​比尔·盖茨重磅推荐！科技界传奇解读实现机器智能的最快途径

机器智能的未来

文丨杰夫·霍金斯

如今的人工智能并不够智能，还没有机器具灵活的建模能力。然而，没有任何技术原因阻止我们创造智能机器。障碍在于我们缺乏对智能的理解，也不知道产生智能所需的机制。通过研究大脑如何工作，我们在解决这些问题上取得了重大进展。在我看来，我们很有可能在未来的二三十年中，克服剩余的一切障碍，进入机器智能时代。

机器智能将改变我们的生活和整个社会。我相信它对21世纪的影响将超过计算机对20世纪的影响。但是，就像大多数新技术一样，我们不可能确切地知道这种转变将如何实现。历史表明，我们无法预测将 推动机器智能向前发展的技术进步。

1950年，没有人能够预测那些推动计算机加速发展的创新和进步，例如集成电路、固态存储器、蜂窝无线网络通信、公钥加密技术，以及互联网。同样，也没有人预料到计算机将如何改变媒体、通信和商业。我相信，我们今天同样不知道智能机器将会是什么样子，以及70年后我们将如何使用它。

虽然我们不知道未来的细节，但千脑智能理论可以帮助我们划定一条界限。了解大脑产生智能的机制，我们就能知道什么是可能做到的，什么是不可能的，以及什么样的进步在某种程度上是可能实现的。这就是本章要介绍的内容。

《千脑智能》作者：杰夫·霍金斯

设计智能机器

谈到机器智能，最重要的是要记住大脑的划分：旧脑与新脑。人类大脑中，较早进化出的部分，控制着生命的基本功能。它们创造了人类的情感，生存和繁衍的欲望，以及人类先天的行为。在创造智能机器时，我们不必复制人类大脑的所有功能。

新脑，即大脑新皮质，是体现人类智能的器官，智能机器需要具备与之相当的东西。至于大脑的其他部分，我们可以选出一些我们想要的部分。

大脑新皮质虽然比旧脑大得多，但它由许多相对较小的元素——皮质柱组成。知道如何构建皮质柱后，再将大量的皮质柱放入机器中使其变得更智能就相对容易了。

设计智能机器可以从三个部分着手：具身(embodiment)、旧脑部分、大脑新皮质。每个组件都有很大的自由度，因此将会产生许多类型的智能机器。

具身

如前文所述，人类通过运动学习。为了学习建筑的模型，我们必须挨个房间地走遍该建筑。要学习一种新工具，我们必须把它握在手里，不断转动它，用眼睛观察并注意其不同部位。基本上，要学习世界的模型，需要移动一个或多个与世界上的事物相关的传感器。

智能机器还需要传感器和移动这些传感器的能力。这被称为“具身”。具身可以是一个看起来像人、狗或蛇的机器人，可以以非生物的形式存在，如一辆汽车或一个十臂工业机器人。具身甚至可以是虚拟的，如探索互联网的机器人。

当下的大多数深度学习网络都没有一个具身。它们没有可移动的传感器，也没有参考系确定传感器的方位。在没有具身的情况下，能学到的东西是有限的。

可用于智能机器的传感器几乎有无限种。人类的视觉、触觉和听觉都是通过传感器阵列实现的。例如，眼睛不是一个单一的传感器，它包含数千个排列在眼睛后面的传感器。同样，人体皮肤上也排列着数千个传感器。智能机器也将拥有传感器阵列。 

未来，我们可能会创造具有独特具身的机器。例如，一个存在于单个细胞内、了解蛋白质的智能机器。蛋白质是长分子，可以自然折叠成复杂的形状。蛋白质分子的形状决定了它的作用。如果我们能更好地理解蛋白质的形状，并根据需要对它们进行操作，这将给医学领域带来巨大的好处。

我不知道人类是否有可能制造出智能蛋白质机器，也不知道分布式智能机器会有多大价值。我举上面的这些例子是为了激发读者的想象力，因为它们是可能实现的。关键要明白，智能机器可能会有许多不同的形式。当我们思考机器智能的未来及其影响时，需要大开脑洞，而不是将我们的想法局限于人类和其他存在智能的动物。

