怎么把“說(shuō)不清楚”的靈感變成連AI都能執(zhí)行的指令？如何用小時(shí)候“抄作業(yè)”的套路，讓AI替你試錯(cuò)？怎樣讓AI給出的結(jié)果不用反復(fù)的優(yōu)化？讀了這本新書《心智的10大模型》之后，終于悟了！原來(lái)用不好AI的人，并非缺乏使用工具的能力，而是缺少對(duì)人類大腦的認(rèn)知深度。因?yàn)樵礁唠A的人工智能，模仿生物大腦就越厲害！也正因此，當(dāng)我們理解大腦如何處理信息、完成決策優(yōu)化、創(chuàng)造新知，才能真正將AI從替代性工具轉(zhuǎn)化為思維延伸的“第二大腦”。這是一本很有雄心的書！讓每個(gè)讀完這10個(gè)模型的人，都能理解如此龐大復(fù)雜的大腦運(yùn)行機(jī)制。
本文摘錄自《心智的10大模型》
如何再造一個(gè)硅基大腦？
——洪波
清華大學(xué)為先書院院長(zhǎng)、生物醫(yī)學(xué)工程學(xué)院教授
當(dāng)今人類的生產(chǎn)生活已經(jīng)被人工智能的浪潮裹挾，這不是第一次，也不會(huì)是最后一次。有智能行為的東西，很容易觸動(dòng)人類內(nèi)心的好奇和同情。人們喜歡和自己養(yǎng)的貓狗互動(dòng)，跟我們喜歡和GPT“胡亂”聊天，喜歡看機(jī)器狗摔倒爬起，其實(shí)是一樣的心理。
這種心理的背后深層次的原因，是人類總是試圖認(rèn)識(shí)自身的思維和行為，從心理行為層面，從生理機(jī)制層面，甚至是從計(jì)算機(jī)制層面。如果從計(jì)算機(jī)制層面搞清楚了，那再造一個(gè)硅基大腦就有希望了。
物理學(xué)家費(fèi)曼說(shuō)過(guò)：“我造不出來(lái)的東西，我就還沒(méi)理解?！保╓hat I cannot create, I do not understand.）反之，如果我們還沒(méi)有理解，當(dāng)然也就造不出來(lái)。要造出一個(gè)硅基大腦，使它像生物大腦一樣有感知、有記憶、有決策、有行動(dòng)，我們必須努力觀察和發(fā)現(xiàn)生物大腦運(yùn)行的機(jī)制，并把它們構(gòu)建成數(shù)學(xué)模型，感知、記憶、決策和行動(dòng)才能在硅基的計(jì)算機(jī)中復(fù)現(xiàn)。
這是一本很有雄心的書，作者林賽試圖用10個(gè)數(shù)學(xué)模型來(lái)回答“生物大腦的計(jì)算機(jī)制究竟是什么”。
這也是一本安靜的書，不適合那些想從腦科學(xué)中“淘金”，拿去人工智能領(lǐng)域“變現(xiàn)”的匆匆過(guò)客。如果你稍有一點(diǎn)耐心，坐下來(lái)一兩小時(shí)，試著讀一章，你就會(huì)被其中有趣而深刻的故事所吸引，一定會(huì)在某個(gè)地方受到震撼，得到啟發(fā)。不要擔(dān)心數(shù)學(xué)模型的深?yuàn)W，正文里沒(méi)有一個(gè)公式，即使是附錄里的公式也是極其克制而簡(jiǎn)潔的。
疫情防控期間，偶然的機(jī)會(huì)讀了本書的英文版Models of the Mind，立刻被作者試圖用10大數(shù)學(xué)模型總結(jié)大腦運(yùn)行機(jī)制的雄心所打動(dòng)。作者還用講故事的方式，介紹了這些數(shù)學(xué)模型背后的科學(xué)家以及他們之間的互動(dòng)，硬核模型背后又平添了人性的溫度。湛廬能選中這本書翻譯出版，對(duì)那些試圖理解智能本質(zhì)的人們是一件幸事。
你盡可以把它當(dāng)作一本大腦建模的“旅游攻略”，在其中走一遍會(huì)大開(kāi)眼界，最重要的是，下次你想去哪個(gè)模型景點(diǎn)“深度游”的時(shí)候，就有了一張系統(tǒng)的文獻(xiàn)地圖和人物關(guān)系圖。作者顯然是計(jì)算神經(jīng)科學(xué)領(lǐng)域的“資深旅行者”，對(duì)過(guò)去一個(gè)世紀(jì)腦科學(xué)和大腦建模的歷史了解得很通透。
這個(gè)星球上有兩種智能：生物智能和機(jī)器智能。生物智能是從自然界億萬(wàn)年的生物進(jìn)化中涌現(xiàn)出來(lái)的，是生命體為了自身生存，不斷攝取環(huán)境中的物質(zhì)和能量，自下而上自監(jiān)督“訓(xùn)練”出來(lái)的，簡(jiǎn)單講是靠投喂“物質(zhì)”和“能量”得到的生物體內(nèi)“活的”碳基的神經(jīng)結(jié)構(gòu)；機(jī)器智能是人類受到生物智能，特別是人類自身智能行為的啟發(fā)，自上而下設(shè)計(jì)出來(lái)的，需要人為設(shè)定目標(biāo)并監(jiān)督“訓(xùn)練”。
在當(dāng)前階段，機(jī)器智能主要靠人為提供的計(jì)算體系和海量數(shù)據(jù)，簡(jiǎn)單講是靠投喂“信息”得到的計(jì)算機(jī)里“無(wú)生命”的硅基神經(jīng)網(wǎng)絡(luò)。這兩者的差別是不言而喻的，我深信前者更加優(yōu)雅，背后的數(shù)學(xué)模型也更加簡(jiǎn)潔。
我們通常高估了人類頂層設(shè)計(jì)的智慧，低估了自然進(jìn)化的智慧。我們也一定高估了人工智能發(fā)展的快變量——算力和數(shù)據(jù)，低估了人工智能顛覆性發(fā)展的慢變量——自然界放在我們眼前的生物智能結(jié)構(gòu)。“朝菌不知晦朔，蟪蛄不知春秋”，在自然進(jìn)化的生物智能面前，人類就是“朝菌”和“蟪蛄”。
這本書提醒我們，其實(shí)今天如日中天的人工智能就是在努力模仿生物神經(jīng)網(wǎng)絡(luò)的核心結(jié)構(gòu)和動(dòng)態(tài)規(guī)律，只是人工智能的快速迭代，模糊了背后的神經(jīng)科學(xué)背景。
書中的10個(gè)模型可以分為兩類：一類是功能輸出型的大腦模型，這類模型對(duì)人工神經(jīng)網(wǎng)絡(luò)和人工智能的發(fā)展起到了非常直接的推動(dòng)作用；另一類是數(shù)學(xué)抽象型的大腦模型，為腦科學(xué)研究提供了信息論、系統(tǒng)論與概率論的分析視角和工具。我重點(diǎn)提一下7個(gè)經(jīng)典的功能輸出型的大腦模型，它們?cè)谶^(guò)去70年人工智能的發(fā)展歷程中發(fā)揮了關(guān)鍵性的作用。
熱門跟貼