引言

洞悉人類思維的奧秘

智能可以超越自然的局限，并依照自身的意志改變世界，這恐怕是世間最了不起的奇跡了。人類智能可以幫助我們克服生物遺傳的局限，并在這一進程中改變自我。而且在所有物種中，唯有人類能夠做到這一點。

人類智能之所以能夠產生與發展，源于這個世界是一個可以對信息進行編碼的世界。宇宙為何如此運轉，這本身就是一個有趣的故事。物理學的標準模型會有數十個常量需要被精準限定，否則無法產生原子，也就不會有所謂的恒星、行星、大腦，更不會有關于大腦的書籍。讓人不可思議的是，物理學定律及常數能夠精確到如此程度，以至于允許信息自身得以演化發展。當然，根據人擇原理，如果不是這般精確，就沒有我們在這里談古論今。在某些人眼中，上帝創造了這個世界，而在另一些人眼中，這個世界不過是無窮多可能的平行宇宙中具有豐富信息的一員——那些沒有信息的無聊宇宙可能已經在演化過程中消亡了。不過，無論我們的宇宙是如何進化到如今的模樣的，故事依然可以從基于信息的世界開始。

進化故事從越來越多的抽象層面展開。原子——特別是碳原子，它能夠通過4種不同的方式相聯結，創造豐富的信息結構，然后形成更多復雜分子。結果，物理學催生了化學。

10億年后，一種被稱為DNA的復雜分子逐步進化完成，它能精確編碼長串的信息，并按照這些“程序”編譯出生物。由此，化學催生了生物學。

生物體以快速增長的速率進化出了神經系統——交流與決策網絡。我們通過它協調越來越復雜的生理結構和行為。神經元組成的神經系統聚合成了能夠實施智慧行為的大腦。這樣，隨著大腦成為儲存與處理信息的前沿，生物學就催生了神經學。從原子到分子，到DNA，再到大腦，再進一步就是獨一無二的人類。

哺乳動物的大腦有一種特有的天賦，而這種天賦在其他類別的物種中尚未被發現。我們可能會根據等級高低來思量或理解由多種成分組成的結構。在這種結構中，各種不同的分子是按照同一模式排列的，這一排列模式同時也是一種符號，之后該符號將會作為一種分子被用于更復雜的結構中。這種能力產生于一種被稱為大腦新皮質的結構中，就人類而言，該能力更為復雜、更具潛力，因此，我們可以將此類模式稱為想法。通過永無休止的循環過程，我們可以構建更為復雜的想法，我們將此類浩大的遞歸鏈接的想法稱為認知。認知基礎是智人才有的，而且認知基于其本身進行演化、呈指數級增長并代代相傳下去。

人類的大腦則產生了另一層級的抽象意識，因為我們在利用大腦智能的同時還具備另一種有利因素（一種與之相對的附屬物）—— 手，通過對環境的掌控，我們用手來制造工具。這些工具代表著一種新形式的演變，技術由此產生。也正是基于這些工具，我們的認知基礎才得以無限發展。

我們的第一個發明是口語，它使我們能夠用不同的話語來表達心中想法。隨后發明的書面語言，使我們能夠用不同的形式來表達我們的想法。書面語言庫極大地擴展了我們無外力援助的大腦的能力，使我們能夠維持并擴充我們的認知基礎，這是一種遞歸結構化的思想。

其他物種，如黑猩猩，在言語表達上是否也具有分級思想，這一問題仍存在爭議。黑猩猩能夠學會有限的手語符號，它們可以使用這些符號與人類訓練員進行溝通。然而，就黑猩猩能夠處理的認知結構而言，其復雜性還是有不同限制的，這也是顯而易見的。它們能夠表達的語言僅限于簡單的名詞-動詞語序的句子，而不能表達復雜事物的無限擴展，而這是人類的特性。關于人類語言的復雜性，有這樣一個有趣的例子：加西亞·馬爾克斯所寫的故事或小說中有許多驚人的長句子，甚至一個句子就有幾頁長——他曾寫過一個6頁篇幅的故事《最后的鬼魂之旅》（The Last Voyage of the Ghost），通篇就只有一個簡單句（這個故事的西班牙語版本和英語版本都翻譯得很好）；拜讀過他的大作《百年孤獨》的讀者肯定對文中大段大段的長句描寫印象深刻！

