我们对人工智能（AI）的研究一直围绕“尝试制造能够思考的机器 ” 而展开，至少在某种意义上是这样。但关于“人工智能和生物智能到底应该有多相似 ” 这一问题，人们几十年来一直争论不休。
早期构建人工智能的努力涉及了决策过程和信息存储系统，这些系统可能只是受到人类自以为的人类思维方式的启发。
今天的深度神经网络，大致受到了大脑中相互连接的神经元触发方式的启发，但这种启发未来很可能不会再有更具突破性的进展。
（来源：Patrick T Powers）
神经科学家和科技企业家杰夫·霍金斯（ ）认为，大多数人工智能领域的人并不太关心（智能和大脑的）细节。而他想改变这一点。
近 40 年以来， 跨越了神经科学和人工智能这两个领域。1986 年，他在英特尔公司做了几年软件工程师后，来到加州大学伯克利分校，开始攻读神经科学博士学位，并希望能弄清楚智能的运作方式。
但 却被告知没有人可以帮助他完成这样一个宏大的项目，此时他的野心破灭了。沮丧之下，他离开了伯克利前往硅谷，并在 1992 年创立了 Palm 计算公司，该公司开发了 今日智能手机的前身 PalmPilot。
但他对大脑的迷恋从未消失。15 年后，他重新回到神经科学领域，建立了红杉理论神经科学中心（现在位于伯克利）。
如今， 经营着一家总部位于硅谷的神经科学研究公司 。在那里，他和他的团队研究新皮质（neocortex），这是大脑中负责与高等功能和智力相关的部分。
过去几年， 在一系列突破之后， 将其研究重点从大脑转向了人工智能，将有关生物智能的知识应用到机器上。
的想法启发了人工智能领域的名人，例如 （Andrew Ng）。
最近，我们和 在 Zoom 上聊了很长时间，讨论了他对人类大脑的研究对机器智能意味着什么。
他并不是第一个认为自己拥有所有答案的硅谷企业家，虽然 的（一些争议）观点并非每个人都认同，但他的想法可能会撼动人工智能领域。以下是经过梳理和编辑的采访记录。
Q:你为什么认为人工智能现在正在朝着错误的方向前进？
A：这是一个复杂的问题。我并不是要批评今天的人工智能。我认为它很棒，而且很有用。我只是认为它称不上“智能 ” 。
我的主要兴趣是大脑。几十年前，我就爱上了大脑。我认为，在制造人工智能之前，我们首先要弄清楚智能到底是什么，而最好的方法就是研究大脑。我持这种观点已经很久了。
回到 1980 年前后，我就觉得人工智能的方法不会产生真正的智能。在人工智能的所有不同阶段，我都有同样的感觉。这对我来说，并不是什么新鲜事。
我看到了人工智能在深度学习方面取得的进展，相当令人印象深刻。但是，这并没有消除它从根本上缺乏（智能）的事实。我想我知道什么是智能，我也知道大脑是怎么做到的，而人工智能并没有做到大脑所做的事情。
Q：你是说要创造一个人工智能，我们需要重新创造一个大脑吗？
A：不，我不认为我们会直接复制大脑。我一点也不想复制大脑，但我们需要建立按照类似原理工作的机器。我们所拥有的关于智能系统的唯一例子是生物系统。那为什么不研究一下呢？
就像我第一次给你展示电脑，你说：“太棒了！我也要做一个这样的东西。 ” 但是与其研究它，尝试弄清楚它是如何工作的，你所做的只是径直走开，然后埋头从零开始做一些东西。
Q：那么，大脑做的哪些东西对智能至关重要，让你认为人工智能也需要做到吗？
A：智能要满足四个属性，有点像最低的基准。首先是通过到处移动来学习：我们不能同时感知我们周围的一切。我们必须通过移动来建立一个事物的心理模型，即使移动的东西只是我们的眼睛或手。这也被称为体化认知（具体化）。
接下来，这种感官输入被数千上万的皮层柱拿到，每一个皮层柱都“感知 ” 了周围环境的一部分。他们通过一种投票系统进行竞争和结合，以建立一个整体的感受。
这就是“一千个大脑 ” 的想法（注： 在他的书中提出观点）。在一个人工智能系统中，这可能涉及到一台机器控制不同的传感器，包括视觉、触觉、雷达等，以获得一个更完整的世界模型。不过在大脑中，每一种感觉通常都会有许多皮层柱，比如视觉。
第三点是持续地学习，你可以学习新的东西而不忘记以前的东西。今天的人工智能系统很难做到这一点。最后一点，我们会使用参考系来构建知识，这意味着，我们对世界的认知是与我们的观点息息相关的。
如果我把手指滑到咖啡杯的边缘，我可以预测我会感觉到它的边缘，因为我知道我的手和杯子的关系。
Q：你的实验室最近已经从神经科学转向了人工智能。这与你的“一千个大脑”理论有关吗？
A：可以这么说。直到两年前，如果你走进我们的办公室，你仍然会看见到处都是神经科学相关的研究设备与资料。现在我们进行了转变。我们觉得已经对大脑有了足够的认知，可以开始将其应用于人工智能。
Q：你在做什么样的人工智能工作？
A：我们首先看到的一点是稀疏性。在任何时候，我们的大脑只有 2% 的神经元被激活，它们的活动是稀疏的。
我们已经将这个想法应用到深度学习网络中，并且得到了显著的结果，比如将现有网络的速度提高了 50 倍。稀疏性还会产生鲁棒性更优秀的深度学习网络，和更低的功耗。现在，我们正努力实现持续的学习。
