2023年《人工智能的未来》读后感.docx

2023年人工智能的未来读后感 如何创造意识、思维，也许是人类认识自然的最后难题，是意识对自己的回归。作为著名发明家、作家、未来主义者，库兹韦尔关于思维的研究和观点独特而惊人。他认为不久的未来，计算机可以实现人类大脑新皮质功能并超越人类，人类将与机器结合成为全新的物种。 假想某个浸泡在营养液中的大脑，用细细的导线与躯干相连。大脑对躯体动作的意识，以及大脑发出的指令，通过导线双向传递此刻，你会认为这还是一个生物学意义上的“人”吗？ 库兹韦尔只是把“奇点”当作一个绝佳的“隐喻”。这个隐喻就是，当智能机器的能力跨越这一临界点之后，人类的知识单元、连接数目、思考能力，将旋即步入令人晕眩的加速喷发状态一切传统的和习以为常的认识、理念、常识，将统统不复存在，所有的智能装置、新的人机复合体将进入“苏醒”状态。 在库兹韦尔看来，人工智能的关键，并非通过物理手段制造出媲美、超越人脑的“非生物性智能机器”。这条路行不通。他给出的方法简单有效：将人脑与电脑“嫁接”起来。 在本书中，库兹韦尔用4章的篇幅（第3章：大脑新皮质模型；第4章：人类的大脑新皮质；第5章：旧脑；第6章：卓越的能力），精心构筑了支撑他伟大预言的第一块基石。这块基石的目的，就是试图将大脑新皮质作为“新脑”的重要组成部分，与旧脑区别开来。 智能可以超越自然的局限，并依照自身的意志改变世界，这恐怕是世间最了不起的奇迹了。人类智能可以帮助我们克服生物遗传的局限，并在这一进程中改变自我。唯有人类能够做到这一点。 人类智能之所以能够产生与发展，源于这是一个可以对信息进行编码的世界。物理学的标准模型3会有数十个常量需要被精准限定，否则无法产生原子，也就不会有所谓的恒星、行星、大脑，更不会有关于大脑的书籍。让人不可思议的是，物理学定律及常数能够精确到如此程度，以至于允许信息自身得以演化发展。 我们的第一个发明是口语，它使我们能够用不同的话语来表达想法。随后发明的书面语言，使我们能够用不同形式来表达我们的想法。书面语言库极大地扩展了我们无外力援助的大脑的能力，使我们能够维持并扩充我们的认知基础，这是一种递归结构化的思想。 我们还开发了其他工具，通过利用这些工具，我们现在能用精确的信息术语来理解我们所属的生物群落。我们正以极快的速度利用逆向工程法分析生物群落的构成信息，包括大脑结构的信息。我们现在拥有以人类基因组形式存在的生命目标代码，这项成就本身也是指数级发展的一个突出实例。 现在有一项涉及成千上万个科学家和工程师的宏伟工程正在进行中，他们正致力于理解智能程序的最好范例人类大脑。这项工程的目标是精确理解人类大脑的工作机制，然后通过这些已知的方法来更好地了解我们自身，并在必要的时候修复大脑，而与本书最密切相关的，就是创造出更加智能的机器。以前专属于人类智能的许多任务以及活动，现在能完全由电脑控制，更加精确，范围也扩大了。 理解、建模和模拟人类大脑的关键是对大脑新皮质实施逆向工程，而大脑新皮质是我们进行循环分层思维的地方。 大脑也是这样。它有一个类似的巨大的冗余组织，尤其是在新皮质结构中。化繁为简，揭开人脑最基本的力量，包括其基本智力系统如何进行辨识、记忆、预测。这些行为在新皮质里不断重复，产生了各种不同的想法。 01 史上著名的思想实验 这段历史也展现了人类思维的局限性。为什么爱因斯坦能驾乘光束而不至于摔落（虽然他推断实际上不可能驾乘光束），而成千上万其他的观察者和思考者却不能借助这些并不复杂的方式来思考呢？一个共同的障碍就是大多数人难以摒弃并超越同辈人的思维观念。 一个年轻人只需空想和笔纸就足以彻底改变物理学观念，那么对于熟知之物，我们理应能取得更深刻的认识。 