思考、意识和智能模型
4.50/5 (25投票s)
用于新型思考机器的神经模式模型
引言
在我撰写本文时，即2017年12月，我未能在公共领域找到类似的方法。关于**神经元**的描述很多，深入到生物学细节，或者软件**神经网络**和数学公式。这两者之间存在巨大鸿沟，我正试图将其填补。
背景
在深入探讨之前，需要很好地理解真实神经元如何工作。了解它们在接收到其他信号时如何放电以及它们之间如何建立连接非常重要。您可以在以下文章中阅读关于突触、树突、轴突、神经递质和**动作电位**的内容：文章1, 文章2, 视频, 文章4, 文章5, 文章6。
在本讲座结束时，我希望您能对智能和意识有更清晰的认识，或许有一天，你们中的某位能为智能机器做出自己的贡献。
概述
- 神经元的直径为4至100微米
- 人脑中约有80-90亿个神经元
- 每个神经元连接到4-7000个其他神经元
- 它们形成100到1000万亿个突触
- 动作电位约为30毫伏，持续约1毫秒
- 信号传播速度约为30-100米/秒，具体取决于神经元类型
- 大脑使用约25瓦的电能
- 据信，普通大脑每天产生多达50,000个想法
一些与视觉相关的统计数据
- 视网膜受体细胞数量：5-6百万视锥细胞；120-140百万视杆细胞
- 视网膜神经节细胞数量：80万至1百万
- 视神经纤维数量：1,200,000
- 外侧膝状体神经元数量：570,000
- 视觉皮层（区域17）细胞数量：538,000,000
- 可见光波长（人类）：400-700 nm
- 激发一个视杆细胞所需的光量：1个光子
- 激发一个视锥细胞所需的光量：100个光子
- 大脑处理一张图像大约需要13毫秒
在深入细节之前，有一件重要的事情要记住：即使神经元接收到来自其他神经元的信号，它也只有在接收到足够的输入达到动作电位的**阈值**时才会“触发”（通过其轴突发送信号）。
即使两个神经元连接在一起（一个的树突靠近另一个的轴突），信号也只有在它们也建立化学连接时才能传播。这种化学连接可以变得或多或少持久，取决于信号在该区域传播的频率。
从功能角度看，神经元有三种类型：**感觉神经元、运动神经元和中间神经元**。第一种将信号从我们体内的神经末梢传递到大脑。第二种将大脑的反馈发送到肌肉、腺体和内脏。第三种是指参与连接的通常的大脑神经元。
一些生物学考虑
大自然不可能将每个神经元的位置和类型都储存在我们的DNA中。人脑出生时是“空的”，没有太多预定义的连接，然后它通过生活经验自我配置。我说“没有太多连接”是因为其中一些（如本能）仍然储存在DNA中，并在大脑形成时自动生成。
因此，在出生时，大脑更像一块海绵，渴望积累信息，在未受刺激的神经元之间形成连接。这就是为什么**婴儿学习速度相当快**，而成年人可能需要更长时间。你需要重塑一个已经稳定的网络，而且大脑的物理和化学特性可能与大脑用于其他目的的特性不同。换句话说，人类在开始时更像一台学习机器，然后才成为一台思考机器。
人体充满传感器，这些传感器将电脉冲发送到大脑或脊髓。
假设我们用手指触摸了某个东西，也许是热的。手指中的触觉传感器记录压力，局部发生化学反应，然后电脉冲通过长神经元发送到大脑。大脑通过激发内部其他神经元做出决定，并通过运动神经元将电脉冲发送回肌肉，使手指缩回。
这基本上就是事情的运作方式。不仅手指，所有感官和肌肉都是这样连接的。它们将整个身体连接到大脑中的某些神经元，这些神经元又连接到整个大脑网络。
**视网膜**根据进入光线的强度、形状和频率（颜色）形成图像。视网膜上的每个点都会激发其自身神经元的末梢，这些神经元将信号发送到位于头部后部的视觉皮层。人类双眼具有2D视觉，眼睛前方的一个特定图像会激发（触发）一组神经元，类似于显示器上的图像。正如您在上述统计数据中看到的，人眼的解析度相当高，因此在视网膜上形成的图像的“像素”会触发大量相应的感官神经元。
**耳朵**——内耳器官对某些空气频率产生振动，它们将振动的强度和形状传递给内部感觉神经元。一个特定的声音，例如一个词，会首先触发这些神经元，然后触发与它们连接的其他神经元。如果声音重复，**这些新触发的神经元将通过化学和电学方式相互连接，形成一个记忆——这就是词语被记住的方式。**
**言语**——经过大脑内部的一些处理（并非所有人，但通常如此），现有的大脑网络连接到通往颈部肌肉、喉部和肺部的运动神经元。根据一些预先学习的模式发送的脉冲会以特定顺序激发某些肌肉，并通过改变肺部的空气形状发出一个词。
并非所有感觉神经元都连接到我们能接触到的大脑部分。它们大部分的处理和反馈是在无意识中完成的。
