主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾

一开始可能是研究气功之类，那时也不敢向美国看齐。现在，肯定是“让美国同志先走，然后我跟着走，你们别打岔”。

但是，中国确实需要一个不随大流的机构，一年“烧”个几十亿，做一些全世界都没想到的东西。这样的机构，应该也有了吧。

送花 关闭

送花成功。感谢：作者获得通宝一枚。恭喜：你意外获得 4 铢钱。1通宝=16铢

作者，声望:1；铢钱:16。你，乐善:1；铢钱:3。本帖花:1

在连线上随便搜了一下

http://www.wired.co.uk/search?q=darpa

实在右上或左上的一串蓝色数字，现在是七位，上下各有一条线。

到时还要请你捧场。

烧钱支持科技企业，特别是小科技企业，的好处很多。至少，这些钱基本上都花在国内，对国家经济是非常好的促进。很多时候，可以看成是国家级别的风投，是本小利极大绝不亏的买卖。但是，要真做起来也不容易，这不，中国还没有嘛，而俄国，根本就不可能有。怎样花钱支持小科技企业，是一个社会的大事，是一个社会的活力的标志。

狗译原文（http://thedailyomnivore.net/2013/01/23/moravecs-paradox/)：

Moravec的矛盾是人工智能和机器人技术研究人员发现，传统的假设相反，高层次的推理只需要很少的计算，但低级别的感觉运动技能需要巨大的计算资源。汉斯·莫拉维克，罗德尼·布鲁克斯，马文·明斯基在20世纪80年代明确提出的原则。莫拉维克写道，“这是比较容易使计算机具有成人级的性能智力测验或玩跳棋，很难或根本不可能给他们一岁的时候，它涉及到感知和流动性的技能。”

语言学家和认知科学家史蒂芬·平克认为这是最重要的发现人工智能研究人员发现。在他的著作“语言本能”，他写道：“的AI研究35年的主要教训是，困难的问题是很容易的，容易的问题是很难。的心理能力，一个4岁，我们理所当然的 - 识别脸部，拿起铅笔，在房间内行走，回答一个问题 - 事实上，解决一些最困难的工程问题，你的...作为新一代的智能设备的出现，这将是股票分析师和石油化工工程师和假释委员会成员被机器所取代的危险。的园丁，接待和厨师在他们的工作是安全的，几十年来“。马文·明斯基强调，最困难的人的技能进行逆向工程，是无意识的。“在一般情况下，我们至少知道什么我们的脑海中做得最好的，”他写道，并补充说：“我们知道简单的过程，不能很好的工作较复杂的工作完美。”

一个可能的解释的悖论，所提供的莫拉维克，是基于进化。实施生物，人类所有的技能使用自然选择的过程中，机械设计。在他们的进化过程中，自然选择倾向于保留设计的改进和优化。年长的一个技巧是，自然选择有更多的时间，提高了设计。抽象思维，只是最近才开发的，因此，我们不应该指望它的实现是特别有效的。莫拉维克写道：“大，人的大脑高度进化的感觉和运动部分的编码是一个10亿年的关于世界的性质和如何生存在它的经验。故意的过程中，我们称之为推理，我相信，人类的思想，最薄的单板有效的，不仅是因为它的支持，这大年纪了，更强大，但通常是无意识的，感觉知识。我们都是巨大的奥运选手在知觉和运动的地区，那么好，我们做的难看起来很容易。但是，抽象思维，是一种新的伎俩，也许不到10万年的历史。我们还没有掌握它。这是不是所有的内在的困难，它只是似乎，所以当我们做到这一点。

