人工智能
大多數(shù)個(gè)人電腦、智能手機(jī)和其他設(shè)備的硬件性能非常相似，由操作系統(tǒng)定義，通過下載其他軟件“學(xué)習(xí)”。早期計(jì)算機(jī)的學(xué)習(xí)完全依賴于與人類的交互，而現(xiàn)在則通過互聯(lián)網(wǎng)接收更新。

隨著越來越多的數(shù)據(jù)存儲(chǔ)到云端，服務(wù)器代理的作用不斷增強(qiáng)。這些代理負(fù)責(zé)計(jì)算密集型任務(wù)，類似于中樞神經(jīng)系統(tǒng)。相反，面向消費(fèi)者的電子產(chǎn)品正在改善它們的輸入/輸出能力，變得有點(diǎn)像外圍神經(jīng)。

由此也衍生出了物聯(lián)網(wǎng)。在物聯(lián)網(wǎng)中，擁有數(shù)十臺(tái)高度專業(yè)化的微型設(shè)備，每臺(tái)只執(zhí)行一項(xiàng)或幾項(xiàng)功能。基于云計(jì)算的中央“大腦”負(fù)責(zé)協(xié)調(diào)所有設(shè)備來控制房屋、工廠甚至整個(gè)區(qū)域。

相比之下，機(jī)器人技術(shù)專注于更加自主的主體。機(jī)器人必須實(shí)時(shí)處理復(fù)雜的現(xiàn)實(shí)情況。自動(dòng)駕駛汽車就是典例:

圖中簡化了結(jié)構(gòu)，真實(shí)的系統(tǒng)有超過100個(gè)傳感器，具有恒定的輸入流。自動(dòng)駕駛汽車的設(shè)計(jì)是當(dāng)今人工智能研究中最困難的領(lǐng)域之一。

面向消費(fèi)者的機(jī)器人只是人工智能研究中的微小分支，是一個(gè)相對(duì)較新的趨勢(shì)，而大多數(shù)機(jī)器人是為工業(yè)和軍事需求設(shè)計(jì)的。與武裝無人機(jī)或核電站控制員的失誤相比，自動(dòng)駕駛出租車的不當(dāng)行為更像一場小型事故。此類系統(tǒng)的策略編程不依賴于黑盒算法，但其工作的每個(gè)方面均需要嚴(yán)格的數(shù)學(xué)規(guī)范。

量子世界（Quantum world）

量子力學(xué)是人工智能和生物智能的共同基礎(chǔ)。量子力學(xué)的出現(xiàn)，為以半導(dǎo)體為核心的計(jì)算機(jī)技術(shù)奠定了基礎(chǔ)。

300多年前發(fā)展起來的計(jì)算行星運(yùn)動(dòng)的數(shù)學(xué)方法作為了反向傳播和梯度下降的基礎(chǔ)。概率論、統(tǒng)計(jì)力學(xué)和矩陣力學(xué)成為了量子力學(xué)的基礎(chǔ)，是現(xiàn)代人工智能的近親。目前，深度學(xué)習(xí)就像煉金術(shù)，物理學(xué)則可以幫助我們更好地理解它。

雖然量子計(jì)算機(jī)還處于起步階段，但目前的實(shí)驗(yàn)表明它能有效地加速處理某些優(yōu)化問題。例如，玻爾茲曼機(jī)器是一種人工神經(jīng)網(wǎng)絡(luò)，但難以在大多實(shí)際場景中進(jìn)行應(yīng)用，所以研究學(xué)者提出了一種受限的變體，成為最早的深度神經(jīng)網(wǎng)絡(luò)之一。量子計(jì)算機(jī)則有可能結(jié)合玻爾茲曼機(jī)器和其它概率模型的全部計(jì)算能力。

理解量子力學(xué)非常難，概率振幅只是冰山一角。盡管許多人批評(píng)人工神經(jīng)網(wǎng)絡(luò)的解釋性很差，但他們也無法直觀地描述量子力學(xué)。

生物智能（Biological Agents）
生物智能存在了約30億年。地球上數(shù)百萬種生物都有一個(gè)共同點(diǎn):DNA。

DNA是細(xì)胞的“中樞神經(jīng)系統(tǒng)”。人們認(rèn)為，在基于DNA的生命出現(xiàn)之前就有基于RNA的生物體，它們?cè)诠δ芎徒Y(jié)構(gòu)上非常相似。

生物學(xué)家們?cè)诤荛L一段時(shí)間里都認(rèn)為，約98%不編碼蛋白質(zhì)的DNA是無用的。但后來的研究發(fā)現(xiàn)，它們?cè)诳刂凭幋aDNA以適應(yīng)動(dòng)態(tài)環(huán)境中起著關(guān)鍵作用。DNA自身的某些部分可能會(huì)被甲基化失活，但這是可逆的，且在整個(gè)生命周期中發(fā)生多次。

