超越人脑的 “超级大脑”黄铁军 《 中华读书报 》（ 2015 年 01 月 07 日 05 版）据说天才的达·芬奇生平总共解剖了 30 多具人类尸体，除了用以观察人体结构和了解人体功能外，他还试图从中找到人类的“灵魂”后世的科学家们没有停止努力，从阿兰·图灵到弗朗西斯·克里克，到冯·诺依曼，到蔡少棠，到亨利·马克拉姆……他们不停地尝试采用自然科学方法解决意识问题，制造出逼近乃至超越人脑的“超级大脑”人类能够制造出具有自主意识的“超级大脑”吗？这方面的哲学论辩已经持续上百年，再喋喋不休已经意义不大行胜于言，对这个问题最好的回答是制造出“超级大脑”六十多年来，计算机性能按照摩尔定律持续提升，新型微纳电子器件快速进步，越来越多的技术征象表明，仿照人类大脑结构和机理，制造出逼近乃至超越人脑的“超级大脑”，不仅在技术上是可能的，而且它的性能会远超人脑，还很有可能会涌现出自主意识认识“意识”意识问题是人类最根本的问题之一，自古以来众说纷纭，构成人类思想史上最亮丽的一道风景线翻开百年来诺贝尔生理学或医学奖成果，有关脑及神经功能的研究十分丰硕，但总体而言，我们对大脑的认识还处在“盲人摸象”阶段，对多数感知认知功能还是“只见树木，不见森林”、“知其然而不知所以然”，对“灵感”、“脑风暴”和“禅定”等系统性功能的认识还几乎是空白。
在采用自然科学方法解决意识问题的科学家中，弗朗西斯·克里克是最知名的一位，1953 年他与詹姆斯·沃森共同发现了 DNA 双螺旋结构，1962 获得诺贝尔奖，1976 年开始研究意识问题，2003 年在《自然·神经科学》发文提出意识不是先天就有，而是由大脑中“扣带前回”的一小组神经元产生和控制的，其中一个征象是这些神经元以伽马振荡（40 赫兹左右）的形式同步发放然而，问题不仅仅是“意识是大脑的哪一部分产生的”，也不仅仅是“意识是神经系统以什么样的方式产生的”，而是“意识是如何产生的”？意识产生机理难以突破的根本原因在于大脑是一个从神经元到网络系统都高度非线性的复杂动力系统这类系统的重要特征是不能通过“还原”成基本单元的方式得到充分解释，例如大气和水流中的湍流，构成单元十分清楚，现象也很明显，但背后的机理至今难以准确描述因此，即使彻底搞清楚了大脑构成的所有物质细节和能量特性，也只是在认识意识的道路上迈出了第一步，意识作为大脑这个复杂非线性系统的高层状态和表象，需要更多的认知神经科学发现甚至复杂非线性理论的突破，才有可能最终揭开神秘面纱复制大脑”在意识发生机制最终得到科学解释之前，能够制造出具有自我意识的人造大脑吗？回答是肯定的，而且制造出这样的装置，可能正是回答这个问题最便捷的途径。
人脑是迄今已知的宇宙间最为复杂的结构：拥有约一千亿个神经元（按计算机计量单位为 100G 个，下同），每个神经元通过数千甚至上万个神经突触和其他神经元相连接，总突触超过一百万亿（100T）这些数字虽然庞大，也还是有限的，如果能够在分子层次完整复制一个大脑，供应能量并进行刺激，没有理由断定这个生物意义上的“复制大脑”不能产生意识如果在神经元和神经回路层次复制大脑，所有人造神经元和突触的功能特性都逼近生物大脑，所有突触连接和神经回路都和大脑相同，这样的电子意义上的“复制大脑”能够产生意识吗？应该说成功的机会不小做出这样判断的基本原因是，我们的大脑是在正常的物理化学环境中生长和运行的在大脑长期进化过程中以及每个正常大脑的运行中，没有证据表明分子层次之下的因素在发挥作用（辐射可能导致大脑紊乱甚至停止运行，但这是破坏意识而不是创生意识）在出生后的活体大脑中，尽管神经元生生死死、突触断断联联的过程一直在发生，但对大多数人的意识发生和连续性并未产生什么影响因此，大脑就是一个由神经元和突触等基本单元按照复杂的神经回路构成的一个复杂系统，系统的精确复制意味着功能的复制，大脑具有的智能和意识，也会在复制系统上出现。
