來運(yùn)行，要求接近完美的動作。這意味著電力的消耗。人腦只需要20瓦的電力，但是如果用傳統(tǒng)方式建立與人腦規(guī)模相當(dāng)?shù)挠嬎銠C(jī)，其用電量將相當(dāng)于壹個小城的用電量。之所以會這樣，壹個原因就是人腦是“事件驅(qū)動”的，只有當(dāng)某些神經(jīng)元被激活時才會較為消耗能量。而且，人腦突觸的失誤率非常高，在30%到90%的情況下會動作失敗，但人腦工作得很好。假如是傳統(tǒng)的計算機(jī)，晶體管壹次失誤可能就會導(dǎo)致死機(jī)。

ibm公司的研究人員正在用電腦模擬人腦

ibm的最新成果將電腦設(shè)計成了“事件驅(qū)動”，電力消耗也大幅降低。但現(xiàn)有的結(jié)果并不是在生物學(xué)上或功能上的精確模擬，計算機(jī)仍然不能思考或是感受。有壹些科學(xué)家對達(dá)到這最終的目標(biāo)顯得很樂觀，但也有人認(rèn)為這還相當(dāng)遙遠(yuǎn)。因?yàn)楝F(xiàn)在人們對人腦運(yùn)行的了解還實(shí)在是太少，在神經(jīng)科學(xué)解決最基本的問題之前，人工智能不大可能產(chǎn)生突破?！斑@有點(diǎn)像是擁有了世界上最大數(shù)量的樂高塊，卻對于能從中得到什么毫無頭緒。真正的藝術(shù)不在于買樂高塊，而在于知道如何把它們組裝起來。”《紐約客》評論說。

并非不可能

瑞士聯(lián)邦理工學(xué)院的神經(jīng)科學(xué)家亨瑞·馬克拉姆（henrymarkram）自2005年起主持了壹項稱為“藍(lán)腦計劃”的項目，其目標(biāo)就是用計算機(jī)模仿出人腦的生理學(xué)過程。在2009年的壹次ted演講中，馬克拉姆稱：“建造壹個人類大腦并非不可能，我們將用10年的時間做到?！彼胂笾械娜嗽齑竽X將能夠說話，擁有人類的智力水平和相似的行為方式。

另壹名在這個問題上持樂觀態(tài)度的研究者是美國的未來學(xué)家雷蒙德·庫茨魏爾（raymondkurzweil）。他預(yù)言到2029年就會有計算機(jī)通過圖靈測試，并愿意為此賭上兩萬美元。所謂圖靈測試，是圖靈在1950年提出的壹個游戲，讓壹個人類的審問者去審問壹臺機(jī)器和壹名真人，這名審問者并不知道對方的身份，而機(jī)器的目標(biāo)是讓審問者把自己誤當(dāng)成人，而真人則要幫助審問者正確識別出機(jī)器。如果機(jī)器成功迷惑了審問者，那么我們就說這臺機(jī)器通過了圖靈測試。

支撐起科學(xué)家和工程師樂觀態(tài)度的壹個主要因素，是所謂“摩爾定律”——計算機(jī)的運(yùn)算能力每18到24個月就會翻倍。

2011年，在美國最受歡迎的電視競猜節(jié)目《危險邊緣》（jeopardy!）上，來自ibm的計算機(jī)“沃森”（watson）擊敗了兩名人類對手。競猜節(jié)目中的題目涵蓋范圍很廣，歷史、文學(xué)、語言、藝術(shù)、科學(xué)、文化等都有涉及，其形式是參賽者會收到短語提示，根據(jù)這些提示用問句的方式搶答出那些短語所描述的對象。其中涉及了對自然語言的理解和聯(lián)想能力，而這通常被認(rèn)為是人類思維優(yōu)于計算機(jī)的方面。

“沃森”的研發(fā)者大衛(wèi)·費(fèi)魯奇（davidferrucci）就指出，即便是用速度最快的處理器，計算機(jī)也需要兩個小時才能答出壹道涉及自然語言的題目。對于《危險邊緣》這樣的節(jié)目，這完全是不可接受的。想要獲勝，必須在叁秒鐘之內(nèi)作答。因此，“沃森”使用了2880個處理器，分布在90個服務(wù)器上。它還儲存了多達(dá)兩億頁成結(jié)構(gòu)或不成結(jié)構(gòu)的“知識”，包含了維基百科的全文，但競賽時它并沒有連接互聯(lián)網(wǎng)。

在這場競賽中，兩名人類對手都是歷次比賽中最強(qiáng)大的獲勝者，“沃森”擊敗了他們，獲得了100萬美元的獎金。在對自然語言的處理上，“沃森”的創(chuàng)新之處并不是采用了什么新的高超的算法，而是同時執(zhí)行數(shù)以千計的語言分析算法，從結(jié)果中尋找共性。只有當(dāng)“沃森”確信自己得到了正確答案時才會搶答，如果對于答案不那么有信心，它則會保持沉默，不冒險作答。

