雷·库兹韦尔

人交流电的发明者尼古拉·特斯拉（1856—1943）曾说：“我认为任何一种对人类心灵的冲击都比不过一个发明家亲眼见证人造大脑变为现实。”这一畅想基于这样的思想：我们有能力理解自身的智能（通过访问我们自身的源代码），并且对其进行改良和拓展。

今天，我们把对人造大脑的想象理解为计算机人工智能。卡内基梅隆大学的机器人学家汉斯·莫拉维茨在其文章“When Will Computer Hardware Match The HumanBrain”（《计算机硬件何时能与人脑相匹配》）中指出：“当计算机经过半个世纪的发展，其智力仅达到与昆虫相当的水平时，期望它在未来的几十年里完全成为智能机器，似乎是很草率的。事实上，我们有充分的理由相信，很多事情在未来50年的发展速度會远远超过过去的50年。”

那么，我们是否可能打破身体和大脑的限制，充分理解自身的智能？是否能使人工智能达到乃至超越人类大脑的计算水平？要回答这些问题，需要我们对人类大脑和计算机之间的差异有更多认识。

大脑的电路非常缓慢，但它可以大规模并行

大脑的神经元以极其缓慢的速度（通常是200次/ 秒）执行计算——基础神经元的处理速度，只有同等的人造电子电路处理速度的数百万分之一。研究显示，在人脑中，简单的语义判断似乎是在单个神经元放电周期（小于20毫秒）内完成的，物体识别需要7～8个周期（约150毫秒），陷入思考需要的周期数最多也只是以数百或数千衡量，而不是像一台标准的计算机那样，数量级以数十亿计算。

但是，另一方面，大脑相当于100万亿神经元间的相互连接，它们都可能在同时处理信息，也就意味着多达100万亿次的计算可以在人脑中同步进行。

较长的神经元放电周期和大规模并行，形成了大脑一定程度上的计算能力。今天，我们最大的超级计算机正在接近这个范围，最先进的超级计算机（包括那些用于最流行的搜索引擎的计算机）已经拥有了从神经元水平上模拟人类大脑所需要的运算能力。不过，计算机没有必要采用和大脑相同的并行化处理的粒度（即并行任务的实际工作量），而只要配合整体对运算速度和存储容量的需要就可以，否则就需要计算机去模拟大脑的大规模并行结构了。

大脑是模拟和数字的结合体，还能实现自身线路重铺

今天，大多数计算机使用二进制代码运行，都是数字的，每次都以极高的速度执行一条或几条指令集。人类的大脑则与之不同，结合使用数字和模拟两种方式。

大脑连接的拓扑结构本质上是数字的——无论连接存在还是不存在;大脑神经元中轴突的放电不全是数字的，但接近于数字过程。大脑中大部分的功能又都是模拟的，会在模拟（连续）区域通过使用神经递质和相关机制来执行大部分计算，充满非线性（在产出方面是突然变化的，而非平稳变化），随时都有可能在计算中出现神经元连接线路的重铺。

非线性实际上非常复杂。然而，详细的非线性神经元动力学和神经元的组成（树突、棘、通道和轴突）可以通过非线性系统的数学模型来模拟。这些数学模型能够在电子计算机上模拟到任何所需的准确程度。如果我们使用晶体管以本地模拟的方式来模拟大脑的神经区域，而不是通过数字计算，就可以使计算机的能力提高3～4个数量级。

大脑在运行时，树突不断扫描新的棘和突触，而树突和突触的拓扑结构和传导性还会不断调整。可见，神经系统在其组织的各个层次上都是自组织的。在计算机化的模式识别系统中，我们应用的数学方法比大脑系统所应用的简单，而我们在自组织模式上又有大量工程经验。在这一优势下，当代计算机就可以在硬件中有效地模拟这个软件过程，在软件中实施自组织，为程序员提供更多灵活性。

大脑中的大部分细节都是随机的，具有涌现特性

虽然在大脑的每个方面都有许多随机（在严格控制下的随机）过程，但我们在计算机中没有必要模仿每个轴突表面的所有“涟漪”，至多需要在了解了计算机操作原理的情况下，模仿每个晶体管表面的所有微小差异。但某些细节对解码大脑操作的原则是很关键的，这迫使我们必须将它们和那些随机“噪音”或混乱细节加以区分。神经功能中混乱（随机和难以预料的）的部分可以通过利用复杂性理论和混沌理论的数学方法进行建模。

智能行为是大脑混乱和复杂活动的突显特征。对比白蚁和蚂蚁巢穴的智能化设计，想象一下它们精心构建的互联隧道和通风系统。尽管这些看上去都是无比灵巧、复杂的设计，但蚂蚁和白蚁群里并没有建筑专家。这些建筑其实都是由所有巢穴成员不可预测的互动建造起来的，每个成员所依照执行的不过是一些相对简单的规则。这种组织就如同人类大脑一样，具有涌现（整体大于其各部分之和）特性。

大脑选择了不完美和矛盾性

这是复杂自适应系统的本性，其决策所表现的智能是“次最佳”的。也就是说，与其要素的优化配置所表现的智能相比，它反映了较低级别的智能。它只需要足够好，这对我们人类而言就意味着已经有充足的智力水平，使我们能够骗过在生态中与我们相似的对手。例如，灵长类动物也有认知功能，但其大脑没有人类那样发达，它们的手也没有人类的那么灵活。由于认识到各种各样的思想和方法（包括那些相冲突的）并存或相融合，最终能造就卓越成果，我们的大脑通过进化，已经完全能够包容矛盾的观点。事实上，我们正是依靠内部的多样性而获得蓬勃发展。

大脑的认知能够进化，形成重要的模式识别功能

大脑使用的基本的学习模式是渐进式的。一个新生儿的大脑包含的大多是随机的神经元连接，在未来的生活实践中，理解世界最成功、对认知和决策做出最大贡献的神经元连接会幸存下来，逐渐形成他大脑的认知模式。

在这些混乱的自组织方法中，某些细节至关重要——它们以模式约束（确定初始条件规则和自组织方式）的形式显示出来，而在最初的约束条件中，许多细节都是任意设置的，系统在自组织过程中逐步筛选和表现出那些不变的特征信息，而所有这些产生的信息在这一网络特定的节点或连接中都无法找到。由此可见，这是一个分布式系统（操作软件高于硬件的网络）的模式。

而模式识别正是人类思维的支柱之一。相比计算机排布缜密的电子元件，哺乳动物的神经元显得有些混乱（有许多明显随机的相互作用），但如果神经网络在动物个体的成长过程中得到很好的训练，那么一个反映网络决策的稳定格局就会出现。当前，计算机的并行设计还比较有限。但并没有理由说明，与生物神经网络功能相当的人造网络无法使用这些决策原则。的确，全世界数十次的努力已经成功完成了这些事。

在模式识别技术领域所涉及的工程项目中，一直使用这种类似人脑的具有可训练性和不确定性的计算方式，计算机已经可以有效地模拟出很多大脑特有的组织方法。相信复制自然的设计范式将成为未来计算的主要趋势。

笔者认为，未来的文明将远胜于现在的文明，尽管很难预测未来的文明程度，但是我们有能力在头脑中创建现实世界的发展模式，该模式可以让我们洞察到这样一种暗示：生物智能必将与我们正在创造的非生物智能紧密结合。

正如汉斯·莫拉维茨所言：“人工智能还处在万物复苏的春天，等待着它生机勃勃的夏天的来临。”