?5月20日，由中國(guó)電子學(xué)會(huì)主辦，ZD至頂網(wǎng)協(xié)辦的第八屆中國(guó)云計(jì)算大會(huì)進(jìn)入了最后一個(gè)日程，在最后一日的全體大會(huì)上，英國(guó)伯明翰大學(xué)首席教授姚新做出了以“三個(gè)被遺忘的腦啟發(fā)計(jì)算問題”為題目的主題演講。

圍繞著三個(gè)問題的說明，姚新總結(jié)道，“所有的生物界大腦都是演化過來的，所以在腦計(jì)算研究的過程中，應(yīng)該適當(dāng)?shù)目紤]演化的過程，而不是考慮怎么樣人的智慧來設(shè)計(jì)一個(gè)腦；所有的生物界的大腦功能都是在動(dòng)態(tài)環(huán)境中完成，而現(xiàn)在考慮所謂的智能系統(tǒng)還是把某一個(gè)任務(wù)分離出來，作為單個(gè)靜態(tài)離散的問題，這對(duì)真正的研究方向和研究的系統(tǒng)是有一定影響的；研究智能系統(tǒng)的時(shí)候，一定要跟它的體型有關(guān)系。這個(gè)體型生物界當(dāng)然是身體，但是在實(shí)際的生活中可以跟你真正的硬件條件有關(guān)系，而這二者看似不重要，實(shí)際上二者有相當(dāng)大緊密相合的關(guān)系，實(shí)質(zhì)把它分開以后，系統(tǒng)的結(jié)構(gòu)和行為非常不一樣。”

以下是姚新演講實(shí)錄：（以下內(nèi)容根據(jù)現(xiàn)場(chǎng)速記整理，未經(jīng)發(fā)言嘉賓確認(rèn)，僅供參考，謝絕轉(zhuǎn)載。）

謝謝林秘書長(zhǎng)的介紹。

我今天講這題目可能聽起來有一點(diǎn)奇怪，因?yàn)樽鲌?bào)告的時(shí)候大家都會(huì)講做了什么。我想這是一個(gè)比較難得的機(jī)會(huì)。就是會(huì)后大家老是對(duì)我作報(bào)告提問，我想今天找一個(gè)機(jī)會(huì)我給大家聽報(bào)告的人提問。因?yàn)榫?0分鐘，時(shí)間也不太充裕，我就提三個(gè)問題，你想提三個(gè)問題10分鐘那問題一定很長(zhǎng)，那實(shí)際上問題很短了。我開始是有一點(diǎn)點(diǎn)的引言是講我的報(bào)告背景是什么東西。后面三點(diǎn)實(shí)際就是三個(gè)問題，最后有一個(gè)很簡(jiǎn)單的總結(jié)。

我就稍微聲明一下，講的三個(gè)問題是我個(gè)人的看法，可能講的不見得都對(duì)，因?yàn)榧热皇钦搲侵v將來研究，研究總是有爭(zhēng)論，所以這三個(gè)問題提出來是給大家做討論用的。

第一個(gè)問題講最近大家突然對(duì)人工智能特別感興趣。做人工智能有一部分，又是做所謂的內(nèi)腦計(jì)算，內(nèi)腦計(jì)算里面的話，就是說對(duì)人的大腦要做研究，通過對(duì)人的大腦研究，吸取一些營(yíng)養(yǎng)，通過這營(yíng)養(yǎng)的造點(diǎn)更好的計(jì)算機(jī)系統(tǒng)，所以你看最近腦計(jì)劃的不但是美國(guó)有、歐洲有，國(guó)內(nèi)也有。國(guó)內(nèi)不但是基金的有，部委的層次也有。這里面有一些什么問題呢？

