Neil Zhu戈次，簡(jiǎn)書ID Not_GOD，University AI 創(chuàng)始人 & Chief Scientist筒扒，致力于推進(jìn)世界人工智能化進(jìn)程怯邪。制定并實(shí)施 UAI 中長(zhǎng)期增長(zhǎng)戰(zhàn)略和目標(biāo)，帶領(lǐng)團(tuán)隊(duì)快速成長(zhǎng)為人工智能領(lǐng)域最專業(yè)的力量花墩。
作為行業(yè)領(lǐng)導(dǎo)者悬秉，他和UAI一起在2014年創(chuàng)建了TASA（中國(guó)最早的人工智能社團(tuán)）, DL Center（深度學(xué)習(xí)知識(shí)中心全球價(jià)值網(wǎng)絡(luò)），AI growth（行業(yè)智庫(kù)培訓(xùn)）等冰蘑，為中國(guó)的人工智能人才建設(shè)輸送了大量的血液和養(yǎng)分和泌。此外，他還參與或者舉辦過(guò)各類國(guó)際性的人工智能峰會(huì)和活動(dòng)祠肥，產(chǎn)生了巨大的影響力允跑，書寫了60萬(wàn)字的人工智能精品技術(shù)內(nèi)容，生產(chǎn)翻譯了全球第一本深度學(xué)習(xí)入門書《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》，生產(chǎn)的內(nèi)容被大量的專業(yè)垂直公眾號(hào)和媒體轉(zhuǎn)載與連載聋丝。曾經(jīng)受邀為國(guó)內(nèi)頂尖大學(xué)制定人工智能學(xué)習(xí)規(guī)劃和教授人工智能前沿課程索烹，均受學(xué)生和老師好評(píng)。

本書中弱睦，我們聚焦在神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)細(xì)節(jié)上：神經(jīng)網(wǎng)絡(luò)工作的機(jī)制以及如何用來(lái)解決模式識(shí)別問(wèn)題百姓。這是有著直接實(shí)際應(yīng)用的部分。不過(guò)况木，我們對(duì)其感興趣的一個(gè)原因當(dāng)然是希望有一天垒拢，神經(jīng)網(wǎng)絡(luò)可以超越這些基礎(chǔ)的模式識(shí)別問(wèn)題』鹁可能神經(jīng)網(wǎng)絡(luò)或者其他基于數(shù)字計(jì)算機(jī)的觀點(diǎn)求类，最終可以被用來(lái)構(gòu)建可以媲美甚至超越人類智慧的思維機(jī)器？這個(gè)問(wèn)題已經(jīng)遠(yuǎn)遠(yuǎn)超出了本書要討論的內(nèi)容——或者說(shuō)世界上其他任何人所知曉的認(rèn)知屹耐。但是猜測(cè)一下也是很有意思的尸疆。

其實(shí)已經(jīng)有了很多關(guān)于計(jì)算機(jī)最終是否能達(dá)到人類智慧的程度的爭(zhēng)論。我并不想?yún)⑴c其中惶岭。相比現(xiàn)在的爭(zhēng)論寿弱，我相信智能計(jì)算機(jī)是可能的 —— 盡管它可能極其復(fù)雜，也許遠(yuǎn)遠(yuǎn)超過(guò)當(dāng)前的技術(shù)—— 現(xiàn)在的反對(duì)者將來(lái)會(huì)如同活力論者那樣按灶。

指關(guān)于生命本質(zhì)的一種唯心主義學(xué)說(shuō)症革。又名生機(jī)論或生命力論。生物體與非生物體的區(qū)別就在于生物體內(nèi)有一種特殊的生命“活力”鸯旁，它控制和規(guī)定著生物的全部生命活動(dòng)和特性噪矛，而不受自然規(guī)律的支配。它主張有某種特殊的非物質(zhì)的因素支配生物體的活動(dòng)铺罢。