持久连接
假设我们有一个一岁的婴儿第一次看到一只猫。他的眼睛将猫的图像发送到大脑，发送到皮层中激发的一组特定神经元。
由于它们同时或在很短的时间间隔内触发，化学和电信号相互寻路，并产生新的永久连接。
这些新连接要么在它们之间形成，要么在与它们直接连接的其他神经元之间形成。这基本上就是**猫的记忆**，一个神经元模式，它们曾经同时触发并相互连接。将来，触发其中很大一部分可能会触发所有这些神经元，因为它们是物理连接的。
实际上，事情要复杂一些，因为大脑具有一些模糊逻辑能力，并能识别不同姿势的猫，因此更大的一组神经元以类似的方式参与其中。它们位于相同的大脑区域并形成相似的模式。
这里还有一些棘手的地方。**这个记忆只有在神经元按一定顺序触发并且信号相互传播时才是一只猫**。持久的物理连接不代表可检索的数据，它不是一个 JPG 文件。你不能只激发模式中的一个神经元就期望检索所有神经元。你不能通过这种方式搜索一只猫，事情是反过来的：**你从相同的输入（或者可能从相关的记忆）中获得模式，当完整的猫模式被触发时，你才会对其进行处理**，通常是触发进一步的模式。这就是为什么图像识别如此之快，它不是数据库搜索。同时，这也是为什么我们可以通过查看片段来识别物体，我们触发了足够多的属于初始模式的神经元。（直觉可能也属于这一类。）
当猫的模式未被触发时，参与神经元之间的一部分物理连接可能会被用来触发其他模式。即使猫的模式被触发，也会从中衍生出其他模式，因为**没有神经元只属于一个单一模式**。
如果这些神经元长时间不放电，它们可能会断开化学连接，记忆可能会被遗忘。**目前，我们把猫看作是由数百万神经元组成的模式，它们在短时间内共同连接并被触发。**
一只猫！
神经模式
现在假设我们的蹒跚学步的孩子正试图触摸那只猫。让我们看看他大脑里发生了什么。
当视觉皮层中的神经元持续放电时，猫的模式已经开始形成。与此同时，他可能闻到猫的味道，可能触摸到它，可能听到它喵喵叫，可能听到他妈妈说话。所有这些传感器都会触发更多的入口点神经元，这些神经元与正在形成的猫的模式连接起来。现在我们有了一个完整的**猫情境**记忆：**我们的猫不仅是一个图像，还有它的声音、气味、感觉**。
大量的感觉神经元创建了连续的模式，每个模式在它们各自的区域都有特定的顺序。**一些新的大模式诞生了，下次当婴儿听到猫的声音时，听觉区域中已经形成的模式也可能触发猫的视觉模式**，因为它们是物理连接的。或者它们可能会触发存储猫名字的关联神经元，因为它们曾同时触发过（安德鲁，不要碰猫！）。
一个猫情境
如果猫抓伤了孩子，疼痛感受器会直接向一些“对危险的反应”神经元发送冲动，这些神经元会释放肾上腺素并激发一些奔跑肌肉。这些连接可能预先定义（在DNA中，本能）或习得。通过这种艰难方式形成的模式会将猫与危险联系起来。
下一次，猫的图像可能会触发“对危险的反应”神经元，并产生恐惧感——与腺体（释放一些荷尔蒙）、皮肤、肌肉等连接的神经元模式。
什么是思想？
现在我们来定义什么是思想。
**一个思想基本上是由连续触发的连接神经元组成的模式**。一个图像可以被回忆为一个单一的静态模式，但一个情境、一个想法、一个记忆、一个思想则由一系列触发模式组成，它们遵循彼此之间的物理连接。**在这个定义中，一切都重要：路径、顺序，甚至可能是信号的速度；它不是一个3D静态模式，而是一个时间序列。**
这个序列并非孤立存在；它总是触发它的其他模式序列的一部分（无论是来自外部感觉神经元还是来自其他内部模式）。此外，**当模式触发时，一些中间神经元会生成相邻模式，因为它们也参与了其他物理连接**。这定义了**逻辑**，即相互生成的连接思想。
