木頭鴨子，真鴨子

有很多人就是無法理解，計算機(jī)如何用與朋友或者媽媽向我們表達(dá)意識一樣的方式向我們表達(dá)意識，這些方式包括陪伴、愛、大笑、移情等。事實上，“computer”這個詞最早可追溯至20世紀(jì)40年代第二次世界大戰(zhàn)期間，它的含義與今天的含義完全不同。在當(dāng)時，“computer”指的是做數(shù)學(xué)計算的人，例如，某個為保險公司做數(shù)學(xué)方面工作的人；或者指為人類做數(shù)學(xué)計算的機(jī)器（就好比“washer”既有“某個洗衣服的人”的意思，也指“為人洗衣服的機(jī)器”）。舉個例子，在20世紀(jì)30年代的全球經(jīng)濟(jì)大蕭條時期，美國政府在成百上千的“computer”上投入了大量資金（請注意，這里指的是人，而非機(jī)器），為火炮彈道建立數(shù)學(xué)表格。這些人都比較貧困，大多數(shù)沒有接受過正規(guī)教育，他們甚至有一個名為“計算者聯(lián)盟”（computers union）的稱謂，工作任務(wù)就是做一些簡單、重復(fù)的小規(guī)模計算，最后，數(shù)學(xué)家會將這些小規(guī)模計算整合為復(fù)雜的算術(shù)解決方案。

1937年，圖靈在一本名為Computable Numbers的期刊上發(fā)表了一篇有關(guān)“通用計算機(jī)器”的學(xué)術(shù)論文，其核心是如果這臺機(jī)器擁有了正確的計算程序，它就可以計算任何事情。從嚴(yán)格的數(shù)學(xué)意義上來看，這一激進(jìn)的概念與查爾斯·巴貝奇（Charles Babbage）和愛達(dá)·金（Ada King）在1837年提出的理念如出一轍。兩人都將自己的機(jī)器稱作“差異引擎”（difference engine，他們制造的用于數(shù)字計算的機(jī)器）和“分析引擎”（analytical engine，后者能夠使用穿孔卡進(jìn)行編程，幾乎能用于任何工作），雖然他們并沒有制造出來，但是這些構(gòu)想與圖靈的構(gòu)想十分相似。我們由此能夠看出，在構(gòu)想一臺具備讀、寫、聽、掃描、播放視頻、玩游戲、醫(yī)療診斷等能力，甚至能思考和感覺這些能力的“computer”這件事上，人們的思想已經(jīng)發(fā)生了巨大的跳躍。不過，圖靈卻精確地預(yù)測到了這些，因為他預(yù)見到，未來的數(shù)字計算機(jī)將具備同類的邏輯能力，并支持上述各種能力。20世紀(jì)50和60年代，隨著數(shù)字計算技術(shù)的出現(xiàn)，理解圖靈提出的革命性設(shè)想的人不斷增多，這其中既有批判者，也有支持者。1950年10月，圖靈在期刊Mind上發(fā)表了一篇題為《計算機(jī)器與智能》（Computing Machinery and Intelligence）的文章。在文中，他清晰地闡釋了將人類意識從計算任務(wù)中排除的機(jī)器能夠做些什么。

今天，公眾普遍認(rèn)為，“computer”幾乎無所不能（所以，智能手機(jī)被稱作“數(shù)字版瑞士軍刀”），一些計算機(jī)甚至能夠移動（如機(jī)器人）和思考（如某些程序）。事實上，通俗意義上的“computer”更像某個“掌握信息后幾乎無所不能的設(shè)備”，并且它們會變得越來越強(qiáng)大。這與“做計算的人”這個含義相去甚遠(yuǎn)，而與圖靈的“某種可以用信息做任何事情的機(jī)器”的定義越發(fā)接近。隨著計算機(jī)開始呈現(xiàn)出情緒和人類意識的其他方面，它們將會走完這次征途。關(guān)于這次旅途的起點和終點，圖靈分別在他的兩篇文章中進(jìn)行了很好的總結(jié)。經(jīng)過了半個世紀(jì)，“computer”這個詞的意思從“做計算的人”變成了“具備智能的設(shè)備”；而我認(rèn)為，“computer”不久之后將擁有“人造意識存放地”的含義。值得注意的是，每一個定義都包含了之前的含義：智能包含了數(shù)字處理，而意識包含了智能。