而且艇挨，這里我們要討論的問(wèn)題是，存不存在一個(gè)簡(jiǎn)單的原則集合可以用來(lái)解釋智能畏铆？特別且具體地說(shuō)雷袋，是否存在一個(gè)簡(jiǎn)單的算法來(lái)產(chǎn)生智能吉殃？

智能是通過(guò)一個(gè)相當(dāng)簡(jiǎn)單的算法得到是個(gè)非常大膽的想法辞居。可能這看起來(lái)太過(guò)樂(lè)觀了蛋勺。很多人有一種直覺(jué)瓦灶，認(rèn)為智能需要有相當(dāng)難以規(guī)約的復(fù)雜性。他們被人類思維的令人驚奇的差異性和靈活性所震驚抱完，所以認(rèn)定有一個(gè)簡(jiǎn)單的算法來(lái)產(chǎn)生智能是不可能的贼陶。盡管有著這樣的直覺(jué)認(rèn)知，我也不覺(jué)得急于下結(jié)論是明智的選擇〉镎科學(xué)史充滿了眾多由某些簡(jiǎn)單卻強(qiáng)大的想法來(lái)取代開始時(shí)過(guò)分復(fù)雜的規(guī)律來(lái)解釋一些現(xiàn)象的例子烘贴。

例如，早期的天文學(xué)中撮胧，人類從遠(yuǎn)古時(shí)代就已經(jīng)知道了天空中的星體對(duì)象：太陽(yáng)桨踪、月亮、行星芹啥、彗星和恒星锻离。這些天體按照不同的方式運(yùn)動(dòng)——恒星依照緩慢規(guī)則的方式在天空運(yùn)轉(zhuǎn)，而彗星則是拖著尾巴劃過(guò)天空然后消失得無(wú)影無(wú)蹤墓怀。在 16 世紀(jì)汽纠，樂(lè)觀的傻子才能夠想象出所有這些天體的行動(dòng)都可以用一個(gè)簡(jiǎn)單的原理集合來(lái)解釋。但是在 17 世紀(jì)傀履，牛頓給出了普遍的重力理論虱朵，不僅僅解釋了所有這些運(yùn)轉(zhuǎn)的原理，同時(shí)還解釋了地球上的漲潮和彈起行為啤呼。16 世紀(jì)愚蠢的樂(lè)觀主義者們事后看起來(lái)就如悲觀主義者卧秘，要求太少了。

當(dāng)然科學(xué)包含很多這樣的例子官扣。想想神秘的構(gòu)成整個(gè)世界的化學(xué)物質(zhì)翅敌，通過(guò)門捷列夫的元素周期表得到了優(yōu)美地解釋，而這個(gè)規(guī)律又通過(guò)更簡(jiǎn)單的源自量子力學(xué)中的規(guī)則得到解釋惕蹄。又如在生物世界中太多的復(fù)雜性和多樣性產(chǎn)生了諸多困擾蚯涮，最終發(fā)現(xiàn)產(chǎn)生困擾的原因就是一個(gè)進(jìn)化的自然選擇規(guī)律。所有這些例子都表明如果僅僅由于我們的大腦——目前來(lái)說(shuō)大腦是智能最好的體現(xiàn)——表現(xiàn)出復(fù)雜的功能就不采用一個(gè)簡(jiǎn)單的關(guān)于智能的解釋卖陵，這其實(shí)是一個(gè)不明智的選擇遭顶。在這個(gè)附錄中，我假想擁有智能的計(jì)算機(jī)的能力必須匹配或者超過(guò)人類思考的能力泪蔫。所以棒旗，我會(huì)將“是否存在一個(gè)智能的簡(jiǎn)單算法？”等價(jià)為“是否存在一個(gè)簡(jiǎn)單算法撩荣，它可以遵循人類大腦的途徑去進(jìn)行‘思考’铣揉？”。然而餐曹，值得注意的是逛拱，其實(shí)也可能存在不可以歸入人類思維的智能形式，但這些智能會(huì)在從一些有趣的方面超過(guò)人類思維台猴。

