人機(jī)圍棋大戰(zhàn)心理學(xué)在線咨詢，人腦為什么會(huì)輸？

來源：南方周末

北京時(shí)間3月9日下午消息，今天下午谷歌人工智能alphago與韓國(guó)棋手李世石的第壹場(chǎng)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(jì)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(duì)手，獲得100萬(wàn)美金。近日，ibm報(bào)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(guó)猶他州鹽湖城的2012超級(jí)計(jì)算大會(huì)上，ibm的計(jì)算機(jī)專家提交了壹份標(biāo)題是“1014”的報(bào)告。報(bào)告所描述的研究被媒體稱為“認(rèn)知計(jì)算的里程碑”。使用了世界上運(yùn)算速度最快的96臺(tái)計(jì)算機(jī)，研究人員制造出了包含5300億個(gè)神經(jīng)元和100萬(wàn)億個(gè)突觸的人造“大腦”。

恒河猴，又名獼猴

這是迄今為止對(duì)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(tái)人工智能計(jì)算機(jī)誕生后的第壹件事會(huì)是要壹根香蕉吃”，但現(xiàn)在這個(gè)“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(duì)于計(jì)算機(jī)來說，神經(jīng)元就是計(jì)算中心，每壹個(gè)神經(jīng)元能夠從周邊成千上萬(wàn)的其他神經(jīng)元那里接收到輸入信號(hào)，對(duì)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(jì)算機(jī)。比如說，傳統(tǒng)的計(jì)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(dòng)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?jì)算機(jī)，其用電量將相當(dāng)于壹個(gè)小城的用電量。之所以會(huì)這樣，壹個(gè)原因就是人腦是“事件驅(qū)動(dòng)”的，只有當(dāng)某些神經(jīng)元被激活時(shí)才會(huì)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(huì)動(dòng)作失敗，但人腦工作得很好。假如是傳統(tǒng)的計(jì)算機(jī)，晶體管壹次失誤可能就會(huì)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(jì)成了“事件驅(qū)動(dòng)”，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(jì)算機(jī)仍然不能思考或是感受。有壹些科學(xué)家對(duì)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(duì)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。“這有點(diǎn)像是擁有了世界上最大數(shù)量的樂高塊，卻對(duì)于能從中得到什么毫無(wú)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?！薄都~約客》評(píng)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(xiàng)稱為“藍(lán)腦計(jì)劃”的項(xiàng)目，其目標(biāo)就是用計(jì)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(gè)人類大腦并非不可能，我們將用10年的時(shí)間做到。”他想象中的人造大腦將能夠說話，擁有人類的智力水平和相似的行為方式。

另壹名在這個(gè)問題上持樂觀態(tài)度的研究者是美國(guó)的未來學(xué)家雷蒙德·庫(kù)茨魏爾（raymondkurzweil）。他預(yù)言到2029年就會(huì)有計(jì)算機(jī)通過圖靈測(cè)試，并愿意為此賭上兩萬(wàn)美元。所謂圖靈測(cè)試，是圖靈在1950年提出的壹個(gè)游戲，讓壹個(gè)人類的審問者去審問壹臺(tái)機(jī)器和壹名真人，這名審問者并不知道對(duì)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(shí)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(tái)機(jī)器通過了圖靈測(cè)試。

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

2011年，在美國(guó)最受歡迎的電視競(jìng)猜節(jié)目《危險(xiǎn)邊緣》（jeopardy!）上，來自ibm的計(jì)算機(jī)“沃森”（watson）擊敗了兩名人類對(duì)手。競(jìng)猜節(jié)目中的題目涵蓋范圍很廣，歷史、文學(xué)、語(yǔ)言、藝術(shù)、科學(xué)、文化等都有涉及，其形式是參賽者會(huì)收到短語(yǔ)提示，根據(jù)這些提示用問句的方式搶答出那些短語(yǔ)所描述的對(duì)象。其中涉及了對(duì)自然語(yǔ)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(jì)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(jì)算機(jī)也需要兩個(gè)小時(shí)才能答出壹道涉及自然語(yǔ)言的題目。對(duì)于《危險(xiǎn)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(gè)處理器，分布在90個(gè)服務(wù)器上。它還儲(chǔ)存了多達(dá)兩億頁(yè)成結(jié)構(gòu)或不成結(jié)構(gòu)的“知識(shí)”，包含了維基百科的全文，但競(jìng)賽時(shí)它并沒有連接互聯(lián)網(wǎng)。