旧脑部分

要创造一台智能机器，也需要一些旧脑的功能。

基本的运动就是其中一项需求。用双脚保持平衡、行走、奔跑等动作都是由旧脑部分执行的。你不需要依靠大脑新皮质来保持平衡、行走和奔跑。大脑新皮质必须连接到已经拥有传感器和行为的东西上。它并没有创造出全新的行为，而是学习如何以新的和有用的方式将现有的行为组合在一起。

应该内置与机器具身密切相关的行为。例如，假设我们有一架无人机，旨在为遭受自然灾害的人们运送紧急物资。我们可以让无人机智能化，让它自己评估哪些地区最需要帮助，并且在运送物资时与其他无人机协作。无人机的“大脑新皮质”不能控制飞行的所有方面，我们也不希望它这样做。无人机应该具有稳定飞行、着陆、避障等内置行为，但它的智能部分不需要考虑飞行控制，就像人类的大脑新皮质不需要考虑双脚平衡一样。

此外，智能机器还需要内置安全性。科幻小说作家艾萨克·阿西莫夫(Isaac Asimov)提出了著名的“机器人三定律”。这三条定律就好似一份安全协议： 

• 第一定律：机器人不得伤害人类，也不得无视人类受到伤害。

• 第二定律：机器人必须服从人类的命令，除非这些命令违反了第一 定律。

• 第三定律：在不违反第一定律和第二定律的前提下，机器人必须保 护自己。

阿西莫夫的机器人三定律是在科幻小说中提出的，并不一定适用于所有形式的机器智能。但任何产品设计，都需要考虑一些安全措施。这些安全措施可以很简单。例如，汽车有一个内置的安全系统以避免事故。

我还要声明一点：智能机器必须有目标和动机。我们如何赋予智能机器目标呢？这样做有风险吗？

我们首先要记住大脑新皮质本身并不会创造目标、动机或情绪。大脑新皮质与动机和目标影响行为的方式紧密相关，但大脑新皮质并不引导行为。为了了解其中的工作机制，不妨想象一下旧脑与大脑新皮质的对话。

旧脑说：“我饿了。我想要食物。”大脑新皮质的反应是：“我找到了食物，并且发现附近有两个有食物的地方。要想到达其中一个地方，我要沿着一条河走。要想到达另一个地方，我要穿过一片有老虎活动的开阔地带。”

大脑新皮质在不带有任何价值判断的情况下平静地说出这些话。然而，旧脑区域会将老虎与危险联系在一起。一听到“老虎”这个词，旧脑就开始行动起来。它向血液中释放化学物质，提高你的心率，并引起其他与恐惧有关的生理反应。旧脑可能还会释放一种叫作神经调节剂的化学物质，直接进入大脑新皮质的广阔区域中，大致是告诉大脑新皮质：“不管你刚才在想什么，都不要那样做。”

赋予机器目标和动机，需要我们为目标和动机设计特定的机制，然后将它们嵌入机器的具身。目标可以是固定的，正如我们遗传了对进食的渴望；目标也可以后天习得，就像我们向往过上美好生活这样的由社会决定的目标。当然，任何目标都必须建立在阿西莫夫第一定律和第二定律这样的安全措施之上。总而言之，智能机器需要某种形式的目标和动机，然而，目标和动机不是智能的结果，也不会自行出现。

大脑新皮质

设计智能机器的第三个要素是一个与大脑新皮质具有相同功能的通用学习系统。同样，这也有很多设计选项，在这里我们将讨论其中的两个：速度和容量。

速度

神经元做出有用的行为至少需要5毫秒。硅晶管的运行速度是神经元的100万倍。因此，由硅制成的大脑新皮质可能是人类思考和学习速度的100万倍。很难想象思考速度如此巨大的提升会带来什么。但在开始天马行空的想象之前，需要指出的是，一个智能机器的一部分速度是生物大脑的100万倍，并不代表整个智能机器的速度也可以达到这一水平，也不代表它习得知识的速度会这么快。

我们可以将现在的计算机比作我们期待发生的事情。计算机会完成人类以前用手完成的任务，它的速度比人类要快100万倍。计算机改变了我们的社会，并极大地提高了我们进行科学和医学发现的能力。但是计算机并没有使我们做这些事情的速度变为之前的100万倍。智能机器也将对人类社会和人类进行科学发现的速度产生类似的影响。

