本文為機(jī)器之心（微信號(hào)：almosthuman2014）投稿。原文作者為人工智能創(chuàng)業(yè)公司Demiurge Technologies 聯(lián)合創(chuàng)始人Bragi Lovetrue，其受EETimes之邀寫了這篇文章。翻譯由機(jī)器之心完成。

　　編者按：Bragi Lovetrue是Demiurge Technologies 的聯(lián)合創(chuàng)始人，該公司位于瑞士，旨在推進(jìn)服務(wù)于人類的深度學(xué)習(xí)、類腦工程和智能機(jī)器人領(lǐng)域的科技突破與應(yīng)用轉(zhuǎn)化。作為一位跨領(lǐng)域科學(xué)家，Bragi 在美國(guó)紐約大學(xué)和卡耐基梅隆大學(xué)期間為了發(fā)現(xiàn)制約人工智能發(fā)展的根本問題，設(shè)計(jì)了一套重新改造計(jì)算機(jī)科學(xué)基礎(chǔ)的綜合性研究項(xiàng)目。Bragi 和他的聯(lián)合創(chuàng)始人Idonae Lovetrue正在帶領(lǐng)一支全球最頂尖的專家團(tuán)隊(duì)測(cè)試實(shí)現(xiàn)下一代人工智能的感知計(jì)算「圖靈機(jī)」。

　　阿蘭·圖靈堅(jiān)稱人腦和現(xiàn)代計(jì)算機(jī)有著相同的計(jì)算模型，即「圖靈機(jī)」。然而，約翰·馮·諾依曼認(rèn)為大腦在本質(zhì)上不同于現(xiàn)代計(jì)算機(jī)的體系結(jié)構(gòu)，即「馮·諾依曼架構(gòu)」。如果他們不可能都正確呢？

　　近期，類腦芯片的話題在全球引發(fā)了廣泛關(guān)注�？茖W(xué)界和工業(yè)界啟動(dòng)了一系列先進(jìn)項(xiàng)目打造硅基大腦，希望能夠賦予下一代智能機(jī)器（無人機(jī)、機(jī)器人和自動(dòng)駕駛汽車等）真正像人一樣的智能。大規(guī)模協(xié)作將神經(jīng)系統(tǒng)科學(xué)家與計(jì)算機(jī)科學(xué)家召集在了一起——比如歐盟的人類腦計(jì)劃(HBP)，DARPA資助的SYNAPSE項(xiàng)目（譯者注：DARPA和IBM合作的類腦芯片研發(fā)項(xiàng)目），還有美國(guó)腦計(jì)劃——這些都吸引了足夠多的眼球，并激發(fā)著我們的想象力。

　　在最近參加兩次相關(guān)峰會(huì)——Brain Forum和CapoCaccia Neuromorphic Engineering Workshop之后，我不禁好奇，我們對(duì)人工智能的追求，是否在朝著正確的方向邁進(jìn)。

　　計(jì)算機(jī)是表達(dá)和處理信息的機(jī)器。自現(xiàn)代計(jì)算機(jī)出現(xiàn)以來，腦科學(xué)的目標(biāo)就是理解大腦作為計(jì)算機(jī)是如何工作的，而人工智能的目標(biāo)是建造出像大腦一樣的計(jì)算機(jī)。但是，現(xiàn)代計(jì)算機(jī)的兩位奠基者卻在「大腦在本質(zhì)上是不是現(xiàn)代計(jì)算機(jī)」這一議題上存在著分歧：阿蘭·圖靈堅(jiān)稱大腦和現(xiàn)代計(jì)算機(jī)有著相同的計(jì)算模型，即「圖靈機(jī)」，然而，約翰·馮·諾依曼認(rèn)為大腦在本質(zhì)上不同于現(xiàn)代計(jì)算機(jī)的體系結(jié)構(gòu)，即「馮·諾依曼架構(gòu)」。

　　深度學(xué)習(xí)和神經(jīng)形態(tài)工程學(xué)是腦科學(xué)與人工智能目標(biāo)交叉融合的絕佳典范。在深度學(xué)習(xí)和神經(jīng)形態(tài)工程學(xué)界有著廣泛的共識(shí)——理解大腦的工作原理和建造類腦計(jì)算機(jī)都需要在保留「圖靈機(jī)」的基礎(chǔ)上徹底改變「馮·諾依曼架構(gòu)」。