比物理复制更容易进行的是用计算机模拟，即在现代计算机上用软件模拟大规模的神经元、突触和神经回路，这样的“软件大脑”能够产生意识吗？2007 年开始，IBM 阿玛登研究中心在蓝色基因超级计算机上开发大脑皮层模拟软件，2009 年在美国劳伦斯·利弗摩尔国家实验室上实现了 8.61T 个神经突触的猫脑模拟这个“软件猫脑”表现出了神经元自组织现象，在哺乳动物大脑皮层上经常能观测到的阿尔法振荡（10 赫兹左右）和伽马振荡（40 赫兹左右），也在这个“软件大脑”上出现了这些征象当然还不能说就是意识，但与传统计算机严格按照指令运行得到的精确结果相比，具有云泥之别：这些现象不是人工事先设计的，而是系统自身表现出来的同样在 2009 年，瑞士洛桑联邦理工学院亨利·马克拉姆教授在“蓝色大脑计划”支持下，在蓝色基因超级计算机上用软件模拟鼠脑，同样出现了伽马振荡现象2009 年 12 月，马克拉姆在接受采访时表示：“从技术层面上讲，利用计算机和数据采集技术，有可能在 10 年内建立起人脑模型记者进一步追问：“一旦建立起人脑模型，我们是否就能体验并重建人的心智？”他的回答是：“这并非真的那么复杂……由于我们正变得更善于对神经信息进行解码，我想这将不会成为多大问题。
尽管对这一看法存在诸多争议，但这个前景实在诱人，由马克拉姆领衔的欧洲“人类大脑计划”作为欧盟投入巨资的两大旗舰项目，2013 年 1 月获得批准图录测试”长期以来，用机械和电子装置来模拟和代替人类某些智能，一直是人类的重大梦想之一，电子计算机是承载这一梦想的最新载体如今计算机在计算、逻辑、存储、信息检索与交换等方面的性能早已远远超过人类，其理论基础是 1936 年英国数学家阿兰·图灵为了研究“不可计算数”而提出的“图灵机”概念图灵机”是一个思想实验的“概念机”，模拟人用纸笔进行数学运算的过程，其关键在于抓住了数理逻辑和抽象符号处理的本质，一台仅能处理 0 和 1 这样简单二元符号的机械设备，就能够模拟任意数学推理过程，这就是现代计算机的起源图灵还被奉为“人工智能之父”，源于他 1950 年 10 月在《心智》发表的文章《计算机与智能》在这篇文章中，图灵提出了“机器能思考吗？”这个问题，并提出了检验机器智能水平的“图灵测试”：将计算机和人分别关闭在不同房间，通过电传方式进行问答，如果提问者分辨不出哪个是计算机，则认为计算机通过了智能测试1956 年夏，约翰·麦卡锡、马文·明斯基、克劳德·香农、艾伦·纽厄尔和赫伯特·西蒙等在美国达特茅斯聚会，研讨主题就是用机器模拟人类智能。
会议认为“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟”，并首次提出“人工智能”这一术语人工智能学科初期过于乐观，将人类智能视为符号处理过程，采用形式逻辑实现智能，估计“二十年内，机器将能完成人能做到的一切工作”，但实际效果大打折扣，招致广泛批评图灵在论文中表示，他相信二十世纪末机器将能够通过“图灵测试”1997 年，国际象棋冠军卡斯帕罗夫第三次对战超级计算机，“深蓝”超级计算机居然走出了一些只有真正大师才能走出的棋步，并取得最终胜利2011 年 2 月，IBM 以公司创始人托马斯·J·沃森命名的自然语言问答系统挑战美国著名电视智力竞赛节目“危险边缘”，战胜最高奖金得主布拉德·鲁特尔和连胜纪录保持者肯·詹宁斯2014 年 6 月，英国皇家学会为纪念图灵逝世 60 周年举行“图灵测试”，名为“尤金·古斯特曼”的计算机软件通过测试，让人类相信它是一个 13 岁的男孩可以说，经典“图灵测试”已经完成然而，绝大多数人并不同意“深蓝”、“沃森”或“尤金·古斯特曼”真正具有了智能：它们的“智能”来自设计者控制的复杂规则和大规模语料库，不能像人类一样自发产生创造性的智能，这些系统也并无自主意识。