紧凑的方式来表达这种说法是：我们应该期待任何人的技能是技能的时间量一直在不断发展中的动物大致成正比的逆向工程的难度。最古老的人类技能在很大程度上是无意识的，所以在我们看来，是轻松。因此，我们应该期望出现的技能，毫不费力地难以反向工程，但需要努力的技能，不一定是很难工程师。一些例子技能，已被不断变化的数以百万计的年：识别脸部，移动周围的空间，判断人的动机，接球，识别语音，设置适当的目标，注意是有趣的事情;什么关系知觉，注意，可视化，运动技能，社会技能等。的技能，最近出现的一些例子：数学，工程学，人的游戏，逻辑，就是我们所说的科学。这些对我们来说是很难的，因为他们不是我们的身体和大脑的主要发展做。这些技能和技术，最近被收购，在历史的时间，并有最多几千年来加以提炼，主要是通过文化的演变。

在早期的人工智能研究，主要研究预测，他们将能够在短短的几十年间，创造思维机器。他们的乐观是因为一部分的事实，他们已经成功地编写程序逻辑，解决了代数和几何的问题，玩游戏，跳棋和国际象棋等。逻辑代数和有困难的人，被认为是智力的迹象。他们认为，（几乎）解决“硬”的问题，该如何运用自己的眼光与常识推理的'方便'问题将很快陷入到位。他们错了，原因之一是，这些问题是不容易的，但令人难以置信的困难。事实上，他们已经解决了的问题，如逻辑和代数是不相干的，因为这些机器非常容易解决的问题。

罗德尼·布鲁克斯解释说，根据早期人工智能的研究，情报是“最有特征性的事情，受过良好教育的男性科学家们发现了具有挑战性的，如象棋，象征性的整合，证明数学定理，解决复杂的词代数问题。“四五年的儿童可以做的事情，毫不费力，如视觉上区分一杯咖啡和椅子，或左右两条腿走，或从他们的卧室在客厅找到自己的方式，没有想到的是活动需要的情报。“ 这将导致布鲁克斯继续在人工智能和机器人研究的一个新的方向。他决定建立“无认知的智能机。传感和行动。这是我将建立完全离开了传统上被认为是人工智能的智慧。“ 这个新的方向，他称之为“中篇小说AI”是非常有影响力的机器人技术研究和AI。

• 大数据=轻资产, 重逻辑, an AI economy
• "脑夸克": 阶级斗争需要巨大的计算资源

感谢大家的参与，我们在机器学习上有了非常好的讨论，我的确受益多多。看树河友等还准备在更专业的层次上给我们介绍，我也将继续写我对机器学习的玄想。不过这里，我想停顿一下，来一点更玄的：为什么精密思维，为什么二值逻辑，你不感到可怕吗？

我们回顾一下先秦文献，其中一个很常用的句式就是：“······，则······，则······，······”。这就说明，那时的思考方式中，精密的原因结果的思维已经非常普及了。但是，另一方面，也可以说，这样的思维还是相当新的，否则，先秦诸子们也不会把这样的句式当成先进武器，一而再，再而三地使用。因此，我们可以比较放心地讲，先民们掌握精密的原因结果的思维也不过几千年。而把这个思维方式作出精确完善的方式，就是二值逻辑。

数学就是使用二值逻辑的工具。当然了，现在其实并没有人能够完全能够非常精确地对一个数学定理，特别是比较大的，做精确的二值逻辑计算，而是用“显然”等词语带过，而这个“显然”恐怕需要非常大的计算量。据说，莱布尼兹当年和牛顿争论，争来争去，很有些失去焦点了，争不清了，就希望最终可以把这些争论换成算式，一步一步来算，看看谁对谁错（请大家看看网上的争论，就知道这是多么的纳意无了）。这也是他创制逻辑代数的原因。

而近代自然科学就是提出一些自然原则，然后用数学为工具，进行逻辑演绎，然后用演绎的结果对照实验结果，反复修正，以达到进一步的对自然的认识。这套方法，非常有力，这是我们都知道的。不过，我们现在也很清楚了，在人脑里面，这套精确的思考方法并不是直接的，而是非常间接的，是用很多模糊的脑活动堆砌起来的。我想，看树河友说的还是最好，就再次引用：“而它的亲戚们，发展出一种新的能力。他们学会了改造模糊记忆系统，让它变得精确，但更慢。利用这种新能力，他们能够记忆根本不存在于这世界上的物体，矩阵、曲线、微分，一个又一个的概念仿佛实体一样存放在记忆中”。