　　但是，這種觀點(diǎn)是站不住腳的，原因在于：計(jì)算機(jī)架構(gòu)只是計(jì)算模型的物理實(shí)施方案，而計(jì)算模型本質(zhì)上是一種數(shù)學(xué)構(gòu)建。因此，要真正改變馮·諾依曼計(jì)算架構(gòu)， 就必然要改變圖靈計(jì)算模型。那么什么時(shí)候會(huì)出現(xiàn)模型上或者架構(gòu)上的根本性變革？我們應(yīng)該期待哪一種變革先行到來？

　　通常來說，全新的計(jì)算模型會(huì)先出現(xiàn)于全新的計(jì)算機(jī)架構(gòu)，因?yàn)榭萍际凡粩嘀匮葜�這樣的發(fā)展規(guī)律：原理的發(fā)現(xiàn)先于系統(tǒng)的設(shè)計(jì)。而另一方面，科學(xué)史中也有不計(jì)其數(shù)的慘痛教訓(xùn)表明，我們?cè)谕ㄟ^反向工程自下而上地理解物理系統(tǒng)的數(shù)學(xué)模型時(shí)是多么的盲目。畢竟，圖靈的計(jì)算模型幾乎比馮·諾依曼的計(jì)算機(jī)架構(gòu)早出現(xiàn)十年。

　　鑒于大腦可能是宇宙中最復(fù)雜的物理系統(tǒng)，我們?cè)趯?duì)大腦進(jìn)行反向工程時(shí)勢(shì)必會(huì)處于最盲目的狀態(tài)。這種盲目已經(jīng)成為人工智能歷史上種種「無法兌現(xiàn)的承諾」的罪魁禍?zhǔn)�。而�?duì)這種盲目的無視正在將人工智能和腦科學(xué)置于另外一場(chǎng)本末倒置的危機(jī)中。歐盟腦計(jì)劃和美國(guó)腦計(jì)劃這類項(xiàng)目建立了開放式的合作機(jī)制來收集海量全面的大腦數(shù)據(jù)，但缺乏對(duì)等的合作機(jī)制來探究統(tǒng)一基本的大腦理論。一些神經(jīng)形態(tài)芯片項(xiàng)目，無論是IBM的TrueNorth還是高通的Zeroth，雖然都聲稱已經(jīng)成功開發(fā)出了非馮·諾依曼的新型計(jì)算機(jī)架構(gòu)，然而就背后對(duì)應(yīng)的非圖靈機(jī)的新型計(jì)算模型，仍無頭緒。

　　為什么如此多聰明的頭腦和資源豐富的機(jī)構(gòu)在期待一場(chǎng)顛覆式的「革命」，但同時(shí)卻在行動(dòng)中轉(zhuǎn)向了一次循序漸進(jìn)的「演變」呢？我對(duì)上述事項(xiàng)的觀察結(jié)論是，問題的癥結(jié)在于人工智能和腦科學(xué)領(lǐng)域用于引導(dǎo)漸進(jìn)式發(fā)展的基準(zhǔn)并不適用于啟發(fā)革命性突破�！秆葑儭顾�需的基準(zhǔn)衡量的是新的結(jié)果是否比以前更好，但「革命」所需的基準(zhǔn)衡量的是新的結(jié)果是否離目標(biāo)更近。比過去更好往往并不一定意味著離目標(biāo)更近。工程師文化中對(duì)于漸進(jìn)式改良和立即可用的偏好產(chǎn)生了許多非常有效的基準(zhǔn)來引導(dǎo)漸進(jìn)式發(fā)展，比如計(jì)算機(jī)視覺領(lǐng)域中的ImageNet。 但是工程師思維的盛行令人工智能與腦科學(xué)的發(fā)展更加受制于對(duì)反向工程致命缺陷的忽視，正在阻礙著革命性突破的到來。如同以「演變」的檔位駕車行駛在「革命」的高速公路上，雖然我們一直在前行，但慢車速會(huì)讓我們被迫從快車道切換到慢車道，在不知不覺中漸漸駛出「革命」的高速公路。雖然提出「革命」所需的基準(zhǔn)是一項(xiàng)困難重重的挑戰(zhàn)，但我們能從生物大腦和現(xiàn)代計(jì)算機(jī)的對(duì)比中發(fā)現(xiàn)一些原則性線索。

