我們總是有一種沖動，想制造擁有智慧的機器人來替我們解決麻煩。然而我們連自己的大腦如何運作都還沒搞清楚，人工智能未來將是抄襲人腦嗎？

工作太傷腦，那來仿造人腦造一臺計算機來代替人工作怎么樣？其實，這樣瘋狂的想法并不是現(xiàn)在才被提出了來，早在20年前就有科學家提出了這一方法，不過，時至今日，我們連自己的大腦如何運作都還沒搞清楚，更遑論造出和我們一樣的人工智能了。用“荊棘密布、道阻且長”來形容人工智能這條道路，絲毫不為過。

1956年夏天，十個來自不同學科的年輕學者召開了兩個月的研討會，第一次提出人工智能這一概念。從此，“探尋智能的本質(zhì)”這個浪漫的夢想一直扎根于人們心中。造出一個和我們一樣“聰明”的機器人，也成為了這個夢想的終極目標。

“圖靈機”可以說是現(xiàn)在大家經(jīng)常在用的電腦的前身。圖靈機是由圖靈提出的最早的計算機想象模型，其基礎(chǔ)是把數(shù)學和邏輯進行抽象整合，從而使之實現(xiàn)復雜的計算。之后，“計算機之父”馮·諾依曼在其基礎(chǔ)上設計了最早的計算機。經(jīng)過這么多年，雖然計算機的形態(tài)已經(jīng)幾經(jīng)改變，然而其內(nèi)核仍然沒有變，那就是以數(shù)學計算為核心。

那么，現(xiàn)在的計算機和人腦究竟有多大的區(qū)別呢？中國人工智能學會副理事長譚鐵牛院士給出了一個數(shù)字：人的大腦包含10的11次方數(shù)量級的神經(jīng)元，包含10的14次方數(shù)量級的神經(jīng)節(jié)點。而目前實驗室中最先進的CPU中晶體管也只能達到200億個。這個差距雖然看上去不大，但從工作原理上來看，大腦的每一個神經(jīng)元都是相互協(xié)作，分別處理信息的，而計算機卻智能依靠一個統(tǒng)一的計算中心。從結(jié)構(gòu)上來說，腦功能是分區(qū)的，而計算機卻沒有功能分區(qū)，反而有專用的存儲中心、運算中心以及連通二者的總線。

總之，大腦和計算機的組織方式完全是兩個方向。“電腦”離“人腦”中間還差幾光年的距離！

來看看上邊這幅圖片，這是一幅普通的紐約街景，對于現(xiàn)有的機器圖像識別來說，所有的物體都很容易被定義，只有左下角這個由于快門過慢而虛化的汽車最難被機器識別，這個在人類腦海里只需要0.1秒就可以做出的判斷，在機器中似乎是不可能完成的任務。有人曾經(jīng)使用最龐大的計算機來識別這張圖片，仍然用了超過人類1000倍的時間，而且功率居然高達120億瓦。順便說一句，人腦的功率只有20瓦。

是否需要新的人工智能模式？

不過，傳統(tǒng)的人工智能并非一無是處，依靠大數(shù)據(jù)和物聯(lián)網(wǎng)，它可以做很多超越人腦的事情，比如由德國工業(yè)機器人巨頭KAKU生產(chǎn)的機械臂，就曾經(jīng)和人類來了一場乒乓球大戰(zhàn)，想看視頻可以戳這里（乒乓球賽：德國冠軍 VS 機器人）不過，這個機械臂可是配了喪心病狂的36只眼睛（攝像頭）啊。

近幾年，科技日新月異，在“類腦芯片”出現(xiàn)在我們的視野。2011 年的時候，IBM的人工智能機器人Watson 在美國智力競賽節(jié)目"Jeopardy"中以超越了第二名數(shù)倍的成績獲獎。