我们应该感到相当幸运。我们的脑活动，其实相当的粗糙，相当的机会主义，不信，可以参看蒲院士的科普讲演链接出处

以及这个链接：外链出处

非常有趣的，请大家欣赏。人脑里面几十种神经元细胞，参与神经信号传递的，起码有各种电活动，各种生化活动，化学反应，微量元素，等等。可以影响脑活动的东西多得很，杂得很。但是，脑活动，最终可以组织起来，形成精确的脑活动，就是概念，逻辑这一套，的确很有些惊人，这就是我说的幸运。

但是，其实幸运还不仅此。让我来举个有名的例子，量子通讯。我们都知道，量子通讯起源于对量子力学所谓隐变量的讨论探索。里面很多有趣的故事。总之，是这么一回事，通过对量子理论（本身是人脑想出来的几个准则，虽然有很多实验的支持，但是，毕竟是人脑想出来的）的深入逻辑推演，而且是非常深远的推演，用了整个全球科学家们几十年的时间，得出结论，应该有量子纠缠。然后，的确事实上发现了量子纠缠。这样才有了量子通讯。现在，量子路由器也做出来了。而且，这个事实上发现，实际上也是在非常深远的逻辑推演中看到的。这说的是，人脑活动的这种精神产物和外部世界的结合，关系极深，甚至深到令人感到害怕。

为什么要害怕？大家都知道所谓的Matrix的说法，即我们人类其实什么都不是，不过是更高层次的智慧物的一段程序，在更高层次的智慧物的超级计算机也好超级试管也好超级实验室也好中间运行。如果是这样，那么人脑活动和外部世界的极好的深度切合，就不令人吃惊，相反，反倒自然，也正应该如此。因为如果那样的话，人脑活动也好，外部世界也好，反正大家都是更高层次的智慧物的玩偶，都遵循相同的规律，这种深度切合就是必然的。其实，这正是那些持Matrix的想法的人的理由和理论。所以，如果不能找到更好的理由来解释人脑活动和外部世界的这种深度切合，的确应该感到害怕。

当然了，这些东西是没有办法证明也没有办法证伪的。说到底，也就是相信和不相信了。我是不相信的。我宁愿相信人是万物之巅峰，不相信人是高层次智慧物的玩偶。那么不相信，就要提出合理的解释来说明人脑和外部世界的这种深度切合。

我们这一代人还记得很清楚唯心唯物主义的区隔和各种批评。但是，在明了今天的科学发展的情况后，虽然我们还是相信科学实证主义，也必须承认，既往的唯心主义也是有其自身的道理的，事实上，也可以容纳进更宏大的科学框架里面。那就是，向人的思想内部的探索，由于人脑内部的实际结构，也是可以产生出对外部世界的若干正确认识的。

我的对于人脑和外部世界的这种深度切合的解释是，人脑在几亿年的进化中，其内部结构事实上已经和外部世界深度切合，否则无法环境相适应。虽然在精确思维产生前，其实都是模糊的，就是Hawkins说的时序记忆流，但是，这种模糊的时序记忆流的确是对外部世界很好的反射和高度适应。这种模糊的时序记忆流在鸟类和哺乳动物中达到了最高。再进一步，人脑发展出了更高级的结构，这种结构使得可以通过堆砌那种模糊的时序记忆流来达成概念和逻辑的精确思维。因此，这种逻辑本身，就是和外部世界切合的。这样看，恐怕人脑想出来的东西和外部世界深度切合就不是太过惊人的东西了。当然，这里面太多问题，不是能简单说清的。