相反朽合，盡管有這些樂(lè)觀的例子俱两，智能只能由大量基本的分隔開的機(jī)制解釋在邏輯上也很可能。比如人類的大腦曹步，這些大量的機(jī)制可能是在我們物種進(jìn)化史過(guò)程中對(duì)大量不同的選擇壓力反應(yīng)的進(jìn)化結(jié)果宪彩。如果這個(gè)觀點(diǎn)是正確的，那么智能實(shí)際上就應(yīng)該包含相當(dāng)多的不可規(guī)約的復(fù)雜性讲婚，也不存在關(guān)于智能的簡(jiǎn)單算法毯焕。

這兩種觀點(diǎn)哪種正確？

為了深入探討這個(gè)問(wèn)題磺樱，我們?cè)賳?wèn)一個(gè)密切相關(guān)的問(wèn)題纳猫，是否存在關(guān)于人類大腦工作機(jī)制的簡(jiǎn)單解釋。特別地竹捉，讓我們看一下量化人腦復(fù)雜性的方式芜辕。第一個(gè)觀點(diǎn)是連接組學(xué) 。這套理論關(guān)于原始的連接：大腦中有多少個(gè)神經(jīng)元块差，多少神經(jīng)膠質(zhì)細(xì)胞侵续，神經(jīng)元之間多少連接。你之前可能聽過(guò)這些數(shù)字——大腦包含1000億量級(jí)的神經(jīng)元憨闰，1000 億量級(jí)的膠質(zhì)細(xì)胞状蜗，100 萬(wàn)億量級(jí)的連接。這些數(shù)字都是令人震驚的天文數(shù)字鹉动。如果我們需要理解所有這些連接的細(xì)節(jié)（忽略神經(jīng)元和膠質(zhì)細(xì)胞）來(lái)理解大腦工作的機(jī)制轧坎，那么我們肯定就得不到智能的一個(gè)簡(jiǎn)單算法。第二個(gè)更加樂(lè)觀的觀點(diǎn)來(lái)自分子生物學(xué)中大腦的理解泽示。其想法是關(guān)于需要多少基因信息來(lái)描述大腦的架構(gòu)缸血。為了處理這個(gè)問(wèn)題，我們從考慮人類和大猩猩的基因差異開始⌒瞪福現(xiàn)在我們可能已經(jīng)聽到諸如“人類是 98% 的大猩猩”這樣的話語(yǔ)捎泻。這種說(shuō)法其實(shí)非常雜亂——有些人說(shuō)是 95% 或者 99%。出現(xiàn)這樣的變體是因?yàn)橥ㄟ^(guò)比較人類和大猩猩基因的樣本而非整體的基因的估計(jì)結(jié)果埋哟。然而在 2007 年整個(gè)大猩猩的基因被序列化(或者參考 這里)笆豁，我們現(xiàn)在知道人類和大猩猩的 DNA 有 1.25 億個(gè)不同的 DNA 基對(duì)。而總共的基對(duì)大概是 30 億個(gè)赤赊。所以說(shuō)人類是 96% 的大猩猩更加合適一些——1.25 億/30億 近似于 0.04166666666闯狱。

在那 1.25 億的不同的基對(duì)中究竟有多少信息？每個(gè)基對(duì)可以通過(guò) 4 個(gè)可能進(jìn)行標(biāo)記——基因代碼（A adenine, C cytosine, G guanine, 和 T thymine）砍鸠。所以每個(gè)基對(duì)可以使用兩個(gè)比特的信息進(jìn)行描述——2 的平方為 4）所以 1.25 億的基對(duì)就相當(dāng)于有 2.5 億比特的信息扩氢。這就是人類和大猩猩的基因差異耕驰！