然而，傳統(tǒng)人工智能僅僅依靠大數(shù)據(jù)和計算速度的進步似乎并不能持續(xù)了。IBM中國研究院的蘇中教授表示：

IBM研發(fā)的最先進的芯片是7nm制程的，而分子的尺度已經(jīng)達到了2nm，在現(xiàn)有的技術(shù)下，晶體管的發(fā)展不可能突破分子尺度。這就意味著預言每18個月芯片尺度縮小一半的摩爾定律已經(jīng)接近極限。計算機性能的提升也馬上就遇到瓶頸。

中科院自動化所腦網(wǎng)絡組研究中心主任蔣田仔表示，電腦處理大規(guī)模信息時更有效，但是面對模糊思考，人腦無疑更有效，所以人工智能的新方向需要從人腦找靈感。

由于圖靈機需要在存儲器和運算器之間不斷傳輸數(shù)據(jù)，，所以制造"類腦芯片"首先就要去掉這種結(jié)構(gòu)。IBM神經(jīng)元計算芯片SyNAPSE，去掉了主線，CPU和內(nèi)存的數(shù)據(jù)交互，減輕了大量的功耗。當時，萬能的雷鋒網(wǎng)也曾經(jīng)有過報道（IBM模仿人腦打造有“思考能力”的芯片）不過，別以為這個芯片就是按照大腦的運作方式運行了，因為人類到現(xiàn)在都還不知道大腦具體究竟如何運行。這個芯片只是在某些結(jié)構(gòu)方面仿照大腦運行而已，論效率嘛。。。我們還是說點別的吧。

“腦機接口”可以實現(xiàn)嗎？

如果我給你一杯滾燙的水，你一定在第一時間松手。如果等信息傳到大腦，然后大腦經(jīng)過分析，決定下達松手的指令，再把指令傳到手掌，雖說只有0.2秒的時間，但是你很可能已經(jīng)因此受傷。實際上，你的手臂是擁有智能的。這些智能同樣來源于你的神經(jīng)分布。

人工智能不僅可以向人腦學習，同樣也可以向人的身體學習。

其實這樣先進的理念已經(jīng)在人工智能中運用了。比如與電腦或者手機相聯(lián)系的智能攝像頭，本身就在做著信息的篩選，比如視野范圍內(nèi)的物體沒有運動時，就保持休眠狀態(tài)，一旦檢測到運動，則開始記錄并且通知手機。一個冰箱可以自動檢測它里面是否還有雞蛋，是否有食物快要超過保質(zhì)期，從而通知手機。

地平線機器人科技CEO余凱向表示：

在未來的世界，人們哪怕沒有意識到產(chǎn)生數(shù)據(jù)，各個傳感器和攝像頭也都在產(chǎn)生數(shù)據(jù)。萬物智能時代將會有幾百億的網(wǎng)民，其中六十多億是人，剩下的全是機器人。每個智能網(wǎng)絡內(nèi)的硬件都分別有自主的能力。

然而，以上這些還不夠炸裂，國防科學技術(shù)大學教授胡德文認為：“如果人工智能真的可以在某些方面模擬人腦的運作，那么下一步的人工智能發(fā)展方向一定是提供腦機互聯(lián)。”

把視覺、聽覺信息輸入人腦，再根據(jù)腦電波形成可以被機器識別的數(shù)學模型，從而達到用腦電波控制計算機的目的，就是腦機互聯(lián)的基本邏輯。雖然目前科學家可以通過磁共振信號解析出被試者腦海里試圖拼寫的字母，然而也僅此而已。因為人的腦電波非常微弱，從中分離出視覺信號是一件非常艱難的事情。這也到達了目前人工智能研究的最前沿。據(jù)說中國科學家正在嘗試用腦電波控制汽車，已經(jīng)成功撞倒了數(shù)名警察。

說到這，還是引用一句圖靈的話吧，我們只能看到未來的不遠處，但是就在這么短的距離內(nèi)，我們?nèi)耘f有很多事情要做。所以，借鑒人類大腦可能是一個發(fā)展方向，而不是我們現(xiàn)在的目標。隨著生物學的發(fā)展，當我們完全搞清大腦的結(jié)構(gòu)，再考慮仿造大腦的機理來制造具有智慧的機器人也不遲。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！