我记得Fuhrer河友有一个帖子说得很好（但是我找不到该帖子了），他说，其实人的对自然的认识其实已经是人脑可能做得最好的了，如果人脑具备更大的容量，更高的层次，可能看到和理解的就完全不同了。我想的确如此。举例来说，我们可以对形式逻辑做推演，这就是说明我们的脑里面的结构，和这个形式逻辑有很紧密的关联。但是，我们不能用老子的辩证逻辑（或者黑格尔的，或者马克思的）做推演，辩证逻辑得到一个结论，就到此为止了。有人说（事实上是大多数人），这是辩证逻辑根本就不对。但是我想，可能更好的解释是，我们的脑力不够，不能做辩证逻辑的推演。如果我们有更高层次的脑结构，说不定我们就可以做了。当然这是幻想，自己相信就好了，其他人用不着相信的。

说来说去，玄的虚的，其实就是基本思想，深入研究脑结构，并且用于机器学习等领域，是重大的课题，具备非常远大的前景。这样想，如果以后的科研小组，不管研究什么的，都有一个分组是管人工脑的，科研的问题，在人脑有所不及时，就提交人工脑做推导，乃至于幻想玄想，甚至创造性地想，这样的科研小组，肯定能够做目前的小组不能做的事情。

• 偏一下讨论，不过其实很相关：社会科学的推理链条不宜长

送花成功。

作者，声望:1；铢钱:0。你，乐善:1；铢钱:-1。本帖花:1

[URL=]还有一个链接http://en.wikipedia.org/wiki/Moravec's_paradox[/URL]

这是因为，容易的是脑的底层的，实质上难得多。而对机器容易的逻辑，但是逻辑运算，其实在人脑中是很多底层的堆砌起来的，所以人感到难，但是，逻辑本身并不是那么难的，至少是相当于很多直觉的东西。

因此，需要的就是人脑要发展能力来做直接的逻辑的数学的运算，而不是像现在这样完全用很多底层的活动来堆砌。同样，需要电脑能够做哪些人脑底层的东西。不过，现在还并不清楚如何做，虽然有了很多很好的进展。

人工智能的发展在底层的比较难的功能上投入了很大，所以才会进展的缓慢。但是现在的进步已经很大了，比如语音识别，图像识别都开始进入应用领域了，虽然比人类的识别能力还是差一些，但不是太离谱了。不过路还是很长，比如人的运动能力，甚至两条腿这么“简单”的协调，还没有出现。但是反过来也说明这个技术一旦突破就拥有了很高的技术门槛。

IBM最近的那个人工智能五年内要出现的“五大”知觉都是大脑底层的功能，嗅觉，味觉，触觉等，似乎信心很大啊。

更重要的问题是，高层的逻辑思考，无疑是计算机已经实现的，这个似乎历史证明是比较容易的部分，但是做到计算机可以抽象思维，理解并产生思想，目前仍然没有着落。比如，Siri的语音识别后台有一个比较简单的NLP功能，因此可以进行简单的对话，但是复杂一点的概念就不能处理了。按照 Moravec的悖论的理解，这个方面的突破反而应该更接近更容易一些。

我个人的看法是，无疑底层的功能实现了比较讨喜，商业化的用途比较直观。但是高层思维的实现才是真正的对人的社会科技文明起决定推动作用的部分。这也是我更关心Kurzweil（虽然他以前也说做语音识别的）现在在做的事情的原因。从他公开的谈话来看，他是希望借助google的云来实现这种能力，近期的目标是通过google对每个人的大量信息掌握来提供日常帮助，类似于每个人有一个virtual秘书。但是远景是人可以通过连接他的云来提高思维能力（可能经过Cyborg那样的东西），这就是高层思维能力的部分了，如果成功的话，可以对于人的智力有很大扩展与提高，但是提供给谁呢，是科学家还是决策人，是所有人还是一部分人？

为大家着想，希望他如批评他的人所说那样，最后是好高骛远的玩笑之举。但是Larry Page这个人可不在开玩笑。我怎么看怎么感觉他LP是CIA的卧底。

而这个关键的东西，是我们现在不清楚的，那就是脑组织中间是怎么从下一层到上一层的，又怎么从上一层到下一层的。我想，这是最核心的问题。那天，看树说到他们观察到了这个东西，那就是在冥冥中，他们看到一个神经元在某种图像出现时总是兴奋。我想，这就是我们要抓的东西了。当然，现在还比较困难，至少要准确重复他们观察的那个东西，并且解释清楚，还有相当的困难。但是，我想，那是方向。