當(dāng)然爷辱，這 2.5 億比特表示了人類和大猩猩之間所有基因差異。我們僅僅對(duì)那些有關(guān)大腦的部分感興趣。不幸的是饭弓，沒(méi)有人知道哪一部分的基因差異是用來(lái)解釋大腦部分的双饥。但是我們先假設(shè)一下，有一半的比特對(duì)大腦負(fù)責(zé)弟断。也就是總共是 1.25 億個(gè)比特咏花。

1.25 億比特是非常大的數(shù)字。讓我們看看用更加人類友好的方式感受一下這個(gè)數(shù)字的大小阀趴。比方說(shuō)昏翰，看看有多少等量的英文文本的大小。根據(jù)這篇 刘急，英文文本的信息內(nèi)容是一個(gè)字母一個(gè)比特棚菊。看起來(lái)很少——英文字母表有 26 個(gè)字母——但是在英文文本中有相當(dāng)大量的冗余叔汁。當(dāng)然统求，你可以爭(zhēng)論我們的基因數(shù)據(jù)也是冗余的，所以兩個(gè)基對(duì)的假設(shè)也是高估的据块。但是我們這里忽略這些信息码邻，因?yàn)樽畈钋闆r是我們高估了人腦的基因復(fù)雜性。所以有了這些假設(shè)另假，我們看到在人腦和大猩猩腦的基因差異等價(jià)于 1.25 億的字母像屋，或者 2500 萬(wàn)的英文字母。這是 King James 圣經(jīng)的 30 倍大小边篮。

這是很大量的信息开睡。但是并不是超越理解的大。還是在人類的理解范圍內(nèi)的苟耻∑悖可能沒(méi)有一個(gè)單個(gè)人能理解所有的代碼，但是一群人通過(guò)合理的分工是能夠集體性地掌握了這些內(nèi)容凶杖。盡管這是很大量的信息胁艰，這和需要描述1000 億神經(jīng)元、1000億膠質(zhì)細(xì)胞和 100 萬(wàn)億的連接相比只是很小一部分智蝠。即使我們使用一個(gè)簡(jiǎn)單粗略的描述——比如說(shuō)腾么，10 浮點(diǎn)數(shù)來(lái)刻畫每個(gè)連接——這就需要大概 70 X 10¹⁵的比特。這意味著基因描述相較于人腦內(nèi)連接數(shù)的原始描述降低了十億倍的復(fù)雜性杈湾。

我們從上面的例子中學(xué)到的就是基因不可能包含一種關(guān)于神經(jīng)連接的細(xì)節(jié)的描述解虱。而是，必須制定一個(gè)有關(guān)人腦的寬泛的架構(gòu)和基本原理漆撞。但是這個(gè)架構(gòu)和原理看起來(lái)足夠有能力知道我們?nèi)祟惓砷L(zhǎng)出現(xiàn)智能殴泰。當(dāng)然于宙，存在一些警示——兒童的成長(zhǎng)需要健康、啟發(fā)性的環(huán)境和良好的營(yíng)養(yǎng)才能達(dá)到智能的潛力發(fā)展悍汛。但是假設(shè)我們是成長(zhǎng)于一個(gè)合理的環(huán)境中捞魁，健康的人類將有非凡的智能。某種意義上离咐，在我們基因中的信息包含了如何思考的本質(zhì)需求谱俭。另外，這些包含在基因信息中的原理看起來(lái)可以內(nèi)化在人類的可以進(jìn)行集體掌握知識(shí)的能力中的宵蛀。

所有上面的數(shù)字都只是相當(dāng)粗略的估計(jì)昆著。很可能1.25億比特是高估了的，也可能某些更加緊致的核心原理集合存在于人類思維之中术陶⌒ǎ可能大多數(shù)的比特僅僅是相對(duì)微小細(xì)節(jié)的微調(diào)⊥穑或者可能我們計(jì)算這些數(shù)字的時(shí)候過(guò)度保守征候。顯然，如果這樣子是正確的祟敛，一切很好疤坝！對(duì)我們現(xiàn)在的目的，關(guān)鍵是：大腦的架構(gòu)是復(fù)雜的馆铁，但是比你基于大腦的連接去考慮問(wèn)題還是簡(jiǎn)單很多跑揉。從分子生物學(xué)角度看大腦說(shuō)明我們?nèi)祟惪梢栽谀程炖斫獯竽X內(nèi)部的工作原理。

