人机围棋大战，人脑为什么会输？
来源：南方周末
北京时间3月9日下午消息，今天下午谷歌人工智能AlphaGo与韩国棋手李世石的第一场比赛结束，AlphaGo获得今日比赛的胜利。
1997年电脑“深蓝”击败世界象棋冠军。2011年计算机“沃森”击败了两名曾经称霸电视问答比赛的人类对手，获得100万美金。近日，IBM报告了史上最大规模的模拟人脑研究。真正的人工智能还有多远？
模拟人脑人工智能
2012年11月14日，在美国犹他州盐湖城的2012超级计算大会上，IBM的计算机专家提交了一份标题是“1014”的报告。报告所描述的研究被媒体称为“认知计算的里程碑”。使用了世界上运算速度最快的96台计算机，研究人员制造出了包含5300亿个神经元和100万亿个突触的人造“大脑”。
恒河猴，又名猕猴
这是迄今为止对大脑的最大规模的模拟。它的初始目标是模拟出实验室中常见的恒河猴的大脑。有网友戏称“世界上第一台人工智能计算机诞生后的第一件事会是要一根香蕉吃”，但现在这个“大脑”只是“神经形态工程学”意义上的。
这里所说的神经元和突触并不是生物学意义上的。对于计算机来说，神经元就是计算中心，每一个神经元能够从周边成千上万的其他神经元那里接收到输入信号，对数据进行分析处理，然后再发射出去；突触是用于连接神经元的，它是记忆和学习发生的地方。
换句话说，神经形态工程学是受生物脑的功能和结构的启发，来改进计算机。比如说，传统的计算机依靠数量巨大的晶体管的打开与关闭来运行，要求接近完美的动作。这意味着电力的消耗。人脑只需要20瓦的电力，但是如果用传统方式建立与人脑规模相当的计算机，其用电量将相当于一个小城的用电量。之所以会这样，一个原因就是人脑是“事件驱动”的，只有当某些神经元被激活时才会较为消耗能量。而且，人脑突触的失误率非常高，在30%到90%的情况下会动作失败，但人脑工作得很好。假如是传统的计算机，晶体管一次失误可能就会导致死机。
IBM公司的研究人员正在用电脑模拟人脑
IBM的最新成果将电脑设计成了“事件驱动”，电力消耗也大幅降低。但现有的结果并不是在生物学上或功能上的精确模拟，计算机仍然不能思考或是感受。有一些科学家对达到这最终的目标显得很乐观，但也有人认为这还相当遥远。因为现在人们对人脑运行的了解还实在是太少，在神经科学解决最基本的问题之前，人工智能不大可能产生突破。“这有点像是拥有了世界上最大数量的乐高块，却对于能从中得到什么毫无头绪。真正的艺术不在于买乐高块，而在于知道如何把它们组装起来。”《纽约客》评论说。
并非不可能
瑞士联邦理工学院的神经科学家亨瑞·马克拉姆（HenryMarkram）自2005年起主持了一项称为“蓝脑计划”的项目，其目标就是用计算机模仿出人脑的生理学过程。在2009年的一次TED演讲中，马克拉姆称：“建造一个人类大脑并非不可能，我们将用10年的时间做到。”他想象中的人造大脑将能够说话，拥有人类的智力水平和相似的行为方式。
另一名在这个问题上持乐观态度的研究者是美国的未来学家雷蒙德·库茨魏尔（RaymondKurzweil）。他预言到2029年就会有计算机通过图灵测试，并愿意为此赌上两万美元。所谓图灵测试，是图灵在1950年提出的一个游戏，让一个人类的审问者去审问一台机器和一名真人，这名审问者并不知道对方的身份，而机器的目标是让审问者把自己误当成人，而真人则要帮助审问者正确识别出机器。如果机器成功迷惑了审问者，那么我们就说这台机器通过了图灵测试。
支撑起科学家和工程师乐观态度的一个主要因素，是所谓“摩尔定律”——计算机的运算能力每18到24个月就会翻倍。
2011年，在美国最受欢迎的电视竞猜节目《危险边缘》（Jeopardy!）上，来自IBM的计算机“沃森”（Watson）击败了两名人类对手。竞猜节目中的题目涵盖范围很广，历史、文学、语言、艺术、科学、文化等都有涉及，其形式是参赛者会收到短语提示，根据这些提示用问句的方式抢答出那些短语所描述的对象。其中涉及了对自然语言的理解和联想能力，而这通常被认为是人类思维优于计算机的方面。
“沃森”的研发者大卫·费鲁奇（DavidFerrucci）就指出，即便是用速度最快的处理器，计算机也需要两个小时才能答出一道涉及自然语言的题目。对于《危险边缘》这样的节目，这完全是不可接受的。想要获胜，必须在三秒钟之内作答。因此，“沃森”使用了2880个处理器，分布在90个服务器上。它还储存了多达两亿页成结构或不成结构的“知识”，包含了维基百科的全文，但竞赛时它并没有连接互联网。
