在本书中，我们重点介绍了神经网络设备的主要细节：它们如何工作，如何将它们用于序列识别问题。 这种材料可以直接应用于实践中。 但是，当然，人们对NS感兴趣的原因之一是希望它们有一天能够超越简单序列识别的范围。 也许它们或其他基于数字计算机的方法最终可以用于创建可以与人类智能竞争或超越人类智能的思维机器？ 这个想法远远超出了书中讨论的内容或地球上任何人的专有技术。 但是推测这个话题总是很有趣。
关于计算机原则上是否可以达到人类智能水平，一直存在许多争论。 我不会考虑这个问题。 尽管进行了辩论，但我相信创建智能计算机的可能性没有受到严重怀疑-尽管这项任务可能非常困难，并且可能远远超出现有技术-并且当前的批评家有一天会发现自己处于过去的重要
主义者的位置。
相反，我想研究另一个问题：是否有一套简单的原理可以用来解释诸如智能之类的现象？ 特别是，更具体地说，是否存在用于创建智能的简单算法？
真正简单的用于创建智能算法的想法非常大胆。 她听起来可能过于乐观以至于无法做到。 许多人有一种持久而直观的感觉，即智力具有无法简化的显着复杂性。 他们对人类思想的惊人多样性和灵活性印象深刻，以至于得出结论，简单的算法不可能创造智能。 但是，尽管有这种直觉，但我认为在这个问题上不要仓促得出结论。 科学史上充斥着一些示例，这些示例说明了最初看起来极为复杂的现象后来如何通过一组简单但功能强大的思想进行解释。
例如，考虑天文学的早期。 从远古时代开始，人们就知道天空中有各种各样的物体：太阳，月亮，行星，彗星，恒星。 这些物体的行为完全不同：例如，恒星雄伟而有规律地在天空中移动，但彗星似乎从无处出现，飞过天空，然后消失。 在十六世纪，只有天真的乐观主义者才能想象这些物体的所有运动都可以用一套简单的原理来解释。 但是在十七世纪，牛顿提出了万有引力理论，它不仅解释了所有这种运动，而且解释了地球上的现象，例如潮汐和与地球相关的壳的行为。 回想起来，十六世纪的天真乐观主义者似乎是悲观主义者，要求的东西太少了。
当然，在科学界还有更多这样的例子。 考虑一下组成我们世界的无数化学物质，它由周期表很好地解释，周期表又是根据可以从量子力学中获得的几个简单规则建立的。 或生物世界的复杂性和多样性的奥秘，其来源原来在于通过自然选择进化的原理。 这些例子以及其他许多例子都表明，根据大脑的行为以及当前最佳的智能例子，简单地解释一下智力的工作方式是不明智的。
在此后记中，我假设，如果计算机的功能与人类思维的能力相一致或超过其能力，则可以认为它是合理的。 即，智能算法的存在性的问题是可以以与人大致相同的方式思考的算法的存在性的问题。 值得注意的是，原则上，某些形式的思维可能不包含人类的思想，而同时又以某种有趣的方式超越了人们的思想。
另一方面，尽管有所有这些乐观的例子，但从逻辑上讲，有可能只能通过大量根本不同的机制来解释智力。 就我们的大脑而言，这种机制可能是对进化过程中自然选择的许多不同要求的反应而产生的。 如果这种观点是正确的，那么智能将涉及不可弥补的复杂性，并且不可能创建简单的智能算法。
这两种观点中的哪一种是正确的？
为了深入研究这个问题，让我们问一个与之密切相关的问题，但另一个问题-是否有关于人脑工作原理的简单解释？ 特别是，我们将研究量化大脑复杂性的方法。 第一种方法是从
连接的角度研究大脑。 我们直接谈论的是连接：大脑中有多少个神经元，神经胶质有多少，神经元之间有多少连接。 您可能之前已经看过这些数字：大脑中大约有1000亿个神经元，1000亿个神经胶质细胞和神经元之间的100万亿个连接。 这些数字是惊人的。 他们很害怕。 如果您需要了解所有这些连接的细节（更不用说神经元和神经胶质细胞）才能了解大脑的工作原理，那么我们肯定不会获得简单的智能算法。