02 思考、记忆、联想、记忆成级 03 大脑新皮质负责以分层方式处理信息模式。只有哺乳动物才拥有这种最新进化的大脑结构。大脑新皮质负责感官知觉，认知从视觉物体到抽象概念的各项事物，控制活动，以及从空间定位到理性思考的推理以及语言主要就是我们所说的“思考”。 灵长类动物在进化中的收获是，大脑顶部的其余部分出现复杂的褶皱，伴随有深脊、凹沟以及褶痕，它们扩大了大脑皮质的表面积。因为有了这些复杂的褶皱，大脑新皮质成为人类大脑的主体，占其重量的80%。智人拥有一个巨大的前额，为拥有更大的大脑新皮质奠定了基础；而我们的额叶则是处理与高层次概念有关的更为抽象模式的场所。 1957年，蒙卡斯尔发现了大脑新皮质的柱状组织。大量的实验揭示，皮层柱的神经元结构中确实存在重复的单元。我的观点是，这种基本单位是模式识别器，同时也是大脑新皮质的基本成分。我认为这些识别器没有具体的物理分界，它们以一种相互交织的方式紧密相连，所以皮层柱只是大量识别器的总和。 人类的大脑新皮质中约有50万个皮质柱，每个皮质柱占据约2毫米高、0.5毫米宽的空间，其中包含约6万个神经元，因此大脑新皮质中总共有大约300亿个神经元。一项粗略的评估表明，皮质柱中的每个识别模式包含大约100个神经元，因此，大脑新皮质大约共3亿个识别模式。 虽然人类只拥有简单的逻辑处理能力，但却拥有模式识别这一强大的核心能力。为了进行逻辑性思考，我们需要借助大脑新皮质，而它本身就是一个最大的模式识别器。 一个精通某一特定领域的人大约掌握了10万个知识点。涵盖人类医学知识的专家系统表明，一个人类医学专家通常掌握了大约10万个其所在领域的知识块。从这个专家系统里识别某一知识块并非易事，因为每当某一个具体的知识点被检索过后，就会呈现略微不同的面貌。 如果一个专家的核心知识大约为10万个知识“点”（即模式），每个知识点的冗余系数约为100，这就要求我们存储1000万个模式。专家的核心知识以更为普遍、更为广泛的专业知识为基础，因此层级模式的数量可增加到3000万到5000万。我们日常运用到的“常识”的知识量甚至更大,实质上，与“书中智慧”相比，“街头智慧”对大脑新皮质的要求更高。把这项包含进去，再考虑到约为100的冗余系数，总量预计将超过1亿个模式。我们的程序和行动中也包含了模式，同样也存储在大脑皮质区域内，所以我预测人类大脑新皮质的总容量并非只有数亿个模式。我们的程序和行动中也包含了模式，同样也存储在大脑皮质区域内，所以我预测人类大脑新皮质的总容量并非只有数亿个模式。这个粗略的统计与我在上文中做出的约有3亿个模式识别器的估计紧密相关， 第三章：大脑新皮质模型 只有具备自联想能力和特征恒常性能力，大脑新皮质才能识别模式。思维模式分两种：无目标思维和导向式思维，做梦就是无目标思维实例。 怀孕6到9个月时，胎儿的大脑新皮质正在学习。他能听到母亲的心跳，这可能是音乐有节奏这一特点普遍存在于人类文化中的一个原因。 大脑新皮质不断尝试理解向其呈现的输入。如果一个特定层次不能完全处理并识别模式，就会被发送到相邻更高层次。如果所有层次都不能成功识别某个模式，该模式就会被视为新模式。 在定向思维中，持续的思维风暴会在我们的感官体验和尝试中出现，我们的实际心理体验复杂混乱，由这些触发模式的闪电风暴组成，每秒发生约100次改变。 第四章：人类的大脑新皮质 同一时间激活的细胞会联系在一起，这就是著名的贺布型学习。 内在集合：这些几何都有相似的拓扑结构和突触权重，而且不是由任何特定的经验所塑造。 当新皮质的某个区域受损时，新皮质会继续使用原始区域而不选择受损区域附近的区域，因为前者工作效率更高。 