Q：你将移动作为智能的基准之一，这很有趣。这是否意味着人工智能需要一个身体？它需要是一个机器人吗？
A：在未来，我认为人工智能和机器人技术之间的界限将会消失。但现在我更喜欢“化身 ” 这个词，因为当你谈论机器人时，它会让人想起类似人的机器人，而这不是我所想的样子。
一个关键是，人工智能必须有传感器，并能够相对于自身和它正在建模的东西移动。但你也可以有一个虚拟的、可在互联网上“移动 ” 的人工智能。
这个想法与很多关于智能的观点，即脱离实体的大脑的流行想法完全不同。
移动真的很有趣。大脑使用同样的机制来将我的手指移动到咖啡杯上，或者移动我的眼睛，甚至当你在思考一个概念性的问题时。你的大脑通过参考框架，来回忆起它存储在不同位置的事实。
关键是任何智能系统，无论其物理形式如何，都是通过感知世界的不同部分和移动来学习世界的模型。
这是基石，你无法摆脱它。无论它看起来像一个人形机器人、一个蛇形机器人、一辆汽车、一架飞机，还是一台电脑，它们都是一样的。
Q：大多数人工智能研究人员对这些想法有何看法？
A：绝大多数的人工智能研究人员并不真正接受“大脑很重要 ” 的观点。尽管 不久以前 人们发现的神经网络，是受到大脑的启发。
但大多数人并没有试图复制大脑，只是单纯地在寻找什么方法有效，然后有什么用什么。我们就得到了今天的、还不错的神经网络。
而大多数人工智能领域的人对神经科学知之甚少。这并不奇怪，因为它真的很难。
神经科学不是一件你坐下来花几天时间就能读懂的东西。这个学科本身也一直在努力搞懂大脑中到底发生了什么。
但我著书的主要目标之一，是开启一场前所未有的关于智能的对话。
我的梦想是世界上的每个人工智能实验室都读到这本书，并开始讨论我的想法。我们接受这些想法，还是不接受？
这在以前是不可能的。这项大脑研究还不到 5 年，我希望这将是一个真正的转折点。
Q：你认为这些对话将会如何改变人工智能研究？
A：作为一个领域，人工智能缺乏对智能的定义。在我看来，图灵测试并没有想象的那么无懈可击。即使在今天，我们仍然非常关注基准测试和聪明的技巧。当然，我并不是说它一点用处都没有。
一个能够检测癌细胞的人工智能是非常棒的。但这是智能吗？答案是否定的。
现在设想一个例子，在火星上，用机器人为人类建造栖息地。
试着想象一下，需要什么样的人工智能才能做到这一点。这是可能的吗？这是完全可能的。我认为到本世纪末，我们将会有这样的机器。问题是，我们如何才能摆脱对“新的聪明的技巧 ” 的追求，转而探索构建未来所需的基础元素。
Q：图灵眼中的机器智能出了什么问题？
A：如果你回去读他的原作，他本质上是想让人们停止和他争论你是否可以制造一台智能机器。他想说的是“这里有一些事情要考虑到，现在别再打扰我了 ” 。
但问题是，它关注的是一项任务。机器能做人类能做的事情吗？这已经扩展到我们为人工智能设定的所有目标。下围棋对人工智能来说，是一个伟大的成就。但真的是这样吗？
所有基于性能的指标的问题在于，它只是避开了关于什么是智能系统的对话和思考，图灵测试就是其中之一。
如果你能欺骗某人，如果你能用某种聪明的工程思路来解决一项任务，那么你就达到了基准，但你不一定在更深入的智能理解方面取得任何进展。
Q：在模拟人类方面的成就也是一个问题吗？
A：我认为，在未来许多智能机器将不会做人类所做的任何事情。许多机器都会非常简单和小巧，就像一只老鼠或一只猫。
所以专注于语言和人类经验，以及所有为通过图灵测试而做的努力，与构建智能机器无关。当然，如果你想制造一个类似人的机器，这是与智能相关的，但我不认为人们总是想这样做。
Q：这些未来的人工智能系统会做什么呢？
A：没有人知道。但我毫不怀疑，我们会为智能机器找到无数有用的事情，就像我们为手机和电脑所做的那样。在 20 世纪 40 年代或 50 年代，没有人预料到计算机会做什么。人工智能也是如此。当然，或许会有不好的东西出现，但大多是好的。
但我更愿意用长远的眼光来看待这个问题，而不是问“建造智能机器有什么用？ ”
每个人可能都问过自己：“人为什么要活着？ ” 我们生活在一个巨大的宇宙里，渺小如尘埃。
我从小就在脑海里有过这样的问题。我们为什么要关心任何东西呢？我们为什么要这么做？作为一个物种，我们的目标应该是什么呢？
我认为，目标不是为了保存基因，而是为了保存知识。如果你这么想，智能机器必不可少。我们不会永远存在，但我们的机器可能会。
我觉得这很鼓舞人心。我想要找到我的人生目标。我认为人工智能应该是我想象的人工智能，而不是今天的人工智能——是一种保护我们自己的方式，以一种我们还不知道的方式，在我们还不知道的时间和地点。
支持：Ren
原文：
https://www.technologyreview.com/2021/03/03/1020247/artificial-intelligence-brain-neuroscience-jeff-hawkins/