所以**一个思想是一个时间模式**，电信号在短时间内通过相同的连接神经元传播。它们曾因不同的其他思想或输入而同时被触发。
如果我们看看神经学今天如何解释似曾相识，我们可能会觉得有点复杂。但如果我们认为由于某些因素触发了相似的附近模式，事情可能会变得容易一些。
你可能仍然想知道这个模型有什么用。**我认为这样看待人类智能将有助于我们更好地理解大脑中发生的这些过程。或许它也有助于设计下一代思维机器**，因为我们仍处于学习机器时代。这些机器具有多重输入和输出，可以在不同领域进行训练，拥有记忆并能将它们关联起来，所有这些都在同一个网络中。
熵与随机思维
大脑从不停止思考。时间模式不断地在不同区域形成。为什么它们不会总是以相同的顺序生成相同的模式呢？首先，大脑是动态的，其配置通过创建新的突触连接和破坏旧的连接而不断变化。此外，**感觉神经元产生足够的熵，因此某些起始模式的输入永远不会相同**。它可能相似但不同，外部温度的一个微小差异就能影响整个大脑。这是因为神经元只有在接收到来自其他神经元的输入达到“动作电位”的**阈值水平**时才会放电。因此，某些神经元可能会或可能不会放电，这取决于外部熵，从而影响所有其他神经元。
这就是实现随机思维的方式，这是当前机器学习无法很好处理的问题，因为它们期望相同数据产生相同结果。大脑可能会根据情绪产生不同的结果...
**这种随机性有助于选择一个好的解决方案，即使并非所有可能性都已分析**。有些人称之为直觉。机器学习算法也利用这种熵（“随机森林”），因为软件也模拟了它。
什么是智能？
**智能 = 产生服务于预定义目标（模式）——生存、繁殖、进化的富有成效思想的思维序列**。这些预定义模式是如何形成的？通过试错，发生突变，那些没有这些模式的物种就消失了。它们形成后，以某种方式进入DNA，后代继承了它们，然后以同样的方式增强了它们。
随着生成的连接越来越多，活动越来越频繁，大脑匹配某些预定义模式的机会也随之增加。我们可以说大脑变得更智能。
显微镜下的真实神经元
图像识别
正如我所说，一旦在某些视觉神经元（或者可能在附近的某个区域）之间建立了连接并形成了模式，大脑就能够回忆起那幅图像。**你看到一个你认识的人，眼睛会像第一次一样再次触发相同的神经元，遵循现在存在的相同硬件模式**。这些神经元与你与那个人相关的其他记忆联系在一起，因为更多模式是在当时或后来在相似情境中形成的。所以，基本上，记忆会再次触发相同的模式，这会产生相同的感觉、反应或想法。它们会进一步与那个人相关的、名字、地点等所有关联模式连接起来。
但我们如何在记忆中想象一个人呢？当我们想起某人时，我们从不精确地想起那个人的脸，而是带着上下文。基本上，我们是在特定情境或地点中记住某人的，我们没有一张单独的脸部图像，因为它从未以这种方式形成。**我们的思绪始于与那个人相关的其他模式，比如名字、地点或其他相关记忆**。然后，大脑试图重构最初形成的大模式，它与视觉区域中的原始图像模式相连接。当完整的记忆再次被触发时，视觉模式激活，我们就在记忆中再次“看到”那个人的脸，没有外部刺激，所有这一切都始于一些相关的想法。此外，一个模式的副本可能在附近的区域形成，当我们做梦时，这可以在我们的大脑中触发图像，而无需外部输入。
人工智能与机器学习
我们正朝着正确的方向缓慢前进。仍然有一些领域被错误地关注，存在悲观情绪、理解不足、信息匮乏、无知等等。我们正处于这个新领域的早期阶段，它让一些人感到恐惧，也让另一些人充满梦想。还有一些人几乎以宗教般的态度对待它。但进步是无法阻挡的，如果作为一个物种我们能做某事，我们就会去做，无论好坏，无论它能用于进化还是战争。
目前，我们尝试在2D数字（二进制）系统上模拟3D时间实体。这既缓慢又低效，因为大脑以一个灯泡的能量完成更多工作。如果我们能制造出真正智能的东西，它可能有一个体育场那么大——仍然可能，但我们可能会做得更好。**当前的设计非常适合创建新的机器学习算法，理解人工智能能做什么以及它的局限性和危险**。但仍然不实用。我们的软件神经元需要进化到更专业的硬件上。