現(xiàn)代科技已能合成和編輯我們想要的DNA，人工和生物智能已無太大區(qū)別。

細(xì)胞（Cells）
具有基本功能的細(xì)胞稱為原細(xì)胞：

它們代表了最初生命有機(jī)體的樣子。大約30億年前的地球環(huán)境模型表明，在足夠多的核苷酸中能夠捕獲脂類氣泡，從而產(chǎn)生第一個(gè)基因組，而基因組又能通過從周圍環(huán)境中捕獲營養(yǎng)物質(zhì)實(shí)現(xiàn)復(fù)制。在積累了足夠數(shù)量的基因和其他化學(xué)物質(zhì)后，這些氣泡在內(nèi)部壓力的作用下分裂。

另一個(gè)簡單的例子是病毒。兩者的主要區(qū)別在于病毒不維持內(nèi)部代謝，需要利用其他生物體進(jìn)行自我復(fù)制。病毒的基因組通常很短，只編碼1到2個(gè)蛋白質(zhì)。然而，病毒可以通過DNA交換與宿主進(jìn)行“交流”，這一過程稱為水平基因轉(zhuǎn)移。許多單細(xì)胞生物都有這種能力，它在整個(gè)進(jìn)化過程中扮演著重要的角色。

相比之下，細(xì)菌可以對(duì)不同的化學(xué)物質(zhì)，光，壓力，溫度等進(jìn)行感應(yīng)。許多細(xì)菌在分子水平上具有類似于普通內(nèi)燃機(jī)的運(yùn)動(dòng)機(jī)制。

此外，它們有相當(dāng)強(qiáng)的溝通能力，可以成群結(jié)隊(duì)地聚集在一起，能借助自身基因組和周圍的蛋白質(zhì)消化大量的營養(yǎng)物質(zhì)，并執(zhí)行相當(dāng)復(fù)雜的行為。它們的結(jié)構(gòu)與原細(xì)胞和古細(xì)菌非常相似。

真核細(xì)胞與此相反，它們有許多細(xì)胞器。其中，像線粒體和葉綠體都有自己的DNA片段，在過去可能是獨(dú)立的生物體。此外，線粒體在克雷布斯循環(huán)中發(fā)揮著至關(guān)重要的作用，能夠促進(jìn)新陳代謝。

真核細(xì)胞內(nèi)部結(jié)構(gòu)雖然復(fù)雜，但缺乏自行移動(dòng)的能力。動(dòng)物細(xì)胞也缺乏葉綠體和細(xì)胞壁，使其失去自主性。生物細(xì)胞雖然逐漸失去了獨(dú)立生存的能力，但卻獲得了更為復(fù)雜的“社會(huì)”能力。

細(xì)胞通過動(dòng)作電位對(duì)環(huán)境變化做出快速反應(yīng)。當(dāng)傳感器檢測到化學(xué)物質(zhì)、壓力或其他刺激時(shí)，細(xì)胞膜電勢(shì)迅速變化。

但動(dòng)作電位信號(hào)僅限于源細(xì)胞和與其有直接膜-膜連接的細(xì)胞。它可以通過信號(hào)分子傳遞給其他細(xì)胞，但過程耗時(shí)長。大多數(shù)動(dòng)物進(jìn)化出了專門的細(xì)胞——神經(jīng)元克服該問題。

神經(jīng)元形狀各異，可以長出新的突觸或移除舊的突觸。外圍神經(jīng)元通常只有幾百個(gè)連接，而中間神經(jīng)元的連接可能超過10000個(gè)。這些機(jī)制使它們能夠快速移動(dòng)信號(hào)，并通過調(diào)整突觸強(qiáng)度進(jìn)行轉(zhuǎn)換。此外，脊椎動(dòng)物的許多軸突都有髓鞘，可以使電位移動(dòng)得更快，同時(shí)激活更少的膜通道，節(jié)省能量。

下面介紹到目前為止研究得最好的神經(jīng)系統(tǒng)之一，線蟲：

研究人員對(duì)其進(jìn)行了長達(dá)50年的剖析，了解其全部302個(gè)神經(jīng)元的詳細(xì)結(jié)構(gòu)，其中包含5000多個(gè)突觸：

即使只有302個(gè)神經(jīng)元，研究人員也很難判斷它們?cè)谧鍪裁础Ｋ鼈兂掷m(xù)地“學(xué)習(xí)”，且功能可能會(huì)實(shí)時(shí)變化，而人類大腦擁有數(shù)十億個(gè)細(xì)胞。

考慮到復(fù)雜性，神經(jīng)科學(xué)的大多數(shù)研究都集中在特定的區(qū)域、通路或細(xì)胞類型上。大多數(shù)進(jìn)化的舊結(jié)構(gòu)負(fù)責(zé)呼吸、心跳、睡眠/蘇醒周期、饑餓和其他重要功能。大腦皮層是最受研究人員關(guān)注的。