从分子生物学的角度来看，大脑还有第二种更为乐观的观点。 这个想法是要问需要多少遗传信息来描述大脑的结构。 为了理解这一点，让我们从研究人类和黑猩猩之间的遗传差异开始。 您可能会碰到一个普遍的说法，即“人类是98％的黑猩猩”。 有时，数字范围从95％到99％。 发生这些变化的原因是，最初通过比较人类黑猩猩基因组的部分样本而不是整个基因组来比较数量。 但是，在2007年，黑猩猩的基因组已完成完整
测序 ，现在我们知道，人类和黑猩猩的DNA大约有1.25亿对配对的DNA碱基。 这是来自每个基因组中的30亿对配对碱基。 所以您不能说一个人是98％的黑猩猩-谈论96％的黑猩猩会更正确。
1.25亿个配对碱基中包含多少信息？ 每个配对的碱基都可以用以下四种可能性之一进行标记-遗传密码的“字母”，腺嘌呤，胸腺嘧啶，鸟嘌呤和胞嘧啶碱基。 因此，每一对都可以用两位信息来描述-只是为了识别四个标签之一。 因此，1.25亿个配对碱基等于2.5亿位信息。 这是人类和黑猩猩之间的遗传差异！
当然，这2.5亿比特是造成人类与黑猩猩之间整个遗传差异的原因。 但是我们只对与大脑有关的差异感兴趣。 不幸的是，没人知道遗传差异能描述大脑的差异。 但是，仅出于清楚起见，假设2.5亿位中的大约一半是造成这种差异的原因。 结果是1.25亿位。
1.25亿位的数字令人惊讶。 让我们看看这是多少，将其转换为更易于理解的术语。 特别是，等效的英语文本将是多大？ 事实证明，英语的信息内容对应于每个字母一位。 这听起来像是一个相当低的评级-毕竟，字母有26个字母-但是，英文文本包含大量的冗余。 当然，可以说基因组中存在冗余，并且成对碱基上的两位是枚举。 但是我们将忽略它，因为在最坏的情况下，这意味着我们将高估大脑的遗传复杂性。 假设所有这些，我们将看到我们的大脑和黑猩猩大脑之间的遗传差异相当于1.25亿个字母，即2500万个英语单词。 这是《
詹姆斯国王圣经》所载内容的30倍左右。
大量信息。 但不是很大。 它落在人脑的规模上。 也许不是一个人能理解此代码中编写的所有内容，但是一群人可能可以使用适当的专业知识来集体理解它。 而且，尽管这是大量的信息，但是与描述大脑中存在的1000亿个神经元，1000亿个神经胶质细胞和100万亿个连接所需的信息相比，它显得微不足道。 即使我们使用简单粗略的描述（例如10个浮点数来描述每个连接），也需要70个万亿位。 这意味着基因描述的复杂性比人类大脑完整连接体的描述少十亿倍。
由此可见，基因组不能包含我们所有神经联系的详细描述。 他仅需描述大脑的一般结构和基本原理。 但是这种架构和这些原则足以确保成长中的人们变得理性。 当然，这也不是没有花招。成长中的孩子需要健康，刺激的环境和良好的营养，才能发挥智力。 但是，如果我们在合理的环境中成长，那么健康的人就会拥有惊人的智力。 从某种意义上说，我们基因中的信息包含了我们思维方式的本质。 此外，我们很可能会理解这种遗传信息中包含的原理。
给出的数字是非常粗略的估计。 1.25亿比特可能被夸大了，而且人类思维基础上还有一组更为紧凑的关键原理。 相对于次要细节，这1.25亿位中的大多数可能只是微调。 也许我们在计算这些数字时过于保守。 如果真是那样，那就太好了！ 对于我们当前的目标，关键将是以下几点：大脑的结构很复杂，但是没有评估大脑中的连接数时所想的那么多。 从分子生物学的角度观察大脑表明，人们将有一天能够理解大脑结构的基本原理。
在最后几段中，我忽略了一个事实，即1.25亿比特仅描述了人脑和黑猩猩大脑之间的遗传差异。 由于这1.25亿位，并不是我们大脑的全部能力都存在。 黑猩猩本身很善于思考。 智慧的关键可能主要在于黑猩猩和人类都具有的智力能力（和遗传信息）。 如果是这样，那么就基本原理的复杂性而言，人脑可能只是黑猩猩大脑的一个小升级。 尽管人们普遍接受关于我们独特能力的沙文主义主义，但这并不是那么令人难以置信：人类和黑猩猩发展的遗传学系仅在500万年前发生了分歧，这只是一个进化规模。 但是，在缺乏更具说服力的论据的情况下，我站在被普遍接受的人类沙文主义的立场上：我认为人类思想基础中最有趣的原理包含在这1.25亿比特中，而不是在我们与黑猩猩共同的那一部分中。