我们今天的机器学习算法只考虑输入和输出。**它们不知道也不关心在数据训练过程中形成的内部模式**，但它们使用输出。**而奇迹就在内部，这些模式代表了系统对现象的理解**。我们没有充分利用它们来生成其他模式，也没有将相同的网络用于不同的目的（例如强化学习）。
此外，机器学习处理数字和函数，**而大脑处理灵活的空间连接**。在这方面，大脑要快得多，但未来的硬件可能会解决这个问题。
大脑以触发连接神经元的时间序列形式存储情境，而软件神经网络存储固定模式并尝试稍后重复使用。这就像我们根据一些数据构建一个黑盒子，然后将其带到其他地方，期望得到结果，仅此而已。
许多模拟人脑并推动事物发展的方法已经存在。
- 有些人尝试“**增加更多硬件**”的方法，应用于当前设计——在GPU集群上使用更快的处理器和更多的核心来加速学习。并不需要精确复制相同的设计才能获得相同的结果，事实上，轮子和腿服务于相同的目的。这种方法与目前最常见的冯·诺伊曼硬件配合良好，使我们大多数人能够接触到机器学习。但可能，这不是未来。
为了适应这种新型计算，需要新的硬件。最初的想法是将算法实现到芯片中，但重新设计整个系统可能会表现得更好。
- 我们需要模拟突触，实时生成3D连接，创建电子模式。我们需要某种新型模拟大脑——在这方面，神经形态计算可能会表现最佳。
这是一个**熵环境，连接模式可以基于先前的模式形成并生成其他模式**。
为了适应现有的概念和目的，除了像教孩子一样训练它们之外，别无他法。甚至大自然也没有对这些进行微观管理，而是任由它们学习。与大自然的主要区别在于，一旦训练完成，状态可以保存、恢复和改进。
- **人工智能和量子计算**同时出现绝非巧合。在不久的将来，我们可能会看到基于量子计算的人工智能系统设计，这些系统在目前甚至从未被考虑或想象过。这些系统所能达到的速度可能允许以全新的方式进行模式模拟。人类正处于这个充满希望的新时代的早期阶段，一些人已经看到了将量子计算用于人工智能的方法。
一旦我们成功创造出能够生成类似大脑模式的硬件和算法，事情就会发展得非常快。这些**新型思维机器将在速度和准确性方面都具有令人难以置信的性能**。通往通用人工智能的道路将是平坦的，我们可能在20-30年内实现它。也许**今天我们只是在使用过时的神经元和错误的硬件**。
有了这个新基础，我们只需要添加我们已经拥有的子系统，如图像识别、语言识别等。我大胆猜测：创建这些新算法和硬件可能需要5-10年，然后另外10-15年才能创建出高度智能的机器人——能够洗碗。
**奇点**可能在与这些机器交流的语言达到人类标准，并且它们能够充分表达其所做之事时被认为已解决。但在那之前，简单的智能机器人将入侵我们的家庭，让我们的生活更轻松。
有一点是肯定的，精灵已经从瓶子里出来了，很多人已经看到了这种可能性，现在他们正在为此努力。
机器学习和信息检索
实际上，这就是我撰写本文的原因，我当时在思考机器学习是否可以用于更好的搜索引擎。我的结论是，在近期内不会，至少在我能看到的方式下不会。那是因为**今天的机器学习不适用于存储**，但如果提供了文档，它仍然可以成为一个非常好的相关性引擎（例如，使用机器学习来处理普通搜索引擎提供的热门文档）。
检查集合中的所有文档太慢，并且性能远低于索引搜索。为了利用大脑的速度并构建一个完整的基于机器学习的搜索引擎，我们必须将所有文档存储在其中，就像大脑以模式存储图像一样。这将非常庞大，比当前的索引大得多，我不认为我们今天有什么接近这个目标的算法和硬件。
正如我所说，大脑不是为了记忆而建造的。一个人几乎记不住一本书的两页内容。大脑是为了在生成的时间模式中保持信息，同时产生思想。这就是为什么**软件“神经元”应该存储更少的数据并建立更多的连接**。一旦我们把世界的概念以模式的形式放入这样一台机器中，我们就能看到这些系统如何利用熵并处理它们。
什么是意识
既然我们知道了思想是如何在我们大脑中产生的，以及它们如何演变和生成其他思想，我们就可以得出这个犬儒式的结论