　　四條線索

　　第一條線索是生物大腦和現(xiàn)代計(jì)算機(jī)所處理的是不同類型的信息。從有302個(gè)神經(jīng)元的秀麗隱桿線蟲到擁有1000億個(gè)神經(jīng)元的智人， 生物大腦處理的是由各種感官傳感器收集的感知信息。從智能手機(jī)到超級(jí)計(jì)算機(jī)， 現(xiàn)代計(jì)算機(jī)處理的是由程序員定義的符號(hào)信息。處理感知信息對(duì)大腦來說極其容易，但對(duì)現(xiàn)代計(jì)算機(jī)來說卻異常困難。相反，處理符號(hào)信息對(duì)大腦來說相對(duì)困難，但對(duì)現(xiàn)代計(jì)算機(jī)來說卻是小菜一碟。這與被認(rèn)為是人工智能迄今最重要的觀察—莫拉維克悖論相一致。即便大腦和圖靈機(jī)都是通用計(jì)算模型，但是它們?cè)诒举|(zhì)上是處理不同類型信息的不同模型。

　　第二條線索是大腦和現(xiàn)代計(jì)算機(jī)有著截然不同的功耗與表現(xiàn)之間的動(dòng)態(tài)關(guān)系。在處理感知信息方面，大腦的表現(xiàn)和功耗都要優(yōu)于現(xiàn)代計(jì)算機(jī)多個(gè)數(shù)量級(jí)。對(duì)于大腦而言，功耗和算法表現(xiàn)存在著亞線性的動(dòng)態(tài)關(guān)系，即大幅提升算法表現(xiàn)只需增加少量功耗。但對(duì)于現(xiàn)代計(jì)算機(jī)而言，功耗和算法表現(xiàn)卻存在著超線性的動(dòng)態(tài)關(guān)系，即略微提升算法表現(xiàn)需要增加大量功耗。 即便像IBMTrueNorth那樣的神經(jīng)形態(tài)架構(gòu)能夠達(dá)到大腦級(jí)別的功耗水平，或像FacebookDeepFace那樣的神經(jīng)網(wǎng)絡(luò)模型能夠達(dá)到大腦級(jí)別的表現(xiàn)水平，但它們沒有實(shí)現(xiàn)功耗與表現(xiàn)之間的亞線性動(dòng)態(tài)關(guān)系，因此并非突破性進(jìn)展。

　　第三條線索是大腦和現(xiàn)代計(jì)算機(jī)有著不同的信息處理與信息存儲(chǔ)之間的關(guān)系。就大腦而言，信息的處理與存儲(chǔ)不可分割，大腦的每一個(gè)計(jì)算單元在信息處理和存儲(chǔ)中都發(fā)揮著同等作用。相較之下，就現(xiàn)代計(jì)算機(jī)而言，信息的處理與存儲(chǔ)相互分離，一些計(jì)算單元負(fù)責(zé)信息處理，其他計(jì)算單元負(fù)責(zé)信息存儲(chǔ)。即便一個(gè)新的計(jì)算機(jī)架構(gòu)（例如IBM TrueNorth芯片）極大縮小了信息處理單元與存儲(chǔ)單元之間的距離，但只要信息處理和存儲(chǔ)依然是分離的，那么這與馮·諾依曼架構(gòu)并無本質(zhì)區(qū)別。

　　傳感器和感知信息的指數(shù)級(jí)增長(zhǎng)正在加速?gòu)姆��?hào)計(jì)算到感知計(jì)算的范式革命。但一個(gè)不容忽略的事實(shí)是，生物感知計(jì)算機(jī)已經(jīng)存在了數(shù)億年之久，而第一臺(tái)符號(hào)計(jì)算機(jī)則出現(xiàn)在70年前�？茖W(xué)的發(fā)展史表明，許多顯著的復(fù)雜系統(tǒng)實(shí)際上都是被一些相對(duì)簡(jiǎn)單的通用定律所支配，現(xiàn)代計(jì)算機(jī)就是一個(gè)范例。因此，第四條線索是感知計(jì)算機(jī)的計(jì)算模型必須要像圖靈機(jī)一樣簡(jiǎn)潔通用。否則，相對(duì)于由大量電力驅(qū)動(dòng)的人工符號(hào)計(jì)算機(jī)，生物感知「計(jì)算機(jī)」不可能在一個(gè)能量相對(duì)匱乏并且供應(yīng)不穩(wěn)定的真實(shí)世界里繁榮發(fā)展并延續(xù)至今。