分子生物学固有的大脑观点的采用使我们的描述复杂性降低了大约九个数量级。 这令人鼓舞，但没有告诉我们是否有可能创建真正简单的智能算法。 我们可以进一步降低复杂性吗？ 而且，更重要的是，我们能否解决创建简单的智能算法的可能性的问题？
不幸的是，还没有足够有说服力的证据来解决此问题。 让我描述一些可用的证据，并指出该评论将是简短且不完整的，目的仅是使您对一些近期的科学论文有所了解，而并不全面描述当前已知的一切。
该实验表明了一种简单的智能算法的可能性的证据是该实验，该实验已于2000年4月发表在《自然》杂志上。 由Mriganka Sur领导的一组科学家“刷新”了新生雪貂的大脑。 通常，雪貂眼睛的信号会传输到大脑的一部分，即视觉皮层。 但是在这些雪貂上，科学家重新定向了信号，使其进入听觉皮层，即通常用于听力的大脑部分。
要了解此后发生的情况，您需要对视觉皮层有所了解。 视觉皮层包含许多方向列。 这些是神经元的小板，每个神经板都对特定方向的视觉刺激做出反应。 它们可以以微小的方向传感器的形式表示：当某人从某个方向发出明亮的光时，相应的方向列将被激活。 如果灯移动，则会激活另一个方向列。 视觉皮层最重要的高级结构之一是方向图，在方向图上标记了方向列。
科学家发现，如果雪貂眼睛的视觉信号重定向到听觉皮层，那么听觉皮层就会发生变化。 东方柱和方向图开始出现在听觉皮层中。 事实证明，它比视觉皮层中的方向图更不规则，但是很明显就是这样。 此外，科学家对雪貂对视觉刺激的反应进行了最简单的测试，训练它们在光线来自不同方向时如何做出不同反应。 从这些测试来看，雪貂仍可以至少在听觉上使用听觉皮层“看到”。
这是一个了不起的结果。 他说，大脑的不同部分如何学会对感觉数据做出反应是基于一般原理的。 这样的社区提出了支持在心的核心存在一组简单原则的观点。 但是，不要让自己相信雪貂在这些实验中的视力非常好。 行为测试仅测试视觉的总体方面。 当然，我们不能问雪貂“他们学会了看吗”。 因此，实验并不能证明经过改造的听觉皮层可以使白鼬获得高质量的视觉。 因此，这些实验对类似原理是学习大脑不同部位的核心这一思想的观点提供了非常有限的支持。
有什么证据可以驳斥简单的智能算法的存在？ 其中一些来自进化心理学和神经解剖学领域。 自1960年代以来，进化心理学家已经发现了各种各样的人类共性，这种行为模式是所有人，所有文化和背景的所有人所共有的。 其中包括忌讳母子乱伦，使用音乐和舞蹈以及更复杂的语言结构，例如使用脏话（即禁忌词），代词，甚至是动词等基本结构。 这些结果得到了神经解剖学大量证据的补充，据此可以得出结论，人类行为的许多模式是由大脑的某些部分控制的，并且大脑的这些部分在所有人中都是相似的。 总之，这表明在大脑的某些部位缝合了许多非常专门的行为模式。
有人从这些结果中得出结论，对许多大脑功能需要单独的解释，结果，大脑的活动无法简化，也就是说，您无法对大脑的工作原理进行简单的解释（并可能创建简单的算法来解释情报）。 例如，一位持这种观点的著名AI研究人员是
Marvin Minsky 。 在1970年代和1980年代，他基于人类思维是一个简单但又截然不同的计算过程的大社区的思想，发展了他的思想社会理论，他称之为代理。 在描述理论的书中，明斯基总结了他认为从这一观点出发的所有优势：
什么技巧使我们变得聪明？ 诀窍是没有重点。 思维的力量来自我们的多样性，而不是来自任何一种简单而理想的原则。
在评论他的书时，明斯基进一步推测了写这本书的动机，并引用了基于神经解剖学和进化心理学的类似论点：
现在我们知道，大脑本身由数百个不同的部位和核组成，每个部位和核都具有明显不同的建筑元素和特性，并且其中许多都参与了我们心理活动的明显不同方面的实现。 , , , «» «» .