第一個(gè)問題就是大學(xué)里面做腦計(jì)劃、腦研究，怎么搞就跟我們平常看的和想的特別不一樣。因?yàn)樵谶@世界上所有的大腦上都是設(shè)計(jì)出來，除非你是信上帝，你要不信上帝，所有的大腦，不是人的大腦還是生物界的大腦，都是通過自然演化出來，但是你看所有這些做腦計(jì)算機(jī)的人，有幾個(gè)在談演化的過程，所以這是從做研究人禮說是很奇怪的現(xiàn)象，就是我對(duì)我的產(chǎn)品特別感興趣，就是一個(gè)大腦感興趣。但是我對(duì)怎么產(chǎn)生這產(chǎn)品的過程，我整個(gè)就忽略掉了，就是我可以不考慮演化，光考慮怎么設(shè)計(jì)這大腦。所以從研究趨勢(shì)和研究方法來說，我覺得這很有趣，為什么人家這么做呢？怎么能把演化大腦這過程不做研究，光去考慮怎么樣研究？怎么設(shè)計(jì)這大腦呢？所以我想舉一個(gè)非常簡(jiǎn)單的例子，就是說做這人工智能的研究，或者做內(nèi)腦計(jì)算研究。假定我們往后退一步，不要把眼光就集中在腦，現(xiàn)在在這時(shí)刻什么樣？而是想這個(gè)腦經(jīng)過幾百億年，它是怎么來的，把這過程加進(jìn)去，我們是不是從這過程中能學(xué)到一些什么東西。

所以我舉這例子實(shí)際上是作為人工神經(jīng)網(wǎng)絡(luò)當(dāng)中一個(gè)小例子。這例子什么東西呢？就是說假定我現(xiàn)在對(duì)很簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)感興趣，然后人工神經(jīng)網(wǎng)絡(luò)是一個(gè)粗淺的，就是多層網(wǎng)。所謂Feed—forvard，就是前項(xiàng)網(wǎng)，也是從人看來非常非常簡(jiǎn)單的事情，什么事情呢？就是我給你一些二進(jìn)制的位，就是0101位，假定給你8個(gè)輸入，每一個(gè)輸入都是二進(jìn)制位，人工神經(jīng)網(wǎng)絡(luò)想學(xué)習(xí)的輸送，就是你告訴我基偶性什么東西，假如我給你八個(gè)，這里面有四個(gè)一，你給我輸0，有基數(shù)的0你有輸出一個(gè)基數(shù)的1，那你說太容易我坐下來我花半個(gè)小時(shí)給你設(shè)計(jì)出來的神經(jīng)網(wǎng)絡(luò)，的確可以設(shè)計(jì)出來非常規(guī)整的神經(jīng)網(wǎng)絡(luò)，來判斷你給我多少個(gè)輸出，因?yàn)檩斎胧嵌M(jìn)制位，輸出也是二進(jìn)位。但是我做研究，可以把簡(jiǎn)單的事情做復(fù)雜。假定我沒有上過學(xué)，也沒有學(xué)習(xí)過基偶性概念，我能不能納一個(gè)演化的過程去發(fā)現(xiàn)，有沒有什么樣的人工神經(jīng)網(wǎng)絡(luò)，也能完成這基偶性判斷的功能，所以說我可以找一個(gè)很簡(jiǎn)單的演化過程。人工生成的網(wǎng)絡(luò)你就可以不能不能隨機(jī)生成，哪個(gè)神經(jīng)元跟一個(gè)有連接，就是神經(jīng)元的連接也是全部。那不管怎么樣，隨機(jī)生成的里面，相對(duì)來說有的次數(shù)多一些，有的對(duì)次數(shù)少一些，所以我有一個(gè)適應(yīng)度選擇的過程，所以你們看起來右邊是一個(gè)選擇的過程，所以這過程有一點(diǎn)像演化過程中的適者生存，雖然我們也也不知道哪一個(gè)完美的答案，我總能知道哪一個(gè)答案比另外一個(gè)答案稍微好一點(diǎn)。一旦有這選擇過程，我就把稍微好一點(diǎn)選出來，在這神經(jīng)網(wǎng)絡(luò)上做一點(diǎn)小小隨機(jī)的改動(dòng)，也不是絕對(duì)性的改動(dòng)，所以就產(chǎn)生了所謂下一代。我就不斷重復(fù)這過程，這過程就有一點(diǎn)像適者生存的過程。