我们所称的意识**只是一系列关于我们自己的想法**。它们就像关于猫的想法一样：被触发的连接神经元的模式。它们之所以多一点，是因为我们每天记录了许多关于我们自己的模式，并且我们从身体（感觉）接收到许多输入，这些输入与记忆相关联。此外，我们还有一些关于生存和自我保护的预定义模式。所有这些与我们自己相关的想法在物理上与关于猫的想法没有区别，它们只是……更多。**我们拥有更多关于我们自己的模式，而不是关于任何其他事物。**
所以，如果我们创造一个知道自己名字、有目标、知道自己在做什么并试图保护自己的机器人，我们可以说它是有意识的。不需要更多，其中没有什么神圣之处。对此感到抱歉……
对于那些停留在50年代陈词滥调的人来说，是的，机器人可以被编程来坠入爱河或拥有感情。一旦我们能够处理学习机器内部的模式，我们就可以创建它们并将它们与某些物理反应（例如）联系起来。并让它们在某些情况下被触发。一只蚂蚁在逃离我们时是有意识的。预先记录的模式识别出危险。携带食物只是预先设定的本能或可能是一种习得行为；两者都以相同的方式存储在神经系统中。
自然语言处理
**自然语言处理是故事中最困难的部分，是人工智能的圣杯。它是定义奇点的要素**。它与当今机器学习所做的“词语匹配”无关，后者基本上是在数据库中搜索相似的短语或词组。
语言处理意味着与思维机器进行双向交流，机器通过检查内部模式来表达其当前状态。这是机器将所交流的概念与现有模式匹配，并提供相关模式作为反馈的能力。这是将这些概念与后果、自身的想象、历史以及半预期的未来同步的能力。它远不止这些……
**这是最难实现的部分，应该最后处理**，因为它需要所有其他子系统的到位。这种形式的交流在人类历史上也出现得最晚，大约在10万年前，远在大脑足够大以进行其他类型的处理之后。海豚相当聪明，但交流不多。我们需要从一种原始的语言形式开始，并随着时间改进它，但**在解决智能问题之前，这是无法完成的**。我们甚至可能需要问，如果我们已经成功地拥有了能发明东西的机器，我们能用一个哲学家机器人做什么……
今天的**聊天机器人**几乎无法改进。30年来没有太大进展，即使**我们对数十亿预先录制的对话使用机器学习，它们也不会产生自然智能**。
即使我们设法在语言层面隔离和处理概念，并添加某种对话历史，**仅基于文本也很难或不可能预测即时未来**或后果。而这正是感觉你在与一个智能实体交谈的巨大一部分，它们可能永远无法通过图灵测试。
助手
所以，理性回答的幻觉不能取代真正的思考。这并不意味着它们不会销售，或者人们不会将它们用于简单的任务、简单的问答对话或助手。**它们只是一些有趣的小工具**（除非公司选择用聊天机器人取代呼叫中心里拿最低工资的女孩，这种情况下它们就是令人讨厌的小工具）。
结论
这里涉及多个学科，神经学、数学、计算、生物学等，也许我在所有情况下都没有非常准确。但大方向可能是正确的。也许需要一门新的学科，将神经学与机器学习联系起来。
大脑的逆向工程仍在进行中，仍有许多有待发现。但**今天我们已经掌握了足够的知识，并且拥有足够的计算能力**。新的人工智能算法已经证明这是可能的；我们只需要找到改进它们的方法。这可能需要多年的试错、调整和创新，但智能机器正在路上。它们将为我们所有人带来更美好的生活。
我们大概注定要创造它们，作为一种新的生命形式，有朝一日它们可能会将我们从垂死的地球上拯救出来，无论是过度污染、过热还是辐射……
人类常常过早且过于保守地预测未来，与现实相比显得苍白无力。他们早在2000年之前就想象了传送和星际旅行。但他们十年前却无法想象自动驾驶汽车，所有科幻电影中仍然有司机和飞行员。同样，所有外星人都是血肉之躯，而我们的机器人显然会先遇到它们。在这方面，即使奇点比预期晚10年发生，其影响也将比今天所有人的想象都要大得多。希望是积极的。
“成功创造有效的人工智能可能是我们文明史上最重大的事件。”
史蒂芬·霍金
标签：人工智能，通用人工智能，Python，机器学习，奇点，神经模式 gmail adrian.pirvu