即便某個東西開始以人類的方式行動，我們?nèi)匀缓茈y認(rèn)為它“像人類一樣”。不過，計算機(jī)受到了特殊的懷疑，因為它們不僅支配了我們的生活，還對大多數(shù)人保持了神秘感。計算機(jī)不過是一堆線纜、塑料和金屬的集合體?！坝嬎銠C(jī)和人類一樣”的構(gòu)想似乎是令人恐懼且荒謬的。如果你也這么覺得，那你不是唯一一個。

對軟件意識持懷疑態(tài)度的人都提到，人類意識的超越性特征永遠(yuǎn)無法實現(xiàn)數(shù)字化編排，因為這些特征太過復(fù)雜、不可預(yù)知或無法度量，這些人包括諾貝爾獎得主、醫(yī)學(xué)和物理化學(xué)家杰拉爾德·埃德爾曼（Gerald M. Edelman）和數(shù)學(xué)物理學(xué)家、哲學(xué)家羅杰·彭羅斯（Roger Penrose）。埃德爾曼堅信，大腦并不像計算機(jī)，所以計算機(jī)永遠(yuǎn)不可能像大腦一樣。用埃德爾曼的話來講就是：“我希望消除的一個幻想是‘我們的大腦是計算機(jī)，而計算中可能會出現(xiàn)意識’?！笔聦嵣?，他堅持的“計算機(jī)（通過計算機(jī)軟件的方式）永遠(yuǎn)無法獲得意識”的幾個主要原因殊途同歸，都說明了一件事：大腦遠(yuǎn)比計算機(jī)要復(fù)雜得多。

埃德爾曼的這場討論尤其重要，因為持有“計算機(jī)軟件能夠變成網(wǎng)絡(luò)意識”這一觀點的許多評論家都從他的觀點中尋找支撐他們偏見的根據(jù)。當(dāng)我們檢驗埃德爾曼的觀點時，可以捫心自問，隨著計算機(jī)復(fù)雜度的指數(shù)級增加，我們究竟會遇到什么，又會發(fā)生什么。即使計算機(jī)永遠(yuǎn)不可能像大腦一樣，我們是否在朝著“計算機(jī)將像人腦一樣進(jìn)行思考”這一節(jié)點進(jìn)發(fā)呢？

關(guān)于這一點，我們很容易進(jìn)入思考誤區(qū)：因為大腦不像計算機(jī)，所以計算機(jī)就無法像大腦一樣思考。但是，需要記住的是：計算機(jī)若要成為思維克隆人，并不一定要復(fù)制大腦的所有功能。舉個類似的例子，想象一下，飛機(jī)雖然不像小鳥，但也可以飛行。就像前面所提到的一樣，擁有數(shù)以十億計真核細(xì)胞的小鳥要比只擁有600萬個組件的波音747飛機(jī)復(fù)雜得多。今天，飛機(jī)雖然比鳥兒飛得更遠(yuǎn)、更高、更快，但沒辦法像雨燕或軍艦鳥一樣在空中停留數(shù)月，盡管我們最終會在高效、重量輕的太陽能和其他種類的存儲電池方面取得突破，從而讓飛機(jī)在空中停留更長時間。同樣，飛機(jī)無法像蜂鳥一樣穿過小孔或在花朵上面盤旋，不過，最新型的遠(yuǎn)程控制飛機(jī)、微型飛行程控監(jiān)視設(shè)備和無人機(jī)都可以做到這一點。

在思考這個類比時，還有一點同樣很關(guān)鍵，那就是我們應(yīng)當(dāng)記住，為了達(dá)到飛行這個目的，我們只需要飛機(jī)擁有一只小鳥所具備的一部分功能。一架會下蛋、在樹上或屋檐下筑巢，或者以魚和蟲子為“燃料”的飛機(jī)并沒有什么用途。而且，一架能夠做到這些事情的飛機(jī)并沒有什么實際或效率價值。換言之，如果只是想要提供安全、舒適的飛行，一架飛機(jī)不需要完完全全復(fù)制一只小鳥的全部功能。所以，我們可以得出這樣的結(jié)論：鳥兒之于飛行，就像大腦之于意識。