我賺上幾百帶、幾千帶以后，我就看隨機(jī)初始化出來的神經(jīng)網(wǎng)這最后什么樣，這神經(jīng)網(wǎng)就是基偶性的判斷。所以這一個(gè)例子，就是我人工神經(jīng)網(wǎng)絡(luò)，我有9個(gè)輸入，每一個(gè)輸入就是二進(jìn)制的BT，這只能0和D，我輸出就是9個(gè)究竟有幾個(gè)基數(shù)的1還是偶數(shù)的1。

看圖給大家一個(gè)解釋，第一個(gè)實(shí)際上做過人工神經(jīng)網(wǎng)絡(luò)的老師或者是學(xué)生就發(fā)現(xiàn)，我設(shè)計(jì)出來的這么一個(gè)圖，這個(gè)人工神經(jīng)網(wǎng)絡(luò)對(duì)判斷9個(gè)輸入的基偶性神經(jīng)網(wǎng)絡(luò)，就是當(dāng)時(shí)所有基偶性的網(wǎng)絡(luò)，就是小的神經(jīng)元個(gè)數(shù)最小。就是第一個(gè)觀察到，我通過演化發(fā)現(xiàn)出來一個(gè)神經(jīng)網(wǎng)絡(luò)，發(fā)現(xiàn)的特別緊湊，跟人工設(shè)計(jì)的不一樣，理論設(shè)計(jì)不出來這個(gè)，我現(xiàn)在跟很多感興趣的學(xué)生或者老師說，你可以試試看，我給你9個(gè)輸入的BSERVATIONS。

第二個(gè)就是你發(fā)現(xiàn)通過演化的過程，搜索出來的人工神經(jīng)網(wǎng)絡(luò)，跟你手工設(shè)計(jì)出來來說，它的乘數(shù)相對(duì)來說會(huì)比較多一點(diǎn)。這個(gè)乘數(shù)怎么看呢？你看結(jié)點(diǎn)10和11之間兩點(diǎn)之間沒有連線，所以你說10和11是在一層當(dāng)中，但是11和12，12和13中間都有一線，所以從層數(shù)來說，我有一層輸入層1到9，第二層引接點(diǎn)就是10和11。第三層就是12，第四層就是13，又多加了一個(gè)層，所以層數(shù)總歸有四層。人工設(shè)計(jì)基偶，從來不會(huì)設(shè)計(jì)個(gè)基偶性的網(wǎng)絡(luò)，所以這是觀察到的一個(gè)現(xiàn)象。

第三個(gè)就是人工設(shè)計(jì)出來的網(wǎng)絡(luò)，輸入的九位里面你只要變了一位，從0變到1你的輸出一定要變。我們知道的基偶性。但是通過演化這么發(fā)現(xiàn)出來的神經(jīng)網(wǎng)絡(luò)，看上去沒有什么規(guī)律的。如果說我做同樣的一個(gè)實(shí)驗(yàn)，不是做9位，我做一個(gè)8位跟9位沒有什么規(guī)整性和推廣性來說，所以這是非常有趣的現(xiàn)象。為什么？你發(fā)現(xiàn)你把演化過程考慮出來，你出來所謂的產(chǎn)品，跟你想想出來要設(shè)計(jì)出來的產(chǎn)品不是太一樣的事情。