搞清楚了这个东西，恐怕很多事情就好做了。恐怕真的如我玄想的那样，如果能够有更大的容量，我们可以组织起更高层的思维组织结构，我们就超越了目前的形式逻辑，走向更高层的思维方式。

不过，要搞清这个东西，还是从底层做起更好。总之，要搞清脑的底层在做什么，还是很难的。目前的那些“语音识别，图像识别”恐怕都还是运用数学公式多一些，而真正接触脑的功能的部分少一些。就是说，还有很长的路要走。

看来这个话题目前仅有几个人在谈了。是怎么回事情？难道说，西西河仅有我们几个人感兴趣？

【原创】Web作为扩展的脑 [ 西瓜大丸子汤 ]链接出处 非常好，建议大家都读。看来河里沉淀下来的好东西不少，希望更多翻出来，加以新的讨论。

简单说两句。Web作为人脑的延伸，这个事情，在10年前就有很多人看清楚了。但是，具体的实现，还有待许多不可或缺的技术发展。可以预见，在不长的时间中，这些技术发展都会逐渐具备。那时，web就真的成了人脑的延伸，很具体，每时每刻都在用的延伸。如果还有更好的人机功能交换，就可以做到，至少是部分做到，人脑的一部分精确思维就直接交给web，或者云，来做了。举例来说，我看见一个无穷级数，我想算其值，我就调动某种人机界面，把我的解决思路放进去，云就帮助我把其他事情做了。这样一来，世界上的欧拉们和冯诺曼们就多起来了。这就是所谓人脑要能直接做精确的。

还有，西瓜河友提到的那个，云其实可以把世界上的人脑集合起来，做以前做不到的事情，也是即将成为现实的。关键的东西还是合适的人机界面。

那么，我想，要做这样的人机界面，就特别需要对人脑的这个时序记忆流，以及如何操控这个时序记忆流有足够的理解。而且，这里，就再次看到，如何从下层到上层的重要性了。

在那里，还有一个帖子说得很好： 【讨论】记忆力还是很重要的 代码ABC链接出处 他这句话：“所以，我认为记忆力还是很重要的，其实大脑并不是一个单纯的记忆工具。天知道它在记下之后又做了什么处理。这点和互联网上的硬盘有本质的区别”，给我一个重大启发，那就是，一旦某种东西某些信息记入了人脑的那些时序记忆流，事实上是对这些信息做了整备，使得可以和上层和下层的脑结构做顺畅交流。这恐怕就是我们要做的最关键的地方了。但是，他又有一个地方说得不够好了：“我觉得搜索引擎之类的东西还是无法取代记忆力”。目前他是对的。但是，一旦有了更好的人机界面，云不仅可以取代记忆力，而且将全面超越记忆力。

问题是：应该怎么样来对信息做整备呢？

送花成功。

作者，声望:1；铢钱:0。你，乐善:1；铢钱:-1。本帖花:1

先说明一下，这个帖子我是在路上看到的，当时无法回。回来后，也一直没有回复。其实是因为不太好回复，要深入讨论，有相当的难度。现在来就几个问题，说一下想法。

首先想说，人脑其实并不简单。这可以从两个方面来看。一是看实验结果。可以看蒲院士的那个科普讲演。也可以看关于脑神经元的基本课程。这些都说明，脑神经元的工作原理其实是很复杂的。我想的，是非常“机会主义的”，那就是说，生物抓住了一些很偶然，很巧妙的机会，因而使得神经元细胞有了处理信息的能力。这种能力耗能非常低，就是源于这种“机会主义”。脑里的神经元也有很多种，参与神经元活动的反应也很多，非常巧妙，这些都可以在蒲院士的讲演中看到。