大腦皮層是一層折疊的層狀薄片，厚度約為2-3毫米，大腦的其他部分被一塊類似于餐巾紙的結(jié)構(gòu)所覆蓋。

大腦皮層涉及一些高級(jí)認(rèn)知功能，如語言、意識(shí)、計(jì)劃等。新皮層約占大腦皮層的90%。

另一研究充分的區(qū)域是海馬體：

所有的脊椎動(dòng)物都有一個(gè)類似的結(jié)構(gòu)叫做蒼白球，但哺乳動(dòng)物有一個(gè)更進(jìn)化的版本，海馬體。它在空間記憶和情景記憶中起著至關(guān)重要的作用，其功能類似一個(gè)時(shí)空地圖。有了這張地圖，大腦就可以把復(fù)雜的記憶儲(chǔ)存在專門用于視覺、聽覺和其他表現(xiàn)形式的區(qū)域。

最初對(duì)大腦的研究集中在損傷外傷和內(nèi)部損害上。在大腦皮層中，大腦區(qū)域缺失和認(rèn)知功能缺失之間的相關(guān)性較弱。研究結(jié)果表明，記憶分布在整個(gè)大腦皮層，甚至在手術(shù)切除鄰近神經(jīng)元的某些部分后，還可以重新學(xué)習(xí)缺失的功能。研究人員提供了如下區(qū)域圖:

但上圖在實(shí)際和理論兩方面都缺乏精確性。在實(shí)驗(yàn)環(huán)境中，你可以刺激大腦的某一部分，觀察其反應(yīng)。但是，除了主要的感覺和運(yùn)動(dòng)區(qū)域外，得到的結(jié)果并不準(zhǔn)確。另一方面，功能性磁共振成像可以跟蹤受試者，判斷在執(zhí)行某些任務(wù)時(shí)大腦的活躍部分，但這些區(qū)域并非專門處理特定任務(wù)，結(jié)果也不準(zhǔn)確。同時(shí)，功能性磁共振成像實(shí)際上是在測量氧氣的供應(yīng)水平，所以僅僅測量單個(gè)神經(jīng)元的活動(dòng)水平是不夠的，就像這樣:

?

大腦活動(dòng)的另一個(gè)有趣的特征是它以波的形式進(jìn)行：

以上研究能夠幫助理解和治療神經(jīng)系統(tǒng)疾病，卻并不能描述人類的行為。但是，這種自下而上的思維研究方法仍然取得了重大發(fā)現(xiàn)，比如基于神經(jīng)活動(dòng)來預(yù)測一個(gè)人的選擇，以及大腦沒有“中心”部分。

從心理學(xué)角度分析，人類行為在很大程度上受到遺傳、文化和環(huán)境因素的影響。智商及智商測試方法是其中最著名的研究成果。雖然有理論試圖對(duì)智力做出解釋，如多元智能理論，智力的三位一體理論等，但并未被廣泛接受。

這些理論的主要問題在于沒有提供一種定量證明的方法。即使是像走路或說“嗨”這樣簡單的行為，涉及到的神經(jīng)結(jié)構(gòu)也極其復(fù)雜，再加上考慮到每個(gè)細(xì)胞內(nèi)DNA和其他生物機(jī)制的復(fù)雜性，對(duì)神經(jīng)科學(xué)研究的做出心理學(xué)解釋往往比實(shí)驗(yàn)本身還要復(fù)雜。

什么是智能？
答案雖然多樣，但到目前為止都沒有一個(gè)被廣泛接受的統(tǒng)一理論。也許AIXI和IIT的結(jié)合會(huì)推動(dòng)其產(chǎn)生。要把兩者結(jié)合起來，需要一個(gè)獎(jiǎng)勵(lì)的概念，這個(gè)概念可能來自醫(yī)學(xué)和經(jīng)濟(jì)學(xué)，適用于每一種人工和生物智能。

當(dāng)前幾乎所有的智能衡量都基于某些任務(wù)的性能，這在瞬息萬變的現(xiàn)實(shí)環(huán)境中不夠靈活。或許，將意識(shí)定義為“任何可能的經(jīng)驗(yàn)”，以及與AIXI背后的智能框架相關(guān)聯(lián)的IIT框架，可以提供一幅更廣闊的認(rèn)知圖景。
任何主體工作都可以被描述為量子系統(tǒng)的波函數(shù)，但這不僅難以計(jì)算，還對(duì)習(xí)得的中間表征以及生物智能和人工智能的解釋提出了巨大的挑戰(zhàn)。

雖然人工智能的進(jìn)步和對(duì)人類智能的深層次理解有著巨大的應(yīng)用前景，但仍存在一些挑戰(zhàn)：
1、?隱私（Privacy）
2、?偏差（Bias）
3、?一致性（Alignment）：大多數(shù)人工智能訓(xùn)練都是基于效用最大化或誤差最小化，而這些目標(biāo)函數(shù)并不能代表所有的人類價(jià)值和道德。
4、?替代（Displacement）：科技取代人類完成特定任務(wù)已經(jīng)有一段時(shí)間了，但人類的進(jìn)化比人工智能要慢得多。
5、?網(wǎng)絡(luò)攻擊（Cyberattacks）
6、?心理工程（Psycho-engineering）：大量的心理實(shí)驗(yàn)和歷史教訓(xùn)表明，即使沒有任何暴力傾向的人，如果被適當(dāng)?shù)夭倏v，也會(huì)對(duì)別人造成傷害。

?

原文鏈接
本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的到底什么成就了今天的人工智能？（下）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。