不太是一樣里面呢？有很多更進(jìn)一步的問題可以問，從研究來說，我就講了最后一點(diǎn)。最后一點(diǎn)就是講對(duì)腦感興趣的人總是知道，大腦是分區(qū)，大腦分區(qū)它有一定模塊化的結(jié)構(gòu)，好像最簡(jiǎn)單有一個(gè)左腦、右腦之分，做視覺的話，說我整個(gè)區(qū)域里面分了六大區(qū)，昨天還聽報(bào)告數(shù)據(jù)上分的更細(xì)，整個(gè)大腦兩百多個(gè)區(qū)。但是你看這結(jié)構(gòu)你是分不出什么結(jié)構(gòu)的。沒有所謂的模塊化結(jié)構(gòu)在里面，但是我們從做生物界的角度，觀察到大腦里面的確有模塊在里面，為什么有這差距呢？這差距就引出來一個(gè)很有趣的觀察，這觀察實(shí)際上不見得都是神經(jīng)網(wǎng)絡(luò)里面，在人工智能稍微大一點(diǎn)也是這個(gè)樣子。就大家無論是看科學(xué)文章，或者從媒體里面聽一些報(bào)道，所謂比較成功，人工智能的系統(tǒng)總是針對(duì)一個(gè)很具體的問題來求解。好像我用一些深度網(wǎng)絡(luò)，做了一個(gè)圖像識(shí)別的系統(tǒng)，我可以把這個(gè)圖像識(shí)別系統(tǒng)做的非常精致，做的比任何一個(gè)團(tuán)隊(duì)都強(qiáng)。

過兩天我?guī)б粋€(gè)團(tuán)隊(duì)一大堆GPU，也可以做的非常極致，比誰都好。但是你想一想，在你左右四周這些人里面。有哪一個(gè)人他活著這一輩子就做了這一件事。你每天你要吃飯、要穿衣、要講話，而且講話是跟不同德人講話，還得做思考做學(xué)術(shù)研究。所以實(shí)際當(dāng)中的生物網(wǎng)絡(luò)永遠(yuǎn)是做非常多的不同的事情。而且是用一個(gè)系統(tǒng)做不同的事情。而現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)都是一個(gè)系統(tǒng)做一個(gè)事情。那這有關(guān)系嗎？沒有關(guān)系吧。你把這東西加到一塊不就行了嗎？所以說我們?cè)诳吹诙€(gè)例子。

我現(xiàn)在假如做一點(diǎn)小小的人工實(shí)驗(yàn)，這一個(gè)神經(jīng)網(wǎng)絡(luò)完成不同的問題，我看神經(jīng)網(wǎng)絡(luò)它的結(jié)構(gòu)是個(gè)什么樣子的？做對(duì)比實(shí)驗(yàn)的時(shí)候，我做同樣的一個(gè)神經(jīng)網(wǎng)絡(luò)每一次只讓它做一件事情，它這出來結(jié)果又是什么東西有沒有區(qū)別。所以說這是我想強(qiáng)調(diào)問題對(duì)人工智能系統(tǒng)或者說神經(jīng)網(wǎng)絡(luò)系統(tǒng)的重要性。

這里就稍微復(fù)雜的一點(diǎn)，但是我就把它總結(jié)了一下，總結(jié)了一下就是說，我做對(duì)比實(shí)驗(yàn)的時(shí)候，我主要看什么呢？主要看生物界的神經(jīng)網(wǎng)絡(luò)里面這模塊化的特性。我前面做了一個(gè)小實(shí)驗(yàn)，做了基偶性的神經(jīng)網(wǎng)絡(luò)，演化出來的結(jié)構(gòu)，這結(jié)構(gòu)說的沒有什么模塊性，假如說從生物界來說一點(diǎn)都不規(guī)則，現(xiàn)在往前進(jìn)一步，我同樣一個(gè)神經(jīng)網(wǎng)絡(luò)，我讓它做多種不同的事情，把這演化出來的神經(jīng)網(wǎng)絡(luò)，只跟另外一個(gè)只做一個(gè)事情的神經(jīng)網(wǎng)絡(luò)做比較。