大腦和計算機(jī)之間的區(qū)別，或者小鳥和飛機(jī)之間的區(qū)別，切中了要害。或許只有軍方會對具備游隼一般的空氣動力學(xué)特征的飛機(jī)感興趣。大多數(shù)人對飛機(jī)的興趣在于，僅把它當(dāng)作一種“從一座城市安全、高效、可靠地前往另一座城市”的途徑，并且要盡可能舒適。同樣，我們中大多數(shù)人對一臺能夠自組織、逐漸從產(chǎn)生、發(fā)展到成熟的計算機(jī)也不是很感興趣。我們想做的只是制造出一臺能夠模擬人類思維的計算機(jī)，我們感興趣的是能夠像人類一樣思考和感受的計算機(jī)。埃德爾曼通過假設(shè)（而非推論）得出了自己的結(jié)論，因為他假設(shè)意識只會在大腦中出現(xiàn)。但事實是，無論大腦是不是計算機(jī)，都不影響意識是否會從計算中出現(xiàn)。

為了論證這個目的，互斥集合仍然能夠聯(lián)系起對兩個集合而言都普遍成立的現(xiàn)象。舉個例子，奇數(shù)和偶數(shù)是互斥集合。我們可以想象，奇數(shù)是大腦，偶數(shù)是計算機(jī)。但是，這兩個集合內(nèi)都存在斐波那契數(shù)列（數(shù)列中，每一個數(shù)字是前面兩個數(shù)字之和），我們可以把這個數(shù)列想象成意識的一個隱喻。類似地，三角形和正方形也是互斥集合，每兩個三角形或正方形結(jié)合起來都可以組成長方形。埃德爾曼的錯誤就好比，由于他看到意識的長方形都由神經(jīng)的正方形組成，并且，因為計算機(jī)是三角形而非正方形，所以他就認(rèn)為，意識的長方形無法由三角形組成。他忘記了，就像有很多方法可以達(dá)成目的、物體有很多方法可以實現(xiàn)飛行一樣，同樣有很多方法可以組成意識的長方形。

埃德爾曼聲稱：“大腦并不按照邏輯規(guī)則運(yùn)轉(zhuǎn)，而計算機(jī)必須接受明確的輸入信號?！彼麖?qiáng)調(diào)，給大腦的輸入不是“編過碼的磁帶”（這里指的是一種過去向計算機(jī)輸入信息的方法）。當(dāng)然，大腦并不像一臺原始的、依靠“編碼磁帶”運(yùn)行的計算機(jī)。實際上，并不是所有計算機(jī)都需要明確的輸入信號。一些計算機(jī)已經(jīng)成功地依靠一系列非常模糊的輸入信號駕駛汽車穿越了美國和諸多沙漠。此外，一些現(xiàn)代計算機(jī)能夠以與人類思維獲取信息非常相似的方式將模糊、嘈雜的現(xiàn)實，解析為可辨識的元素。用來分析歧義數(shù)據(jù)的并行處理器間的模糊邏輯、統(tǒng)計分析協(xié)議以及投票是三項代表性的技術(shù)，這些技術(shù)能使軟件理解“令人困擾的”感覺性輸入：猜測，并且做到有策略地猜測。

以一次遠(yuǎn)足為例。我們來到了BINA48在佛蒙特州的故鄉(xiāng)附近的一條林間小路，這條小路掩映在秋日的落葉中。我們沿著這條小路，用裝配了網(wǎng)絡(luò)意識和編程軟件的智能手機(jī)或者基于谷歌眼鏡的計算機(jī)來尋找路徑。隨著我們穿越森林，數(shù)以十億計的神經(jīng)元會檢測數(shù)以百萬計的顏色、密度以及幾何信號。我們的眼睛以大約每秒300萬比特的速度將這些信號傳遞給大腦。與此同時，神經(jīng)元組成的巨大網(wǎng)絡(luò)將輸入雪崩式的信號，根據(jù)人生經(jīng)驗［這些經(jīng)驗教會“一起開火”（fire together）的神經(jīng)元如何“聯(lián)結(jié)在一起”（wire together）］解析為模式。樹葉、樹和通路組成的諧音模式將會出現(xiàn)在這個嘈雜的輸入信號中。我們不會有意識地認(rèn)出每棵樹上的每一片樹葉，事實上，我們的眼睛只能夠區(qū)分在狹小的、遠(yuǎn)離外周視覺的中心凹區(qū)里的物體細(xì)節(jié)。通過分析所有輸入數(shù)據(jù)，我們的思維構(gòu)建了一個抽象的森林和小路，其中的原理是，通過不斷地進(jìn)行來回掃描，眼睛將視覺中心凹區(qū)細(xì)節(jié)的“視覺掃視”（visual saccade）傳遞出去。有時，思維也會根據(jù)全局景象無中生有，去編造視覺信息。