有一个普遍算法指引着新皮质工作。 可塑性的局限性：使用新皮质的新区域来代替受损区域，重新习得的技能或某种知识会不如原有的好。 人工智能领域并不是尝试复制人脑，而是要达到对等的技术。 第五章：旧脑 丘脑最显著的作用是它与新皮质的持续交流。借助两个大脑半球，我们的工作记忆能够同时跟踪4个条目。虽然我们至今不清楚是丘脑管理着新皮质还是新皮质管理着丘脑，但两者缺一不可。 感官信息流经新皮质，由新皮质判定一种经历是否新颖，然后将其呈现给海马体。新皮质判定经历新颖要么是因为不能识别某一套特定的特征（例如新面孔），要么是因为意识到一种原本熟悉的清形又出现了独特的特质（例如你的配偶戴着假胡子)。 借助人造海马体，老鼠们也能很快再次学会这些行为。人造海马体和老鼠的自然海马体一起工作，结果是老鼠们学习新行为的能力提高了。 第七章：仿生数码皮质 动物行为的进化的确是一个学习的过程，但是这种进化是整个物种群体的学习而不是个体的学习。进化的成果通过DNA遗传给下一代。 新皮质进化的意义就在于它大大缩短了学习过程（层次化知识）。某种哺乳动物的一名成员偶然找到解决方法，该方法就会在种群中迅速扩散传播。 可以让模拟大脑如蓝脑，具备学习能力的方法。第一种：让模拟大脑像人脑新生儿那样学习。研究人员等个10年或20年，让蓝脑达到成人的智力水平。 第二种：将成人脑的新皮质模式复制到模拟大脑中。这要求我们掌握能够处理这个任务、具备足够的时空分辨率的无损伤扫描技术。 第三种：通过构建不同精细程度的功能等同体，我们可以简化分子模型。我们还可以将教育软件植入模拟大脑（利用功能模型）。 非侵入性扫描技术的空间分辨率正在飞速提高。科学家发现新皮质的电路呈现出一种高度规则的网格结构。 对输入信息作出微小、随机的调整也可以提高系统的性能（重启遗传算法），因为这种做法解决了自主系统中著名的"过度契合"难题。否则，这样的系统就会过分局限于试验样品中的特殊例子。通过对输入信息进行随机调整，数据中更稳定的不变特征就会凸显出来，系统也能够提炼出更深层次的语言模式。 Siri使用的是Nuance基于马尔可夫层级模型的语音识别技术。对最常见和特定的语言现象使用规则翻译法，然后学习语言“尾巴”在实际生活中的用法。 哺乳动物的大脑掌握一种技术，即先建立很多的可能性连接，然后再剔除那些无用的神经连接。 第八章：计算机思维的4大基础 冯诺依曼推断说大脑的工作方式不能包含较长的连续算法，否则人在如此慢的神经计算速度下无法快速作出决定。冯诺依曼正确推断了大脑的出色能力来自于一千亿个细胞可以同时处理信息，因此视觉皮质只需要3到4个神经循环就能作出复杂的视觉判断。 大脑极大的可塑性使我们能够进行学习。但计算机的可塑性更大，通过改变软件就可以完全重建它的工作方式。因此，从这点上看，计算机可以仿真大脑，但反过来则不然。 人类新皮质的一个限制在于没有排除或复查相互矛盾的思想的程序，这导致很多时候人们的思想缺乏一致性。 设计整个大脑区域反而比设计单个神经元要简单。为了模拟晶体管，我们需要理解半导体的物理特性的细节，而且一个真正的晶体管即使只是基础方程也非常复杂。一个能将两个数字相乘的数字电路需要上百个晶体管，但我们通过一两个公式就能准确模拟这个乘法电路。一个包含上十亿个晶体管的电脑的模拟仅需要指令系统和注册描述，短短几页文本和公式就能包括全部内容。在这些描述中肯定不会出现半导体物理特性的细节或电脑的构造。 人工智能的未来读后感 人工智能英文读后感 人工智能的发展及未来畅想 人工智能与未来教育的任务 展望人工智能的未来(续)下 人工智能 人工智能 人工智能 人工智能 人工智能