在上面的篇章里埠巨，我已經(jīng)忽略了 1.25 億比特僅僅量化了人類和大猩猩大腦基因差異历谍。但并不是說(shuō)我們大腦的功能僅僅取決于這 1.25 億比特。大猩猩在它們自身角度卻也是非凡的思考者辣垒⊥蓿可能對(duì)智能的關(guān)鍵是那些大猩猩和人類在精神能力（和基因）上共同的部分。如果這個(gè)觀點(diǎn)正確勋桶，人類大腦可能就是大猩猩大腦的微小的升級(jí)脱衙，至少是從內(nèi)部構(gòu)造的復(fù)雜性上的升級(jí)。盡管傳統(tǒng)的人類沙文主義在人類獨(dú)特性上的觀點(diǎn)這是難以置信的：大猩猩和人類的基因在五百萬(wàn)年前分化例驹，這在進(jìn)化的時(shí)間軸上就是很小的一段捐韩。但是，從一個(gè)更加有說(shuō)服力的觀點(diǎn)鹃锈，我很同情人類沙文主義者：我的猜測(cè)是關(guān)于人類思維最有趣的原理存在在 1.25 億比特上荤胁，而不是我們和大猩猩共同擁有的那部分基因。

采用分子生物學(xué)的大腦的觀點(diǎn)讓我們能夠?qū)?wèn)題降低 9 個(gè)數(shù)量級(jí)的復(fù)雜性屎债。盡管令人振奮仅政，但這也沒(méi)有告訴我們關(guān)于智能簡(jiǎn)單的算法是否可能垢油。我們能夠在復(fù)雜性上進(jìn)一步規(guī)約么？更加準(zhǔn)確地說(shuō)已旧，我們是否能夠回答“簡(jiǎn)單算法是否能夠產(chǎn)生智能”的問(wèn)題？

不幸的是召娜，現(xiàn)在還沒(méi)有足夠強(qiáng)有力的證據(jù)來(lái)確定地解決這個(gè)問(wèn)題运褪。我們下面給出一些已有的證據(jù)，以一種簡(jiǎn)要和不完備的概覽玖瘸，不以深入完整的研究綜述的形式來(lái)講講近期的工作的進(jìn)展秸讹。

在能夠表明可能會(huì)存在一種簡(jiǎn)單的關(guān)于智能的算法的一些證據(jù)中有一個(gè)是在 2000 年 4 月的自然上的實(shí)驗(yàn)報(bào)告。由 Mriganka Sur 領(lǐng)導(dǎo)的科學(xué)家小組“重連”了新生雪貂的大腦雅倒。通常來(lái)自雪貂眼睛的信號(hào)會(huì)被傳遞到腦中稱為視覺(jué)皮層處璃诀。但是對(duì)這些雪貂，科學(xué)家將眼睛獲得的視覺(jué)信號(hào)重新傳遞到聽覺(jué)皮層蔑匣，也就是腦中通常負(fù)責(zé)聽的那個(gè)區(qū)域劣欢。

為了理解當(dāng)他們這么做時(shí)發(fā)生了什么，我們需要知道一點(diǎn)關(guān)于視覺(jué)皮層的知識(shí)裁良。視覺(jué)皮層包含許多方位功能柱orientation columns 這些其實(shí)是神經(jīng)元的小板凿将，每個(gè)對(duì)來(lái)自某個(gè)特定方向的視覺(jué)刺激有響應(yīng)。你可以將防偽功能柱看做是微小的方向檢測(cè)器：當(dāng)某個(gè)人從某個(gè)特定的方向亮起一道光時(shí)价脾，對(duì)應(yīng)的方位功能柱就會(huì)被激活牧抵。如果光線被移走，不同的方位功能柱就會(huì)被激活侨把。視覺(jué)皮層中最為重要的高層結(jié)構(gòu)的一個(gè)重要結(jié)構(gòu)是方位地圖orientation map犀变，它展示了方位功能柱是如何分布的。