深度学习”人类智能和意识是由大脑神经网络产生的，因此制造人工神经网络来产生智能就成了更为自然的选择人工神经网络的研究历史差不多和计算机科学史一样长1943 年，神经生理学家沃伦·麦克洛奇和数理逻辑学家沃尔特·皮兹首先提出神经元的数学模型1949 年，加拿大生理心理学家唐纳德·赫布提出,神经网络的学习过程发生在神经元之间的突触部位50 年代末，弗朗克·罗森布莱德设计制作了“感知机”，首次把人工神经网络的研究从理论探讨付诸工程实践1986 年，大卫·鲁姆哈特、杰弗里·辛顿和罗纳德·威廉姆斯提出了多层前馈神经网络的学习算法，从理论上证明了只含一个隐层的前馈网络可以在闭区间上一致逼近任意连续函数2006 年，辛顿在《科学》发表论文，提出深度信念网络，开启了称为“深度学习”的神经网络的新浪潮，其基本思想是不借助人为影响，让大规模多层神经网络自动发现隐藏在海量数据背后的内隐结构近年来，深度学习在图像识别、语音识别和大数据处理等方面都取得了很好的实验效果2012 年 6 月，《纽约时报》报道了“谷歌大脑”项目：用 1.6 万台计算机搭建的拥有 10 亿神经连接的深度学习神经网络，向这个网络输入一千万幅互联网视频图像，在无任何人类指导训练的情况下，这个系统自动具备了识别能力，可以以很高的精度检测人脸和猫脸等对象。
2013 年，《MIT 技术评论》将深度学习评为“年度十大技术突破”之首2014 年初，百度宣布“百度大脑”计划，9 月宣布将在半年内建成连接规模达到 100G 的深度网络100G 连接当然是深度学习发展的一个里程碑，但与人类大脑 100T 的突触连接相比，还有 1000 倍的差距，这个差距靠简单地扩展现有硬件，无论是从成本还是功耗角度来看，都是一个难以逾越的巨大鸿沟深度学习是否模拟了人脑的部分功能，至今是个极具争议的问题辛顿 2014 年初在接受《连线》杂志采访时说：“我十分兴奋的是，我们发现了一种改善神经网络的方法，而且很接近人脑的工作模式深度学习的确比传统人工智能更接近生物智能，但运行中的大脑是一种脉冲神经网络，没有证据表明大脑采用了深度学习所使用的误差调整和传播算法笔者认为，深度学习更可能是发生在大脑亿万年的进化过程中，适者生存的试错过程和深度学习的误差调整存在一定的相似性，其结果就是现代大脑的功能柱分层结构也正是这个原因，出生后的大脑已经具备了表征复杂环境刺激中存在的隐含结构的能力，因此并不需要像深度学习那样再进行大规模训练，就能从少量样本中快速获取知识神经形态芯片硬神经网络在神经网络发展史中一直占据重要地位，但受限于电子器件工艺水平和成本限制，制造大规模硬件神经网络在技术上一直难以实现。
1945 年，冯·诺依曼领导的设计小组试制成功指令存储式电子计算机，这是日后冯·诺依曼计算机体系结构的关键1948 年，冯·诺依曼提出了以简单神经元构成的再生自动机网络结构，比较了人脑结构与存储程序式计算机的根本区别然而，1947 年底发明的晶体管以及随后的集成电路，推动冯·诺依曼体系结构计算机发展一日千里，直至今天冯·诺依曼也成为“计算机之父”，但他本人显然并不像后人那样推崇冯·诺依曼体系结构，他念念不忘的是计算机和人脑的类似性，在生命的最后几年，他综合早年逻辑研究成果和计算机相关的工作，进击更复杂的问题：怎样使用不可靠元件设计可靠的自动机，以及建造自己能再生产的自动机冯·诺依曼这方面的研究反映在西列曼讲演中，在他逝世后才以《计算机和人脑》的名字出版单行本，这部未完成的著作对人脑和计算机系统进行了深入分析和比较，至今仍闪耀着智慧的光芒成立于 1911 年的 IBM 公司，长期执掌计算机产业之牛耳不那么为人所知的是，IBM1956 年就研制了 512 个神经元的神经网络前面已经介绍过的 IBM 在蓝色基因超级计算机上模拟大脑的项目，2008 年得到美国国防先进研究项目局(DARPA)资助，项目名称为“神经形态自适应可塑性可扩展电子系统（简称 SyNAPSE，即突触）”，项目规划到 2016 年，总经费超过 1 亿美元。
2014 年 8 月，IBM 在《科学》发表文章，宣布研制成功TrueNorth 神经。