我之前出版過3本有關技術的書，其中，《智能機器時代》（Age of Intelligent Machines），寫于20世紀80年代，出版于1989年；《靈魂機器時代》（Age of Spiritual Machines），寫于90年代中期到末期，出版于1999年；《奇點臨近》，寫于21世紀初，出版于2005年，其主要思想是關于一個固有的不斷加快的演化進程（因抽象意識水平的不斷提升而導致），以及其產物的復雜性和能力的指數級增長。人們將這種現象稱為加速回報定律（LOAR），該定律與生物和技術的演化有關。關于LOAR有一個最生動的例子，即信息技術能力和性價比都指數級發展，而且這種發展速度是可預測的。技術演化進程不可避免地導致計算機能力的進化，反過來又擴展了我們的認知基礎，使我們能夠通過某一領域知識的廣泛聯系來了解另一領域的知識。網絡本身就為等級劃分系統的能力提供了一個強有力的恰當例子，網絡包含大量的知識，同時又維持了其內在的結構。世界本身就是按等級劃分的——樹有枝、枝有葉、葉有脈，建筑有樓層，樓層有房間，房間有門、窗戶、墻壁和地板。

我們還開發了其他工具，通過利用這些工具，我們現在能用精確的信息術語來理解人類的生物學。我們正以極快的速度利用逆向工程法分析生物學的構成信息，包括大腦結構的信息。我們現在擁有以人類基因組形式存在的生命目標代碼，這項成就本身也是指數級發展的一個突出實例。過去的20年間，世界已測序的基因數據量呈指數級增長，每年增加了近一倍（見第10章）。現在，我們可以通過計算機模擬來判斷有堿基序列是如何形成氨基酸序列，從而折疊成三維蛋白質的。1計算機資源持續呈指數級增長，我們就蛋白質折疊復雜性的模擬能力也在穩步提高。

現在有一項涉及成千上萬位科學家和工程師的宏偉工程正在進行中，他們正致力于理解智能程序的最好范例——人類大腦。這可以說是人造機器文明史上最為重要的工作。在《奇點臨近》一書中，我根據加速回報定律得出的一個推論是，不可能存在另一種智能物種。總結來說，就是考慮在短暫的時間內，我們能做到從只具備落后技術（試想在1850年，全美范圍內送信最快捷的方式是通過驛馬快信[Pony Express]）到擁有能到達其他星球的技術，那么，如果有其他智能物種存在，我們應該早就發現了。從這個角度看，對人類大腦實施逆向工程可能是世界上最重要的項目了。

這項工程的目標是精確理解人類大腦的運作機制，然后通過這些已知的方法來更好地了解我們自身，并在必要的時候修復大腦，而與本書最密切相關的，就是利用這些信息創造出更加智能的機器。我們必須牢記，工程學能做的就是將一種自然現象明顯放大。想想伯努利定律這一相當微妙的現象，它指出，運動的彎曲表面比運動的平坦表面的空氣壓力要小。雖然科學家們仍沒有充分解決關于伯努利定律如何制造機翼升力的數學問題，但是工程學已經接受了這個精妙的觀點，并集中全力開創了整個航空界。

在本書中，我提出了思維模式識別理論（Pattern Recognition Theory of Mind, PRTM），我認為它描述了大腦新皮質（主要負責感知、記憶和判斷思維的大腦區域）的基本算法。在書中前幾章，我描述了近代神經科學研究和人類自身的思想實驗導致的不可避免的結果：這種方法一直被用在大腦新皮質上。思維模式識別理論和加速回報定律的含義就是我們能設計這些原則來廣泛傳播人類智能的力量。

實際上，這項措施已在進行中。以前專屬于人類智能的許多任務以及活動，現在能完全由電腦控制，更加精確，范圍也擴大了。每次發郵件或打電話，智能算法都能合理地追蹤信息。有時候，心電圖測出的結果和醫生的診斷結果恰好相反。在血細胞圖像中，也有可能出現這樣的情況。智能算法能自動識別偽造的信用卡、能駕駛飛機的起飛和降落、能指導智能武器系統、能幫助設計計算機輔助設計的產品、能及時追蹤庫存水平，還能在機器人工廠里組裝產品。它還會下國際象棋，甚至參加大師級水平的圍棋比賽。