科學(xué)家發(fā)現(xiàn)的現(xiàn)象是當(dāng)來(lái)自雪貂眼睛的視覺(jué)信號(hào)重定向傳遞到聽覺(jué)皮層時(shí)秋柄，聽覺(jué)皮層發(fā)生了變化获枝。方位功能柱和一個(gè)方位地圖就開始出現(xiàn)在聽覺(jué)皮層中。這個(gè)方位地圖和正常的視覺(jué)皮層中的方位地圖相比更加無(wú)序骇笔，但毫無(wú)疑問(wèn)是類似的映琳。另外，科學(xué)家進(jìn)行過(guò)一些訓(xùn)練雪貂對(duì)不同方向的光線刺激蜘拉，研究雪貂對(duì)視覺(jué)刺激不同反應(yīng)的工作機(jī)制萨西。這些測(cè)試表明雪貂通過(guò)聽覺(jué)皮層仍舊可以學(xué)會(huì)“看”——至少是以一種初級(jí)的方式在學(xué)習(xí)。

這是相當(dāng)令人吃驚的旭旭。它表明大腦不同部分存在共同的原理去學(xué)習(xí)對(duì)數(shù)據(jù)進(jìn)行反應(yīng)谎脯。這種共性給出了對(duì)存在一個(gè)簡(jiǎn)單的原理產(chǎn)生智能的想法一些支持。但持寄，我們也不能被取得的這點(diǎn)成果就覺(jué)得萬(wàn)事大吉源梭。行為測(cè)試僅僅對(duì)視覺(jué)相當(dāng)粗的方面進(jìn)行了驗(yàn)證娱俺。并且我們也不能去問(wèn)雪貂它們是否“學(xué)會(huì)看見”。所以實(shí)驗(yàn)并沒(méi)有證明重連的聽覺(jué)皮層就給予雪貂精確的視覺(jué)經(jīng)驗(yàn)废麻。所以它們只能是給出了受限制的證據(jù)表明大腦不同部分學(xué)習(xí)的共同原理荠卷。

什么樣才算是智能由一個(gè)簡(jiǎn)單算法產(chǎn)生的證據(jù)？有些證據(jù)源自進(jìn)化心理學(xué)和神經(jīng)解剖學(xué)烛愧。自從 1960 年代進(jìn)化心理學(xué)家已經(jīng)發(fā)現(xiàn)了相當(dāng)廣泛的人類一般性概念油宜，在撫育和所有人類的復(fù)雜行為中共同出現(xiàn)的復(fù)雜行為。這些人類一般概念包含亂倫禁忌怜姿、音樂(lè)和跳舞的使用慎冤，以及非常復(fù)雜的語(yǔ)言結(jié)構(gòu)，如誓詞（i.e. 禁忌詞）沧卢，代詞甚至和動(dòng)詞一樣基礎(chǔ)的結(jié)構(gòu)蚁堤。補(bǔ)充這些結(jié)果，偉大的結(jié)構(gòu)但狭。與這個(gè)結(jié)果相伴的是披诗，從神經(jīng)解剖證據(jù)表明很多人類的行為是通過(guò)大腦中的特定局部力量在進(jìn)行模擬。這些地方看起來(lái)對(duì)所有的人相類似立磁√俪玻總而言之，這些發(fā)現(xiàn)表明很多非常專門的行為其實(shí)很難直接和大腦特定的部分聯(lián)系起來(lái)息罗。