在這場(chǎng)競(jìng)賽中，兩名人類對(duì)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(wàn)美元的獎(jiǎng)金。在對(duì)自然語(yǔ)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(shí)執(zhí)行數(shù)以千計(jì)的語(yǔ)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(shí)才會(huì)搶答，如果對(duì)于答案不那么有信心，它則會(huì)保持沉默，不冒險(xiǎn)作答。

在這場(chǎng)競(jìng)賽中，兩名人類對(duì)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(wàn)美元的獎(jiǎng)金。在對(duì)自然語(yǔ)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(shí)執(zhí)行數(shù)以千計(jì)的語(yǔ)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(shí)才會(huì)搶答，如果對(duì)于答案不那么有信心，它則會(huì)保持沉默，不冒險(xiǎn)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(yǔ)言，但它成功處理了人類語(yǔ)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(jì)算機(jī)科學(xué)家就做到了僅靠連接八臺(tái)個(gè)人電腦而達(dá)到相等的運(yùn)算能力。庫(kù)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(gè)處理器就將做到它在《危險(xiǎn)邊緣》中完成的壯舉；僅僅10年，個(gè)人計(jì)算機(jī)就能達(dá)到這個(gè)水平。

從最簡(jiǎn)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(jiǎn)單的生物：身長(zhǎng)大約1毫米，壹只秀麗隱桿線蟲由959個(gè)細(xì)胞組成，其中有302個(gè)是神經(jīng)元，95個(gè)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(gè)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(guó)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(gè)身體的每壹個(gè)神經(jīng)元、突觸，以及完整的感覺形態(tài)（sensorymodality）。兩個(gè)項(xiàng)目都是只公布了最初的計(jì)劃，然后就再無(wú)下文。此后，從2004年到2010年間，日本、英國(guó)、美國(guó)的研究人員還開展過類似項(xiàng)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(gè)神經(jīng)元，但根據(jù)2011年發(fā)表的壹項(xiàng)研究，秀麗隱桿線蟲的軀體神經(jīng)系統(tǒng)含有6393個(gè)化學(xué)突觸、890個(gè)縫隙連接、1410個(gè)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(guó)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(tái)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(gè)神經(jīng)元的功能、行為和生物物理特性，最終在計(jì)算機(jī)上重建出其完整的神經(jīng)系統(tǒng)。他估計(jì)這壹工作大概需要叁到肆年的時(shí)間。

同時(shí)，壹個(gè)由美國(guó)、歐洲和俄羅斯的科學(xué)家與計(jì)算機(jī)專家合作進(jìn)行的“openworm”項(xiàng)目也從2011年開始，嘗試在計(jì)算機(jī)上全面模擬出秀麗隱桿線蟲——從基因到行為。他們?cè)?012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(gè)項(xiàng)目的壹個(gè)哲學(xué)思想是，只有當(dāng)我們能夠重建壹個(gè)生物體的時(shí)候，才代表我們真正理解了這個(gè)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(jiǎn)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(duì)秀麗隱桿線蟲的模擬只是萬(wàn)里長(zhǎng)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(jì)劃中接下來的目標(biāo)將是伍天大的斑馬魚幼體，此時(shí)它大約有10萬(wàn)個(gè)神經(jīng)元；然后是有96萬(wàn)個(gè)神經(jīng)元的蜜蜂、5000萬(wàn)個(gè)神經(jīng)元的老鼠，最終是850億個(gè)神經(jīng)元的人腦。達(dá)倫布爾期望對(duì)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)模》