在这场竞赛中，两名人类对手都是历次比赛中最强大的获胜者，“沃森”击败了他们，获得了100万美元的奖金。在对自然语言的处理上，“沃森”的创新之处并不是采用了什么新的高超的算法，而是同时执行数以千计的语言分析算法，从结果中寻找共性。只有当“沃森”确信自己得到了正确答案时才会抢答，如果对于答案不那么有信心，它则会保持沉默，不冒险作答。
在这场竞赛中，两名人类对手都是历次比赛中最强大的获胜者，“沃森”击败了他们，获得了100万美元的奖金。在对自然语言的处理上，“沃森”的创新之处并不是采用了什么新的高超的算法，而是同时执行数以千计的语言分析算法，从结果中寻找共性。只有当“沃森”确信自己得到了正确答案时才会抢答，如果对于答案不那么有信心，它则会保持沉默，不冒险作答。
世界象棋大师卡斯帕洛夫对弈“深蓝”
虽然这不表明“沃森”能够像人类那样去理解语言，但它成功处理了人类语言中双关、模糊的一面。1997年电脑“深蓝（DeepBlue）”因击败世界象棋冠军而震惊世界，仅仅五年之后，计算机科学家就做到了仅靠连接八台个人电脑而达到相等的运算能力。库茨魏尔认为，依照现在电脑的发展速度，在“沃森”之后仅需七年，单独一个处理器就将做到它在《危险边缘》中完成的壮举；仅仅10年，个人计算机就能达到这个水平。
从最简单的开始
秀丽隐杆线虫
秀丽隐杆线虫是一种生命只有几天的线虫，自1974年起就被当作分子生物学和发育生物学中的“模式生物”。这是一种看上去非常简单的生物：身长大约1毫米，一只秀丽隐杆线虫由959个细胞组成，其中有302个是神经元，95个是肌细胞。早在1980年代，生物学家们就搞清楚了秀丽隐杆线虫302个神经元的连接方式；然而，过去26年中所有尝试模拟其完整神经系统的努力均以失败告终。
1997年和1998年，美国俄勒冈大学和日本的一组研究人员就分别尝试过建立秀丽隐杆线虫的完成模型，包括整个身体的每一个神经元、突触，以及完整的感觉形态（sensory modality）。两个项目都是只公布了最初的计划，然后就再无下文。此后，从2004年到2010年间，日本、英国、美国的研究人员还开展过类似项目，有一些收获，但远非完整。
尽管一只秀丽隐杆线虫只有302个神经元，但根据2011年发表的一项研究，秀丽隐杆线虫的躯体神经系统含有6393个化学突触、890个缝隙连接、1410个肌肉神经接点。即便人们已经很清楚神经元的连接方式，但突触是如何行为的仍是正处于研究之中的课题。美国哈佛大学的大卫·达伦布尔（DavidDalrymple）就认为，之前的研究只是从连接方式出发，而并不真正理解神经元，这就好像你想要制造一台收音机，而手上只有一张电路示意图，没有任何关于零件的信息。
达伦布尔是哈佛大学的一名博士生，受谷歌CEO拉里·佩奇的资助，从2011年开始运用“光遗传学”（optogenetics）的手段进攻之前所有人都未成功的问题。他的目标是确定秀丽隐杆线虫每一个神经元的功能、行为和生物物理特性，最终在计算机上重建出其完整的神经系统。他估计这一工作大概需要三到四年的时间。
同时，一个由美国、欧洲和俄罗斯的科学家与计算机专家合作进行的“OpenWorm”项目也从2011年开始，尝试在计算机上全面模拟出秀丽隐杆线虫——从基因到行为。他们在2012年初已经推出了OpenWorm浏览器，让所有人都能以3D形式探索秀丽隐杆线虫在细胞层面的结构。这个项目的一个哲学思想是，只有当我们能够重建一个生物体的时候，才代表我们真正理解了这个生物体。
秀丽隐杆线虫是自然界中拥有神经系统的最简单的生物之一，也是生物学家最为熟悉的生物。达伦布尔和OpenWorm对秀丽隐杆线虫的模拟只是万里长征的第一步，他们的最终目标都是模拟人脑的神经系统。在成功模拟秀丽隐杆线虫的神经系统之后，达伦布尔计划中接下来的目标将是五天大的斑马鱼幼体，此时它大约有10万个神经元；然后是有96万个神经元的蜜蜂、5000万个神经元的老鼠，最终是850亿个神经元的人脑。达伦布尔期望对人脑的在细胞层面的模拟能在他的有生之年完成。达伦布尔出生于1991年。
原题《模拟人脑，迄今最大规模》
相似内容
相关主题