容量

芒卡斯尔认为通过复制相同的脑回路和皮质柱，我们的大脑新皮质变大了，我们变得更聪明了。机器智能也可以遵循同样的机制。只要我们完全了解了皮质柱的作用以及如何利用硅制造皮质柱，那么通过使用更多或更少的皮质柱元素来制造各种容量的智能机器就会变得相对容易了。

我们能制造出的人造大脑并没有明显的大小限制。一个人的大脑新皮质包含15万根皮质柱，如果我们制造出一个拥有1.5亿根皮质柱的人造大脑新皮质，会发生什么？人造大脑拥有的皮质柱是人类大脑的1000倍，这有什么好处呢？我们还不知道这些问题的答案，但有一些观察发现值得分享。

每个人大脑新皮质区的大小差别都很大。V1区是主要视觉脑区，某些人的V1区可能是其他人的两倍大。每个人的V1区厚度都一样，但是面积和皮质柱的数量可能是不同的。

一个V1区相对较小的人和一个V1区相对较大的人都有正常的视力，他们都不会觉察到这种差别。然而，V1区较大的人会有更高的敏锐度，这也就意味着他们可以 看到更小的东西。对于钟表匠而言，这可能会很有用。以此类推，扩大大脑新皮质的某些区域可能会产生一些影响，但不会给你带来某种超能力。

我们可以创造更多的区域，并以更复杂的方式将它们连接起来，而不是扩大每个区域。

在我的团队创造的大脑新皮质的软件模型中，我们可以立即建立任意两组神经元之间的连接。软件可以形成所有可能的连接。这种连接上的灵活性可能是机器智能相对于生物智能的优势之一。它让智能机器可以保留所有的可能性，因为它消除了成人在尝试学习新事物时面临的障碍之一。

可复制的机器智能

机器智能与人类智能的另一个不同之处在于，智能机器可以被复制。每个人都必须从头开始学习一个世界模型。

我们在生命之初几乎一无所知，然后花费几十年的时间学习。我们上学是为了学习，读书也是为了学习，当然也会通过个人经历来学习。智能机器也必须学习世界模型。然而，与人类不同的是，我们可以在任何时候复制智能机器，克隆它。 

假设我们有一个标准化的智能火星机器人的硬件设计，我们可能会在一个类似于学校的地方来教机器人有关建筑方法、材料，以及如何使用工具等方面的知识。这项训练可能需要数年才能完成。但只要机器人的能力达到令人满意的程度，我们就可以将它学习的连接迁移到其他十几个相同的机器人上，从而创造副本。之后，我们便可以对机器人重新编程，加入改进的设计或全新的技能。 

机器智能未知的未来应用

每创造一项新技术，我们都会想象用它来取代或改进我们熟悉的东西。随着时间的推移，没有人能预料到的新用途出现了，而正是这些意想不到的用途通常会成为最重要的用途，并会改变整个社会。

互联网的发明是为了在科学和军事计算机之间共享文件，这些工作在以前是人力完成的，但现在可以更快、更高效地完成。互联网共享文件这个用途依然存在，但更重要的是，它从根本上改变了娱乐、商业、制造业和个人通信，甚至改变了我们的读写方式。互联网协议刚出现时，很少有人能预见这些社会变化。

机器智能也将经历类似的转变。

如今，大多数人工智能科学家重点关注让机器做那些人类可以做的事情，从语言识别、图片分类到开车。人工智能的目标是模仿人类，很可惜，这种将类人能力作为衡量智能的标准的做法弊大于利。人们对于让计算机下围棋等任务产生的兴奋，干扰了我们对智能机器终极影响的想象。

我们能对无法预测的智能机器的应用说些什么呢？虽然没有人知道未来的具体情况，但我们可以尝试确定大的设想和趋势，从而预测人工智能会在哪些意想不到的方向上得到应用。学习科学知识是我发现的一个令人激动的应用。

人类想要学习，于是被吸引着去探索，去寻求知识，去理解未知。我们想知道宇宙之谜的答案：它是如何开始的？它将如何结束？生命在宇宙中常见吗？还有其他智能生物吗？人类依靠大脑新皮质去探索这些知识。当智能机器能比我们思考得更快更深入，能感知我们感知不到的东西，能去我们无法去的地方旅行，谁知道我们会学到什么。这种可能性真令人兴奋！

不是每个人都像我一样对机器智能的好处持乐观态度，有些人认为它是对人类最大的威胁。我将在后续讨论机器智能存在的风险。