幾百萬人都見識了IBM那臺名叫“沃森”的超級計算機在《危險邊緣》這個語言類益智問答比賽節目中的表現，總的得分比世界上兩個玩得最好的人的總分還要高。值得注意的是，沃森不僅能讀懂和理解《危險邊緣》中的提問，還能理解包含雙關語和比喻，并能從廣闊的知識面（比如說維基百科或其他百科知識）汲取答案所需的知識。它得對人類的各種文化活動了如指掌，比如歷史、科學、文學、藝術、文化等。現在IBM正同Nuance Speech Technologies公司（之前名為“庫茲韋爾計算機產品公司”[Kurzwiel Computer Products]，是我創辦的一家公司）一起，致力于在新一代的沃森電腦上開發文字語音自然轉換技術。新一代沃森電腦，通過Nuance公司的臨床語言理解技術，能閱讀醫學文獻（幾乎所有的醫學期刊和領先的醫學博客），成為大師級的診療醫師和醫學咨詢師。一些觀察者指出，沃森沒有真正理解《危險邊緣》節目或它所閱讀過的百科全書，因為它只是在進行“統計分析”。這里我所要描述的關鍵是人工智能領域所涉及的數學技術（比如這些被應用在沃森、iPhone手機助手Siri上的技術），它們在數學上與大腦新皮質中涉及的生物學形式的方法非常相似。如果通過統計分析理解語言和其他現象不能得出正確的理解，那么人類也無法真正理解。

沃森運用自身的智能掌握自然語言文件中的知識，這使它很快就會商品化，成為你身邊的一種搜索引擎。人們已經在用自然語言與他們的手機對話（比如通過Siri，當然這也是在Nuance語音識別技術的幫助下）。當它們更多地使用沃森模式，并且沃森本身也在不斷改進時，這些自然語言輔助工具將很快變得更智能。

谷歌的無人駕駛汽車已經在加利福尼亞州繁忙的城市中行駛了32萬多公里（當這本書上架的時候，這個數字肯定會高得多）。當今世界還有很多其他人工智能的例子，未來肯定還會出現更多。

再拿加速回報定律舉例，大腦掃描的空間分辨率以及大腦正在收集的數據每年都在成倍遞增。我們也在證明我們可以將這個數據轉變成大腦區域的運作模式和模擬系統。我們已經在用于處理聲音信息的聽力皮質、處理圖像的視覺皮質和處理一部分技能形成的小腦（比如抓住一個正在飛的球）等關鍵功能的逆向工程中取得了成功。

理解、建模和模擬人類大腦的關鍵是對大腦新皮質實施逆向工程，而大腦新皮質是我們進行循環分層思考的部位。大腦新皮質占據人腦的80%，并高度重復結構化，所以人們可以隨意生成有復雜結構的想法。

在思維的模式識別理論中，我描述了一個模型，關于人腦怎樣使用通過生物進化形成的非常清晰的結構，來達成思維模式識別這個重要的能力。雖然在皮質運作機制中有些細節我們現在還不能完全弄明白，但是我們對皮質運作機制需要的功能的了解卻已經足夠多，并可以設計算法以達到相同的目的。在開始理解新皮質時，我們就可以極大地增強它的能力，正如航空界極大地增強了伯努利原理的力量。新皮質的運作原理已被證明是世界上最重要的思想，因為它能夠呈現所有的知識和技能，并可以創造新的知識。畢竟，是新皮質創造了每一部小說、每首歌、每幅畫、每個科學發現，以及其他人類思想的各種各樣的產物。

在神經系統科學領域急需一個理論，將每天正在報道的極端分散和廣泛的活動結合起來。統一理論在每一個重要的科學領域都是關鍵要求。在第1章我會描述兩位“思想實驗”家怎樣把生物和物理統一起來——在此之前這兩個領域是極其混亂多變的。然后我會解釋這個理論怎樣被運用到大腦的結構中。