　　通過對(duì)大腦進(jìn)行自下而上的反向工程以試圖破解大腦的計(jì)算模型在理論上是可能的，但實(shí)際上未必可行。因?yàn)樵谄瘘c(diǎn)的毫無頭緒令我們極易渾然不知地選錯(cuò)方向，而在途中的各種發(fā)現(xiàn)帶來的自我肯定令我們更難察覺起初方向上的錯(cuò)誤， 直到盡頭時(shí)，現(xiàn)實(shí)與預(yù)期之間的巨大反差令我們難以在耗費(fèi)大量時(shí)間和資源后從頭再來。但是從以上四條線索我們可以按圖索驥，建立一個(gè)新的基準(zhǔn)來指導(dǎo)我們以自上而下的方式探求大腦背后的通用計(jì)算模型，即感知計(jì)算的「圖靈機(jī)」：大腦使用0和1來表達(dá)通過物理傳感器收集來的信息，現(xiàn)代計(jì)算機(jī)使用0和1來表達(dá)由人類自由定義的信息。兩段分別由大腦和現(xiàn)代計(jì)算機(jī)生成的擁有完全相同的01組合的二進(jìn)制代碼，卻表達(dá)著截然不同的信息。大腦生成每一個(gè)比特的信息都有著特定的物理維度，而現(xiàn)代計(jì)算機(jī)生成每一個(gè)比特的信息則沒有這樣的維度。圖靈機(jī)定義的符號(hào)計(jì)算從一開始就假設(shè)每一個(gè)比特本身沒有任何信息維度，因此大腦的感知計(jì)算模型必然超越了「圖靈機(jī)」。

　　等待下一個(gè)「圖靈」

　　對(duì)于我們現(xiàn)在所關(guān)心的深度學(xué)習(xí)模型和神經(jīng)形態(tài)芯片來說，我們處在下一個(gè)阿蘭·圖靈出現(xiàn)之前百家爭(zhēng)鳴的階段。神經(jīng)形態(tài)計(jì)算領(lǐng)域一直被歐洲研究者取得的成就所主導(dǎo)。我在歐洲的觀察也表明，這里比全世界其他任何地方都準(zhǔn)備好了實(shí)現(xiàn)非圖靈計(jì)算模型的突破，因?yàn)闅W洲的領(lǐng)航者們已經(jīng)建立了完備的用于測(cè)試下一代神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)設(shè)施：Steve Furber，當(dāng)今智能手機(jī)芯片所采用的ARM架構(gòu)之父，在曼徹斯特大學(xué)已經(jīng)建成了世界上第一個(gè)專門用于測(cè)試下一代神經(jīng)網(wǎng)絡(luò)功能屬性的數(shù)字「風(fēng)洞」設(shè)施 SpiNNaker ；Giacomo Indiveri， 在全球類腦計(jì)算中心蘇黎世大學(xué)已經(jīng)建成世界最先進(jìn)的用于測(cè)試神經(jīng)網(wǎng)絡(luò)物理屬性的模擬「風(fēng)洞」設(shè)施ROLLS。

　　正在極速增長(zhǎng)的對(duì)人工智能普世應(yīng)用的龐大需求， 使人工智能學(xué)術(shù)界與產(chǎn)業(yè)界正在以過去無法想象的速度融合，令人工智能的科學(xué)價(jià)值與應(yīng)用價(jià)值正在以前所未有的方式統(tǒng)一。因此，神經(jīng)網(wǎng)絡(luò)計(jì)算模型的突破將會(huì)為全人類的生活來帶來質(zhì)的飛躍。我們雖然無法預(yù)測(cè)何時(shí)何地會(huì)出現(xiàn)下一個(gè)「圖靈」，但我們一定能夠共創(chuàng)最優(yōu)的生態(tài)系統(tǒng)來吸引下一個(gè)「圖靈」。