做出來的結(jié)果，實(shí)際上我就總結(jié)了一下。總結(jié)的時(shí)候就是說你可以對(duì)比這兩個(gè)神經(jīng)網(wǎng)絡(luò)的模塊化的程度。你就發(fā)現(xiàn)隨著你哪一個(gè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)做多個(gè)工作，這工作數(shù)的增加，它最后出來神經(jīng)網(wǎng)絡(luò)的模塊性也跟著增加。你只讓一個(gè)神經(jīng)網(wǎng)絡(luò)完成一個(gè)工作的話，它是沒有模塊性的。你不論是生物界怎么樣你應(yīng)該有模塊性，但是你任務(wù)的原因沒有模塊性。

所以我這里講的第二個(gè)問題什么東西呢？就是說在所謂的內(nèi)腦計(jì)算，就是或者更廣一點(diǎn)就是人工智能系統(tǒng)的時(shí)候，一定要說清楚，我要這人工智能系統(tǒng)做什么事情？假定我說我就要開發(fā)一個(gè)人工智能系統(tǒng)，而不是說人工智能系統(tǒng)要做什么的話？我覺得我會(huì)被這結(jié)論誤導(dǎo)，為什么人工智能的能力和它的結(jié)構(gòu)，跟你想讓它做什么事情，做不同的事情它的關(guān)系太大了。所以說環(huán)境對(duì)系統(tǒng)的影響非常大。這是講的第二個(gè)問題。

第三個(gè)問題呢，實(shí)際上跟第一個(gè)問題來源非常類似，都是觀察一些生物界的一些非常非常普通的現(xiàn)象得來的。得來什么東西呢就是講的第一個(gè)，大家對(duì)大腦總是特別感興趣。一想這大腦聰明啊，但是大家有多少想過，所謂的大腦都是有個(gè)身體的。你在生物界里面有沒有看過只有大腦沒有身體的東西，沒有啊。世界上所有生物界的大腦都是再一個(gè)身體里面。但是真正研究腦科學(xué)或者說是做什么內(nèi)腦計(jì)算、人工職能系統(tǒng)的有幾個(gè)是在研究身體的？你說身體什么關(guān)系，你說一個(gè)手、一個(gè)腳，跟我研究大腦。但是人們總是想，所有的人腦都是嵌到身體當(dāng)中，那這身體的形狀它的行為對(duì)大腦會(huì)不會(huì)影響，實(shí)際上就是想問這問題。生物界有非常多人在研究，但是計(jì)算機(jī)界、人工界幾乎沒有人對(duì)這問題感興趣。而這東西雖然現(xiàn)在沒有答案。但是咱們可以做一點(diǎn)探索，做一點(diǎn)人工的實(shí)驗(yàn)探索。

做探索的時(shí)候，也是用一個(gè)人工的例子，例子就是想，我現(xiàn)在可以做一些人文的生物，就不是真的生物，我來研究一下生物的體態(tài)和形狀，跟我生物的神經(jīng)元和神經(jīng)網(wǎng)絡(luò)，它之間是什么關(guān)系。這里我是用的一個(gè)比較簡(jiǎn)單的例子。這例子就是造出來有點(diǎn)像水里面的線蟲，這不是真正的動(dòng)物，實(shí)際上人工造出來的東西。那個(gè)線蟲有一節(jié)一節(jié)，有點(diǎn)像仿造生物界的線蟲。它有一個(gè)頭有個(gè)尾，多少節(jié)拼起來，每一節(jié)它有個(gè)形狀，產(chǎn)生每一節(jié)有一個(gè)神經(jīng)網(wǎng)絡(luò)來控制它的運(yùn)動(dòng)。神經(jīng)網(wǎng)絡(luò)怎么控制呢？實(shí)際上就假定，每一節(jié)它都有一個(gè)比較規(guī)整的神經(jīng)網(wǎng)絡(luò)。神經(jīng)元這每一個(gè)圈在我身體什么位置，這是不確定的。就是說我現(xiàn)在雖然說是有4×5、20個(gè)神經(jīng)元，20個(gè)我做實(shí)驗(yàn)的時(shí)候把它定下來，但是20個(gè)神經(jīng)元擺身體什么地方，這是不確定性，那你不確定以后該怎么辦？我還是通過演化的方法，演化方法自動(dòng)去發(fā)現(xiàn)，我在某種任務(wù)上，我這神經(jīng)元應(yīng)該放在什么地方。那你說應(yīng)該有哪些任務(wù)呢？實(shí)際上你看這下半部分，是我做實(shí)驗(yàn)中三種任務(wù)非常簡(jiǎn)單。