当然，明斯基并不是唯一持这种观点的人。我以他为例，站在这种观点的一边。我认为这样的论点很有趣，但我认为支持他们的证据不足以令人信服。的确，大脑由执行不同功能的大量不同区域组成，但是不能因此而无法简单地解释大脑。也许这些建筑上的差异是基于共同的基本原理而产生的，就像彗星，行星，太阳和恒星的运动是由单一吸引力共同产生的一样。明斯基和其他任何人都不能令人信服地证明没有这种原则。我偏向于存在一种简单的智能算法。尽管上面提出了令人信服的论点，但基本上我还是喜欢这个想法，因为它是乐观的。就科学研究而言，不合理的乐观主义通常比有理由的悲观主义更有生产力，因为乐观主义者有勇气尝试新事物。即使您没有发现最初希望的东西，这也是发现的途径。从狭义上讲，悲观主义者可能更“正确”，但比乐观主义者开放得多。这种观点与我们通常如何评估想法，试图理解它们是对还是错形成了鲜明对比。这是处理日常或小型研究的明智策略。但是，可以用这种方式评估定义整个研究计划的大胆想法是不正确的。有时，我们仅有很少的证据证明该想法的正确性。我们可以谦虚地拒绝遵循它，而将所有的时间都花在彻底研究可用的证据上，试图了解其中哪些是正确的。或者，我们可以简单地接受到目前为止还不确定的一件事，并积极致力于发展一个大胆的想法，意识到尽管我们没有成功的保证，但只有这样，我们才能扩大我们的理解范围。鉴于所有这些，以最乐观的形式，我仍然不相信我们会找到简单的智能算法。更确切地说，我相信我们永远找不到找到用python（或C，Lisp或其他方式）编写非常短的程序（例如，多达一千行代码）来实现人工智能的机会。而且我认为我们永远不会找到一个描述得非常简单的神经网络，它可以实现AI。但我认为值得采取的行动就像我们可以找到这样的程序或网络一样。这是实现思想的途径，然后，有一天我们可以充分理解以编写更长的程序，或者创建一个更复杂的网络来展示智能。因此，值得一提的是，好像有一个非常简单的智能算法。在1980年代，杰出的数学家和计算机科学家Jack Schwartz受邀参加AI支持者和怀疑者之间的辩论。辩论失控，支持者开始对即将出现的令人惊奇的事情发表过多的言论，而怀疑论者只是增强了他们的悲观情绪，称AI根本无法创造。Schwartz出席了辩论，并在讨论升级时保持沉默。休假期间，他被要求说出来并描述他对正在讨论的话题的想法。他说：“好吧，在其中一些想法出现之前，可能还会再获得一百个诺贝尔奖。” 我认为，这是完美的答案。人工智能的关键是简单而有力的想法，我们可以并且应该乐观地寻找它们。但是我们将需要很多这样的想法，并且还有很长的路要走！