另一个方面，可以这样看，我想，通过进化出现的东西，多半是结构重重叠叠，反复曲折的，而不是像人工设计的东西那样，有一个清晰的图景。人脑是几亿年的进化的产物，就更应该是多种矛盾的东西相互冲突后的产物，如果要细细捋起来，肯定相当复杂。这点，仅需要想想不过40年历史的互联网的复杂度，就可以充分理解了。

但是，人脑的高度复杂度并不说明，人脑的最重要的规律就一定复杂无比。可以比拟的就是互联网。互联网其实已经非常复杂了。但是，如果抓住其中的最核心的规律，也不过是若干协议，基本上可以在不长的篇幅中表述，特别，如果是关心抽象和高层次的规律的话。我们也可以用同样的思考方式来对人脑。其实这正是大家都希望的。如果某天，我们把最重要的规律掌握了，其他的那些更次一级的规律，可以留待以后再说。

你说到：“我有理由推理，生物脑只是基于一个简单原理的大量重复。应该没有什么特异的算法，生物脑的算法原理应该是很简单的”。如果你是意指脑中的最重要的规律，我的想法就和你一样。的确，我们希望应该有一个相对简单的规律，来控制脑中的那个最重要的活动，即时序记忆流的处理。不过，在事实上找到这些规律之前，我们的希望仅算是一种期望，一种信念，一种祝福。

Hawkins对脑内的最重要活动有很多写作。如果不是相信有一个相对简单的规律，他恐怕就不会做这些写作了。但是，迄今为止，在那么多的研究之后，这个规律还是很神秘的，没有露出面目。这次的欧盟出大钱来研究脑结构外链出处，恐怕也是期望有所突破。据报道，他们的方法可能是硬功夫，即做非常多的MRI，针对很多脑活动，仔细看这些脑活动之间的关系。希望这样的研究可以产生很多很好的实验数据，帮助我们深入认识。如果能够帮助我们认识到那个相对简单的规律，那就善莫大焉。不过呢，我并不寄希望，事情没有那么容易的。

但是，人工脑也未必需要等到我们对生物脑有了非常全面的了解。大家都是希望，在了解基本结构的情况下，就可以着手用各种人工的方式来实现部分的脑功能。事实上，人工智能的努力从计算机的第一天就开始了，甚至在人们对智能有比较深入的了解前。不过，这样的努力是否能够有所突破，还是要看我们对脑的能力的了解是否抓住了关键之处。如果能够抓住，这种努力应该可以产生好的结果。如果不能抓住，效果恐怕就还是不好。现在我们还看不到。继续观察吧。

纯以功能为向导，是一种思路。但是，有很大的局限。通常，这种以功能为导向的活动，其实就是在某个特定领域，找寻这个领域的某些比较浅表的数学规律，统计规律，或者某个模型的规律，然后按照这个规律编程。你说的：“语言识别，图像识别，人脸识别，空间定位，机械手控制，电脑医生，自动驾驶。。。”，应该是这个范围内的。那么，这样的功能导向的研究，其实对脑的内部规律的探寻的帮助并不是很大（不过也是有帮助的）。这样做的结果，我们现在看得比较清楚了，那就是，这样形成的软硬件系统，比较缺乏灵活性，离开高智能还差得很远。当然，这样的努力，应该成为工业界的主流，是没有疑义的。实际上，也的确是工业界的主流。包括现在热门的机器学习等，应该属于这个范围的。

但是，努力探索脑的内部功能和规律，并且用来指导人工脑的研究和探索，是更有远大前景的路子。

至于模拟蚯蚓等，可看Kurzweil的书，他提到哈佛有人在做比蚯蚓还要低级很多的虫子的脑模型。这也是很不容易做的。

象电影骇客帝国（MATRIX）一样，缩短学习时间。什么开飞机呀，练武术呀，最多就是一个开机BOOTUP 的时间。也就没有器官老化的问题了。

否则很多时候无法讨论，不过即使贴出来可能也无法讨论，所谓曲高和寡。

不完全是记忆力，或者是不同的记忆力，类似顿悟的东西我觉得就是把记忆里面对的东西找到并和对的东西结合起来了。而同时照应的东西多，则能得到对的结合的机率就大。