現在我們經常會大力贊賞人類大腦的復雜性。谷歌為一個要求評論這個話題的調查反饋了大約3000萬條鏈接（我們無法在這兒轉述反饋的真實評論的數量，因為有些鏈接的網站有很多評論，有些則一個也沒有）。“DNA之父”詹姆斯·沃森（James Watson）在1992年寫道：“大腦是最新、最偉大的生物前沿領域，是我們在宇宙中發現的最為復雜的東西。”他進一步解釋了為什么自己相信“它包含上千億細胞，它們內部通過上萬億節點聯結，大腦使我們深感困惑”。2

我同意沃森關于大腦是最偉大的生物前沿領域的看法，但如果我們可以輕易地辨別出包含在細胞和節點中的易理解的（并可以再創造的）模式，它所包含的數十億細胞和數萬億節點并不一定會使它的主要研究方法變得更復雜，尤其是在大量冗余模式存在的情況下。

讓我們想一下什么叫“復雜”。森林復雜嗎？答案取決于你看問題的角度。你會發現森林里有成百上千棵樹，每一棵都不同。你又會發現每一棵樹有成百上千的樹枝，每個樹枝也完全不同。你會進一步描述每個樹枝的復雜特性。你的結論可能是：森林的復雜性遠遠超乎我們的想象。

但是，把森林看成很多樹的方式其實是錯誤的。當然，樹和樹枝在部分上有極大的不同，但要正確理解森林的概念，你最好先辨別出已找到的具有隨機變量的冗余模式。這樣才可以說森林的概念比樹的概念簡單得多。

大腦也是如此。它有一個類似的龐大的冗余組織，尤其是在新皮質結構中。就像我會在這本書里解釋的，我們甚至可以說單個神經的復雜程度超過了整個新皮質結構的復雜程度。

我寫這本書的目的并不是對人腦復雜性的老生常談，而是為了揭開人腦最基本的力量，包括其基本智力系統如何進行識別、記憶、預測。這些行為在新皮質里不斷重復，產生了各種不同的想法。

核基因與粒線體基因里的遺傳密碼所組合出的生物多樣性令人驚異，新皮質思想模式識別感知器里的格局聯結及突觸所產生的意見、思想及技巧也同樣令人嘆為觀止。麻省理工學院神經學家塞巴斯蒂安·尚博士（Sebastian Seung）相信：“基因無法決定一切，大腦神經元的聯結才是人類身為智慧生物的最重要部分。”3

我們必須懂得分辨真正的構造復雜性和表面復雜性。曼德布羅特集的圖像因其復雜性而聞名（見圖0-1）。為理解其表面復雜性，我們可以將圖像放大，其中的錯綜復雜不計其數，且都不盡相同，但曼德布羅特集的設計及公式卻非常簡單：Z=Z2+C。其中，Z代表復數（一對數字）, C代表常量。

我們不需要通過研究曼德布羅特集的功能來證明它的簡單性，此公式在不同階段會一直被反復使用，這和人腦是一樣的。其不斷重復的構造并不像曼德布洛特集的公式那么簡單，但也不如一般有關人腦的書籍所說的那么復雜。新皮質構造在每個概念階層不斷重復。愛因斯坦曾說過：“任何一個聰明的蠢材都可以把事情搞得更大、更復雜，也更激烈。但往相反的方向化繁為簡則需要很大的勇氣。”

至此，我已經談了很多關于大腦的事情。然而，思維是什么呢？比如，負責解決難題的新皮質是如何獲得意識的呢？當我們討論這個話題時，有多少種思維在我們的大腦里正激蕩呢？有證據表明，可能不止一個。

另一個與思維相關的問題是：什么是自由意志，我們是否擁有自由意志？有實驗表明，在意識到自身的決定之前，我們已經開始采取行動了。這是否意味著自由意志只是一種幻覺？

最后，我們還要問：大腦里的哪些特點造就了我們的特性？我還是6個月前的“我”嗎？顯然我已經不是以前的“我”，那我還是“我”嗎？

讓我們來看看思維模式識別理論是如何解釋這些存在已久的問題的。

掃碼關注“廬客匯”，回復“人工智能的未來”，即可直達庫茲韋爾“科技將如何改造我們”的TED演講。