我前面說一個(gè)線蟲，實(shí)際上一個(gè)圓桶體，具體的位置是通過演化的方法去確定，我想讓線蟲干什么呢？就是游泳。就是說我從A點(diǎn)到B點(diǎn)，我希望線蟲往前直線游，你游的時(shí)間越短，我表示你這性能越好，這是很簡(jiǎn)單的，這是我的目標(biāo)。 怎么做呢？就是通過演化的方法，看看能不能發(fā)現(xiàn)我什么樣的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在這一條線的圓桶體態(tài)下使得A到B游的最快。

第二個(gè)工作稍微復(fù)雜一點(diǎn)，我讓這線蟲不斷的直線游我還希望它既能左拐還是右拐。第三種情況跟第一種有點(diǎn)類似，也是希望直線往前走，但是我希望這線蟲體態(tài)改變了，原來不是一條直線我把它扭彎，就好像人因?yàn)榉N種原因，這個(gè)腳稍微有點(diǎn)短了，一個(gè)是往右斜往左斜，但是我還得說你得往前游，你不能往邊上走，我就想知道這三種情況，我通過演化的情況下不能限制，它最后出來的神經(jīng)結(jié)構(gòu)是什么樣子？這結(jié)果跟我們想象不太一樣，第一種情況下直線往前走一根線的時(shí)候，你能看出來這演化的過程，這左上角這圖，這紅點(diǎn)和黃點(diǎn)表示我這神經(jīng)元在圓桶上分布的位置，這是隨機(jī)的位置。然后隨機(jī)的位置從左到右，從上到下，你看到我每一個(gè)圖右上角有一個(gè)數(shù)，好像0、10、30，演化過程演化多少代，第0代、30代、200代，一直到1190代的時(shí)候，這右下角的神經(jīng)網(wǎng)絡(luò)，它有非常好的對(duì)稱性。這對(duì)稱性不是人加進(jìn)去，是演化的方法自己發(fā)現(xiàn)出來，那你說這怎么解釋，實(shí)際上解釋很簡(jiǎn)單，我現(xiàn)在有一根線蟲，我讓它直線的A到B游，就跟平常的線蟲一樣的，所以說你一定有對(duì)稱性游的最快。

剛才講的第二個(gè)任務(wù)是說，我現(xiàn)在不但是線蟲往前游，還希望它能往左拐往右拐。我把這個(gè)條件加進(jìn)去，它對(duì)神經(jīng)網(wǎng)絡(luò)演化出來的結(jié)果又什么影響？這圖上的影響就看的不是太清楚。就畫了這么一個(gè)所謂的性能圖，這怎么看呢？這橫軸表示我演化的時(shí)間，所以說是從零往右走的話，就是代數(shù)的增加。縱軸你看出來所謂的對(duì)稱性。這對(duì)稱性是數(shù)值越小，表示我這對(duì)稱性越高。所以這有兩根線，一根是紅線，一根是白線。紅線是表示我做第一個(gè)實(shí)驗(yàn)的時(shí)候，我出來演化過的神經(jīng)網(wǎng)絡(luò)，它的對(duì)稱性是一根紅線。這黑線在下面表示我讓同樣一根線蟲，完成雙向不同任務(wù)時(shí)候，它的對(duì)稱性，你就發(fā)現(xiàn)我讓這線蟲不但是往前走，又要往左走和右走的時(shí)候，它的對(duì)稱性就更低，因?yàn)檫@數(shù)值越小它的對(duì)稱性就越強(qiáng)。這就跟我第二個(gè)問題的模塊化有異曲同工的效果在里面。

