126
關於人腦的超級錯誤
人腦的認識自始至終都是一個哲學問題，在沒有搞清楚這個問題之前，我們之前做的任何結論都是無效的，甚至是誤導人類的超級錯誤。
人工智能時代是個重新認識人腦的時代，有些時候我們用人腦去思考人腦，這件事情本身就是一個錯誤的做法。得出的結論也可想而知，而AI的出現或許能夠幫助我們重新認識人腦。
模擬人腦，一直以來都是一些科學家的夢想。隨著人工智能的發展，各大公司也紛紛成立了自己的模擬大腦計劃。最出名的可能就是穀歌大腦和百度大腦，它們大部分的結構是：雲（雲計算）——物理層（大規模集群式芯片）——應用層（來自各行業的數據信息）。
2017年4月份，斯坦福大學和桑迪亞國家實驗室的研究人員們構建除了一種人工突觸，這給科學家們製造出高效而精巧的大腦仿生計算機提供了契機。但是，現實卻是殘酷的，模擬人腦這樣的場景一般都會出現在科幻電影裏麵。
科幻大片《超體》講述了主人公Lucy的大腦利用率由正常的10%擴大到100%後，最終變身為無所不能的“女超人”。影片向我們傳遞了一個觀念，人類隻利用了10%的腦容量。其實，之前就有各種說法，說我們人類的大腦利用效率很低。對於這一說法，很多科學家並不認同，科學作家羅比·博伊德表示：並不是我們隻使用了大腦的10%，而是這個大腦如何運作的不解之謎，我們僅僅解開了10%而已。因為我們隻了解10%，所以我們認為我們隻使用了大腦的10%而已。
我個人非常認同這個觀點，我覺得人類對於大腦的認知水平有限。對於大腦的神秘性，過分誇大了而已。即便是今天的物理學發展的足夠的好，我們也辦法解釋所有的事情。就像經典物理學的局限性，它沒有辦法解釋高速運動的物體的規律。這也再次證實了，科學是永無盡頭的，我們由於缺少基本的科學認知體係，對一些事物的不可解釋性也就變成了可解釋的了。
經典物理學的局限性被相對論和量子力學解決了，那麼說又來解決“相對論”和“量子力學”的局限性？還是說它們本身就沒有局限性？我覺得應該是缺少解決理論，而並非沒有局限性。或許，解決了這個問題後，人類對大腦的運作機製會有一個更清晰的認識。或許，在未來，我們解釋了光速的局限性，製造時間機器也會變成現實。
人類的大腦有幾百億個腦神經細胞，每個神經細胞有幾百條腦神經，每條腦神經有幾百個突觸，每個突觸有幾百到幾千個蛋白質。一個腦細胞的作用相當於一台大型計算機，一個突觸的作用相當於計算機的一個芯片，這樣可以推算出人的大腦相當於上百萬億塊芯片。量變必定導致質變，這可能也是成為大腦大部分機製不可解釋的原因之一。
人腦是一台性能極強的超級計算機，而且功耗極低，即便如此，大腦也是我們身體能量主要的消耗者。此外，憑借連接至記憶區的數十億神經元，人類還能有條不紊的處理信息。這樣的基本結構跟機器有著本質的差異。即便我們在很短的時間裏，思考感覺、處理海量的信息，大腦也不會因此而爆炸，隻是會感覺到些許的疲憊；機器則不同，越快的信息處理速度意味著更大的負荷，而且能源消耗極高。
AlphaGo就是那個下象棋的怪獸，去年打敗李世石版本的AlphaGo，下一場棋需要消耗的電費為3000美元，主要是製冷的成本。有專業人士計算，AlphaGo擁有1202個CPU，176個GPU，一場五小時的比賽，耗能為3000兆焦耳，大約相當於一個成年人300天的能量消耗，而這隻是核心處理器的能耗而已。
對於人來說，下一場棋索要消耗的能量，雖然不是很少。但是在AlphaGo麵前也不敢程度，或許AlphaGo一分鍾消耗的能量就超過了人類。
這就引出了一個問題：如果每個人都要擁有一個這樣的功能，那要消耗多少能源？未來的能源結構是否能夠滿足我們對人工智能的需求？
但是，不得不承認的是今天我們的能源結構進化速度是非常慢的。遠遠趕不上技術的進化速度。所以，今天我就套用一個當下最流行的詞語——“供給側改革”。能不能從算法的基礎上來優化人工智能，如果這樣做，就必須重新認識人腦。因為在人類已知的世界或者認知中，人腦是最省能量的機器。
在過去的幾百年的時間裏麵，人類從來沒有放棄過尋找人腦的秘密。但是，對於很多尋找秘密的人來說，他們大多源於興趣和對科學的執著。而今天，人工智能的需求將會讓我們投入更多的資源去發現人腦，認識人腦。我個人認為認識人腦，將會成為人工智能時代進步的一個重要標誌。
人工智能時代，人類或許需要新的思想大爆炸來作為新時代大廈建設的理論基礎，或者是需要將原有的思想更加深入的理解。曾經有一個著名學者說過：人類為什麼不能認清人腦，因為人類永遠在人腦的基礎上去嚐試認識人腦。簡單的用一句話概況就是：不識廬山真麵目，隻緣身在此山中。或許今天，我們應該用人工智能去認識人腦，而不是讓人腦去認識人腦！
創作不宜，點讚支持！
最後更新：2017-08-20 10:32:25