某些人從這些結(jié)果中下結(jié)論：分割的解釋是對(duì)很多大腦功能所必需的掂咒，所以大腦的功能存在著一個(gè)不可化歸的復(fù)雜性，這也讓為大腦運(yùn)作（或者說(shuō)迈喉，智能的簡(jiǎn)單的算法）找出一個(gè)簡(jiǎn)單的解釋不太可能绍刮。例如，著名的人工智能科學(xué)家 Marvin Minsky 就持有這樣的觀點(diǎn)挨摸。在 1970 年代和 1980 年代孩革，Minsky 給出了自己的“思維社會(huì)”理論，基于的觀點(diǎn)就是人類智能是獨(dú)立簡(jiǎn)單的（不過(guò)非常不同的）計(jì)算過(guò)程（他稱之為 agent ）的社會(huì)（society）的結(jié)果得运。在描述這個(gè)理論的書中膝蜈，Minsky 將自己觀察到的東西總結(jié)為這種觀點(diǎn)的能力：

什么神奇的技巧讓我們變得智能？這其實(shí)沒(méi)有技巧熔掺。智能的能力從我們廣泛的多樣性中誕生饱搏，而非從任一簡(jiǎn)單、完美的原理中置逻。

在一個(gè)對(duì)此書書評(píng)的回應(yīng)中推沸，Minsky 詳細(xì)說(shuō)明了自己寫作的動(dòng)機(jī)，他基于神經(jīng)解剖學(xué)和進(jìn)化心理學(xué)給出了一個(gè)類似于上面一段話的觀點(diǎn)：

我們現(xiàn)在知道大腦本身有數(shù)百個(gè)不同的區(qū)域和基底核構(gòu)成，每個(gè)都有相當(dāng)不同的架構(gòu)元素和排列方式鬓催，其中很多是和展現(xiàn)出來(lái)的人類不同的精神活動(dòng)相關(guān)聯(lián)的肺素。知識(shí)的現(xiàn)代構(gòu)造表明很多傳統(tǒng)的通過(guò)常識(shí)（如“智能”或者“理解”這樣的）術(shù)語(yǔ)描述的現(xiàn)象實(shí)際上包含了機(jī)械過(guò)程的復(fù)雜的組合。

Minsky 當(dāng)然不是僅有的一個(gè)持有這樣觀點(diǎn)的科學(xué)家宇驾；我僅僅用他作為一個(gè)使用這樣觀點(diǎn)的代表倍靡。這個(gè)觀點(diǎn)本身也是很有意思的，但是不要太過(guò)相信這些證據(jù)课舍。盡管大腦的確包含了大量不同的區(qū)域塌西，這些區(qū)域有不同的功能，但這也不能夠得出結(jié)論說(shuō)布卡，給大腦功能一個(gè)簡(jiǎn)單的解釋是不可能的雨让。因?yàn)楹芸赡苓@些架構(gòu)的不同其實(shí)有著共同的原理雇盖，實(shí)際上也可以像彗星忿等、行星、太陽(yáng)和恒星的運(yùn)動(dòng)都是遵循著重力一樣崔挖。Minsky 和其他人都不能夠反駁這樣的統(tǒng)一觀點(diǎn)贸街。

我自己的偏好是存在一個(gè)對(duì)于智能的簡(jiǎn)單算法。因?yàn)槲艺J(rèn)為這是一個(gè)樂(lè)觀的想法狸相，所以我比上面的那個(gè)（未下結(jié)論的）觀點(diǎn)更喜歡這個(gè)簡(jiǎn)單算法的想法薛匪。對(duì)于研究，一個(gè)未被驗(yàn)證的樂(lè)觀的觀點(diǎn)比之消極觀點(diǎn)通撑Ь椋可以催生出更多的結(jié)果逸尖，因?yàn)闃?lè)觀主義者有勇氣出發(fā)和嘗試新的事物。這是發(fā)現(xiàn)之路瘸右，即使最終發(fā)現(xiàn)的結(jié)果不是剛開始希望的娇跟。而消極者可能會(huì)在某種狹隘的感覺(jué)下更加“正確”，但是會(huì)發(fā)現(xiàn)較少的結(jié)果太颤。