在這場競賽中，兩名人類對手都是歷次比賽中最強(qiáng)大的獲勝者，“沃森”擊敗了他們，獲得了100萬美元的獎金。在對自然語言的處理上，“沃森”的創(chuàng)新之處并不是采用了什么新的高超的算法，而是同時執(zhí)行數(shù)以千計的語言分析算法，從結(jié)果中尋找共性。只有當(dāng)“沃森”確信自己得到了正確答案時才會搶答，如果對于答案不那么有信心，它則會保持沉默，不冒險作答。

世界象棋大師卡斯帕洛夫?qū)摹吧钏{(lán)”

雖然這不表明“沃森”能夠像人類那樣去理解語言，但它成功處理了人類語言中雙關(guān)、模糊的壹面。1997年電腦“深藍(lán)（deepblue）”因擊敗世界象棋冠軍而震驚世界，僅僅伍年之后，計算機(jī)科學(xué)家就做到了僅靠連接八臺個人電腦而達(dá)到相等的運(yùn)算能力。庫茨魏爾認(rèn)為，依照現(xiàn)在電腦的發(fā)展速度，在“沃森”之后僅需柒年，單獨(dú)壹個處理器就將做到它在《危險邊緣》中完成的壯舉；僅僅10年，個人計算機(jī)就能達(dá)到這個水平。

從最簡單的開始

秀麗隱桿線蟲

秀麗隱桿線蟲是壹種生命只有幾天的線蟲，自1974年起就被當(dāng)作分子生物學(xué)和發(fā)育生物學(xué)中的“模式生物”。這是壹種看上去非常簡單的生物：身長大約1毫米，壹只秀麗隱桿線蟲由959個細(xì)胞組成，其中有302個是神經(jīng)元，95個是肌細(xì)胞。早在1980年代，生物學(xué)家們就搞清楚了秀麗隱桿線蟲302個神經(jīng)元的連接方式；然而，過去26年中所有嘗試模擬其完整神經(jīng)系統(tǒng)的努力均以失敗告終。

1997年和1998年，美國俄勒岡大學(xué)和日本的壹組研究人員就分別嘗試過建立秀麗隱桿線蟲的完成模型，包括整個身體的每壹個神經(jīng)元、突觸，以及完整的感覺形態(tài)（sensorymodality）。兩個項目都是只公布了最初的計劃，然后就再無下文。此后，從2004年到2010年間，日本、英國、美國的研究人員還開展過類似項目，有壹些收獲，但遠(yuǎn)非完整。

盡管壹只秀麗隱桿線蟲只有302個神經(jīng)元，但根據(jù)2011年發(fā)表的壹項研究，秀麗隱桿線蟲的軀體神經(jīng)系統(tǒng)含有6393個化學(xué)突觸、890個縫隙連接、1410個肌肉神經(jīng)接點(diǎn)。即便人們已經(jīng)很清楚神經(jīng)元的連接方式，但突觸是如何行為的仍是正處于研究之中的課題。美國哈佛大學(xué)的大衛(wèi)·達(dá)倫布爾（daviddalrymple）就認(rèn)為，之前的研究只是從連接方式出發(fā)，而并不真正理解神經(jīng)元，這就好像你想要制造壹臺收音機(jī)，而手上只有壹張電路示意圖，沒有任何關(guān)于零件的信息。

達(dá)倫布爾是哈佛大學(xué)的壹名博士生，受谷歌ceo拉里·佩奇的資助，從2011年開始運(yùn)用“光遺傳學(xué)”（optogenetics）的手段進(jìn)攻之前所有人都未成功的問題。他的目標(biāo)是確定秀麗隱桿線蟲每壹個神經(jīng)元的功能、行為和生物物理特性，最終在計算機(jī)上重建出其完整的神經(jīng)系統(tǒng)。他估計這壹工作大概需要叁到肆年的時間。

同時，壹個由美國、歐洲和俄羅斯的科學(xué)家與計算機(jī)專家合作進(jìn)行的“openworm”項目也從2011年開始，嘗試在計算機(jī)上全面模擬出秀麗隱桿線蟲——從基因到行為。他們在2012年初已經(jīng)推出了openworm瀏覽器，讓所有人都能以3d形式探索秀麗隱桿線蟲在細(xì)胞層面的結(jié)構(gòu)。這個項目的壹個哲學(xué)思想是，只有當(dāng)我們能夠重建壹個生物體的時候，才代表我們真正理解了這個生物體。

秀麗隱桿線蟲是自然界中擁有神經(jīng)系統(tǒng)的最簡單的生物之壹，也是生物學(xué)家最為熟悉的生物。達(dá)倫布爾和openworm對秀麗隱桿線蟲的模擬只是萬里長征的第壹步，他們的最終目標(biāo)都是模擬人腦的神經(jīng)系統(tǒng)。在成功模擬秀麗隱桿線蟲的神經(jīng)系統(tǒng)之后，達(dá)倫布爾計劃中接下來的目標(biāo)將是伍天大的斑馬魚幼體，此時它大約有10萬個神經(jīng)元；然后是有96萬個神經(jīng)元的蜜蜂、5000萬個神經(jīng)元的老鼠，最終是850億個神經(jīng)元的人腦。達(dá)倫布爾期望對人腦的在細(xì)胞層面的模擬能在他的有生之年完成。達(dá)倫布爾出生于1991年。

原題《模擬人腦，迄今最大規(guī)?！?/p>