第三個(gè)實(shí)驗(yàn)，是一個(gè)從我個(gè)人來說最有趣的實(shí)驗(yàn)，這個(gè)線蟲不是一根線是彎曲的一根線，你讓它往前走，你可以想象這線蟲怎么往前走，假如說往這方向彎的話，它要直走的話，一定是這樣彈簧一樣往前走，所以說神經(jīng)網(wǎng)絡(luò)分布，它不可能是這真正的均勻兩邊分布，這么彎的話就是往邊走上過去，所以這演化的過程，就有一點(diǎn)魔力，就發(fā)現(xiàn)了根據(jù)你身體形成往左彎還是右彎，它出來兩個(gè)非常不一樣神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。這個(gè)不是靠人加進(jìn)去，完完全全通過演化的方法發(fā)現(xiàn)的。它的影響力什么？影響力就是給它的任務(wù)不一樣，然后把整個(gè)身體形狀做了一定的限制。

那你說我說的這些主要的信息想說什么呢？主要的信息還是想說，在研究人工智能系統(tǒng)的時(shí)候，一定要跟你要人工智能系統(tǒng)完成什么樣的工作，這二者是緊密相關(guān)。同樣對(duì)神經(jīng)網(wǎng)絡(luò)來說，你神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)什么樣比較合適？跟你將來做什么工作有關(guān)系，而且跟做的多少樣工作也非常有關(guān)系。

最后我就是做一個(gè)小小的總結(jié)。總結(jié)的第一點(diǎn)就是想說，所有的生物界大腦都是演化過來的，所以在腦計(jì)算研究的過程中，是不是應(yīng)該適當(dāng)?shù)目紤]演化的過程，而不是考慮怎么樣人的智慧來設(shè)計(jì)一個(gè)腦。這二者應(yīng)該是有相互互補(bǔ)的作用。

第二個(gè)所有的生物界的大腦它完成的功能都是動(dòng)態(tài)的環(huán)境中完成，不是一個(gè)靜態(tài)、離散的單個(gè)。而現(xiàn)在考慮所謂的智能系統(tǒng)無論是用神經(jīng)網(wǎng)絡(luò)，或者不用神經(jīng)網(wǎng)絡(luò)來說，還都把某一個(gè)任務(wù)分離出來，作為單個(gè)靜態(tài)離散的問題，這樣子對(duì)真正的研究方向和研究的系統(tǒng)是有一定影響的。

第三個(gè)也是一個(gè)非常重要的問題，可能也是一個(gè)被忽略的比較多的問題。研究智能系統(tǒng)的時(shí)候，一定要跟它的體型有關(guān)系。這個(gè)體型生物界當(dāng)然是身體，但是在實(shí)際的生活中可以跟你真正的硬件條件有關(guān)系，而這二者看似不重要，實(shí)際上二者有相當(dāng)大緊密相合的關(guān)系，實(shí)質(zhì)把它分開以后，系統(tǒng)的結(jié)構(gòu)和行為非常不一樣。

我就講這么多，提這三個(gè)問題，有不對(duì)的地方，請(qǐng)大家多批評(píng)。

?

??

原文發(fā)布時(shí)間為：2016年7月6日

本文來自云棲社區(qū)合作伙伴至頂網(wǎng)，了解相關(guān)信息可以關(guān)注至頂網(wǎng)

總結(jié)

以上是生活随笔為你收集整理的英国伯明翰大学首席教授姚新：人工智能研究应从三个问题重新考虑的全部?jī)?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。