《千脑智能》通往真正机器智能的可能路径

《千脑智能》这本书给我带来了极大的震撼。它完全颠覆了我过去对大脑神经元工作机制的理解。作者和他的团队花费了将近20多年的时间，追求和研究大脑工作机制，最终提出了一套完整且体系化的理论。过去无论是大模型深度学习方法，还是关于神经元功能的研究，我都不相信人工智能真的能够达到真正的智能水平。然而，根据作者全新的理论，我开始认为本世纪有可能会实现某些程度上真正的机器智能。就像20世纪是计算机的时代一样，21世纪也可能会是人工智能的时代。我们很可能正处在类似20世纪初数理逻辑学理论统一的年代，距离图灵提出图灵机也许只有10几年的时间。

相较于传统的特征层次结构理论，作者提出的理论对大脑中神经元对感知信息的处理方式有了全新的认识。传统理论认为神经元通过一层一层的提取特征来处理感知信息，并通过不同的脑部区域处理不同类型的认知信息。然而，作者的理论却完全不同。在这个理论中，作者认为大部分神经元都使用一套通用算法来处理所有的信息。神经元不仅从细胞附近接收突触刺激，向树突远端发送单向脉冲信息，还通过从树突远端向细胞反向发送脉冲的机制来进行预测。这意味着神经元每时每刻都在对我们的感知进行预测，而不是像特征层次模型那样处理静态信息。此外，神经元通过不断对世界进行建模来学习，并将模型知识存储在突触中。这些模型知识存储的是物体本身，而不是特征信息。因此，信息之间通过突触相互引用，形成了一种类似指针的机制。此外，分布在不同地方的物体碎片信息通过投票机制来形成统一完整的认知。

这种理论的提出不仅颠覆了过去的认知，而且从两个方面暗示了机器智能的可行性。首先，所有的神经元计算都是一套通用算法，这极大地降低了用计算机模拟的复杂度。如果按照特征层次模型，许多神经元具有非常多不同的机制，实现起来的系统架构将非常复杂。其次，大脑的知识存储是以对象为单位，通过指针进行引用，这非常符合计算机的特性。相反，基于特征的机制中，特征只是对信息的压缩，这种统计学方法根本无法表达知识的复杂关系，更不用说学习新知识的机制了。

如果这一理论能够得到更多验证，它的意义将堪比进化论。它为大脑的工作机制提出了一种系统的理论，沿着这个理论，智能的奥秘将更快地被揭示。