這種觀點(diǎn)和我們通常評(píng)價(jià)想法的方式形成了鮮明對(duì)比：通過(guò)嘗試弄清楚他們是對(duì)的還是錯(cuò)的苞俘。這是一個(gè)按照細(xì)節(jié)的流程處理日常研究可行的策略。但是這卻會(huì)在評(píng)判一個(gè)宏大龄章、大膽想法上——比如說(shuō)類似于確定整個(gè)研究項(xiàng)目上的想法——的一種錯(cuò)誤的方法吃谣。有時(shí)候，我們只有關(guān)于是否某個(gè)想法正確與否的弱證據(jù)做裙。我們可以拒絕遵循這樣簡(jiǎn)單算法的想法岗憋，去花費(fèi)所有的時(shí)間去調(diào)查已有的證據(jù)，試著去判斷什么是正確的锚贱±酵裕或者我們可以選擇另外的觀點(diǎn)，當(dāng)作現(xiàn)在沒(méi)有人知道惋鸥，然后努力發(fā)展宏大杂穷、大膽的想法悍缠，在認(rèn)識(shí)到我們沒(méi)有成功的保證的前提下，這其實(shí)才是讓理解進(jìn)步的的方式耐量。

總而言之飞蚓，按照其最為樂(lè)觀的形式，我不相信人類找到智能的簡(jiǎn)單算法廊蜒。更加具體地說(shuō)趴拧，我不相信我們會(huì)最終找到一個(gè)相當(dāng)簡(jiǎn)短的 Python（或者 C 或者 Lisp，或者其他什么語(yǔ)言）的程序——假設(shè)有上千行——能夠?qū)崿F(xiàn)人工智能山叮。我也不認(rèn)為我們能夠最終找一可以簡(jiǎn)單描述的神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)人工智能著榴。但是我相信，值得堅(jiān)持我們能夠找到這樣的程序或者網(wǎng)絡(luò)的想法去進(jìn)行探索屁倔。這是獲得洞察力的途徑脑又，通過(guò)推進(jìn)這種發(fā)展，我們可能在某天能夠達(dá)到足夠深的理解锐借，從而可以學(xué)出一個(gè)較長(zhǎng)的代碼或者設(shè)計(jì)出一個(gè)更加精密的網(wǎng)絡(luò)能夠展示智能问麸。所以，認(rèn)為一個(gè)智能的簡(jiǎn)單算法存在非常值得钞翔。

在 1980 年代严卖，杰出的數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家 Jack Schwartz 被邀請(qǐng)參加一個(gè)人工智能倡導(dǎo)者和懷疑者之間的辯論。該辯論場(chǎng)面最后失控布轿，倡導(dǎo)者一直在鼓吹正在發(fā)生的進(jìn)展非常的驚人哮笆，懷疑者們則非常悲觀，認(rèn)為人工智能完全不可能實(shí)現(xiàn)汰扭。Schwartz 保持超然的態(tài)度稠肘，在討論升溫時(shí)保持著安靜。在一個(gè)間息东且，他被問(wèn)起有什么看法启具。Schwartz 說(shuō)道，“好吧珊泳，這些研究發(fā)展中的一部分研究需要有數(shù)百個(gè)諾貝爾獎(jiǎng)作為墊腳石鲁冯。”（參考[這里](http://books.google.ca/books?id=nFvY20pHghAC色查，22 頁(yè))）薯演。這個(gè)觀點(diǎn)我覺(jué)得非常合適。人工智能的關(guān)鍵是簡(jiǎn)單秧了，強(qiáng)大的想法跨扮，我們能夠也必須要樂(lè)觀地去探索這些想法。但是現(xiàn)在需要很多這樣的想法，仍然有很長(zhǎng)的路要走衡创！