每個事例中都存在思考，盡管它的呈現(xiàn)方式不盡相同，如鳥兒或者飛機(jī)。根據(jù)我與朋友若干次穿越森林的經(jīng)驗，每個例子中都可能會存在某種程度的審美和滿意度方面的挑戰(zhàn)。對網(wǎng)絡(luò)意識伙伴而言，它需要為“美學(xué)”“奇跡”“完成任務(wù)”等高級別概念進(jìn)行初始編程賦值，以應(yīng)對自然環(huán)境、秋天的森林，以及林間小道。但是，這不比我們教一個孩子“自然是很美的，森林是令人驚嘆的，完成挑戰(zhàn)是很棒的”的工作量少。甚至，即使人類對美、奇跡以及完成任務(wù)的感受是天生的（盡管科學(xué)家從野孩子身上獲得了相反的數(shù)據(jù)），是人類大腦固有設(shè)置的一部分，智能伙伴的這些感受依舊是真實的，因為它們是被編碼進(jìn)思維軟件的。對和諧的欣賞依舊是有價值的，因為它是后天學(xué)習(xí)的，而非與生俱來的。

埃德爾曼還指出，大腦是變化莫測的，“褶皺的大腦皮質(zhì)擁有大約300億個神經(jīng)元，大約1萬萬億個聯(lián)結(jié)。這種結(jié)構(gòu)可能的活躍通路數(shù)量遠(yuǎn)遠(yuǎn)超過了已知宇宙中基本粒子的數(shù)量”。他質(zhì)疑，計算機(jī)能否依靠對內(nèi)部時鐘、輸入和輸出的嚴(yán)格依賴匹配這種可變性。但是，我寫本書時所使用的MacBook Pro擁有大約5 000億比特的內(nèi)存，1比特內(nèi)存的容量大約等于一個神經(jīng)元的容量。換句話說，我筆記本電腦里的神經(jīng)容量是我大腦皮質(zhì)神經(jīng)容量的15倍多。因此，僅就神經(jīng)元的數(shù)量而言，計算機(jī)和大腦之間沒有顯著差異。如果要說差異，現(xiàn)在的計算機(jī)擁有的神經(jīng)元等價物要比大腦擁有的神經(jīng)元多，并且不久后將擁有更多。

現(xiàn)在，如果將我電腦里的每一張JPG圖片都鏈接到數(shù)以千計的其他JPG圖片，而且，如果每個鏈接都參與了有偏好的、強(qiáng)化的、經(jīng)過自然選擇的、有層次的額外鏈接，我將會獲得某個類似人腦的東西。舉個例子，想象一下，當(dāng)我點擊一張我爸爸的照片時，這張照片就會自動被相關(guān)聯(lián)的照片環(huán)繞，比如我媽媽的照片、我表兄妹的照片、我家房子的照片、我們度假的照片，等等。他們每一個人都自動地被類似的、關(guān)聯(lián)的照片包圍，但是，所有這些照片中，只有那些從眾多候選照片中被選中的、與被觸發(fā)照片關(guān)聯(lián)度最強(qiáng)的照片會保持高亮。這不正和我們的大腦在瀏覽照片集時的工作方式一樣嗎？我們不會記住并對過去的所有經(jīng)歷做出反應(yīng)；相反，我們是從眾多記憶中選擇并賦予了一些記憶更高的優(yōu)先權(quán)，并將其進(jìn)行互相連接。