大脑的奥秘（2）

第三，大脑学习与记忆的特征。

我们人脑还有非常了不起的记忆体系。其一是快速检索。举个例子，我是上个月见到郝院长的，今天我见到他的时候，我马上就想到，上个月某日，我在中国新闻出版研究院见到他。我想这个事情的时候，从来没有检索过昨天有没有见到他，前天有没有见到他，大前天有没有见到他。但如果我们要在电脑里找一个文件，电脑要把所有的磁盘都搜索一遍才能出结果。所以人类可以非常快地搜索。

其二是不需要穷举。这也是非常了不起的性能。例如我今天第一次见到了某位同志。见到这位同志的时候，我就知道自己以前从来没有见过他。而电脑做这件事情呢，又要把磁盘从头到尾搜索一遍，才会告诉你没有这个文件。人脑是怎么实现这点的呢？我把这位同志的相貌跟我脑子里存储的所有人的脸进行比较，找出其中最相似的人脸与之进行比较，结果这位同志和我最熟悉、最相似的那个人并不是同一个人，我马上就判断，我从来没有见过这个人。

其三是从局部到整体。比如我上次见到这位同志，他穿的是红衣服，这次穿绿衣服；上次他卷发，这次变直发了。虽然他的容貌发生许多变化，只要他的一些基本特征仍然存在，我就还是能把他认出来。这就是从局部到整体的能力。

其四是广泛联系。比如说我看到一张相声演员的照片，我就能马上意识到他是说相声的。从一个人相貌联想到他是干什么的，所有性质就能快速联系起来，这是很了不起的。这个性质是目前人工智能比较难以全面实现的，也是其发展的方向。

第四，大脑的灵活性和创造性。

电脑数据由0和1组成，要么是0、要么是1，其数值是很固定的。人神经细胞之间的连接则是可以变化的，它是根据经验记性调整的。这个对我有用，我可以加强；那个对我没用，我可以减弱。就这样不断调整，不断创新。这叫做神经可塑性。

在神经可塑性研究方面，中国人做出了很大贡献。第一个是冯德培先生，1941年他在《中国生理学》杂志上发表论文，首次论述了短时程神经可塑性。他发现：在神经和肌肉接头的信号传递过程中，肌肉接头原来反应是很小的，受到刺激它就会变强，如有连续强刺激则其反应就会更强。

还有一个中国人也做了很重要的贡献，就是蒲慕明院士。他发现了一种很重要的可塑性的时间窗口，叫做放电时序依赖的可续性（STDP）。2016年，为表彰他在大脑神经可塑性分子和细胞机制研究方面所做出的开创性工作，美国神经科学学会将“2016年度Gruber神经科学奖”授予他，这是神经科学的国际最高奖。

人类学习非常了不起的一点是，具有小样本学习的能力。现在的人工智能深度学习，要依靠很多样本去训练才能学会，这叫做大数据依赖。但人类不需要，人类只要小样本学习就可以了，甚至只要看一次就能学会。此外，人类有概念，能够触类旁通，由这个概念跨到另外一个概念，这也是机器做不到的。再有，人类有创造性。举个凯库勒构思苯环结构的例子。凯库勒梦到六条蛇缠绕在一起，这使他创造性地构思出苯环六圆环的结构。这就是人类的创造性，而机器是实现不了的。

第五，人脑控制运动的精巧性。

人脑还有一个非常了不起的性能，就是能够精细地控制肌肉的运动。大家说运动很简单，不就是一块肌肉负责收缩，一块肌肉负责舒张吗？运动确实是肌肉的拉和伸。但是我们人类有600多块肌肉，假设每块肌肉有两个状态，一个收，一个张，不算中间状态，600块肌肉在两种状态下组合数就有2600个之多。我们有个很了不起的结构叫小脑。我刚才讲了，人的脑子共有860亿个神经细胞。光是小脑就占了400亿，大脑皮层只占100亿到200亿。人类用了一半的神经细胞来控制我们的运动，所以我们的运动控制非常了不起。

现在要测试一个机械手有多厉害，最简单的办法就是抓鸡蛋。德国人在2017年发明了一个机械手，它能抓鸡蛋，并且百分之百确保鸡蛋不会破。他用两个吸盘把鸡蛋吸住，拎起来，再放下去。而人手是怎么抓鸡蛋的？有一位山东小伙子几年前创造了一个世界纪录，单手抓14个鸡蛋。由此可见，人类控制运动的能力有多么强。机器要达到人的运动控制水平，基本上是不可能的。

三、脑科学与人工智能的关系

第一，人工智能的主要流派与三大浪潮。

人工智能的第一个流派是符号主义。符号主义曾长期占据人工智能的主流。它是源于数理逻辑、基于逻辑推理的智能模拟方法，它把所有问题变成一个数字、一个符号，然后进行运算，和人脑的工作原理是没有关系的。符号主义的代表人物叫艾伦·图灵，他被称为计算机科学之父、人工智能之父，国外最著名的人工智能奖就叫“图灵奖”。中国这个领域的代表人物是吴文俊院士，他提出用计算机证明几何定理的“吴方法”，开创了数学机械化。同样，中国最高级别的人工智能奖叫“吴文俊人工智能科学技术奖”。

第二个流派是连接主义。最近兴起一种方法叫深度神经网络、深度学习，这种办法就属于连接主义，是模拟人的生理神经网络结构，利用神经网络和神经网络间的连接机制与学习算法来实现人工智能。这种人工智能跟人脑的结构及工作原理是有关系的。随着深入学习的不断成功，这个方法越来越受到广大人工智能专家的认可，逐渐成为主流。举个例子，人工智能有个很重要的领域叫机器学习，而机器学习有很多种方法，包括决策树、遗传算法等，但这些跟人脑工作的原理都没有关系。只有人工神经网络发展的深度学习与人脑的结构及工作原理有关系，现在它已经成为热门的机器学习方法了。连接主义的代表人物，一位是“深度学习之父”杰弗里·辛顿，另一位叫哈萨比斯，他是“阿尔法狗之父”。

人工智能有三次浪潮。第一次浪潮发明了最简单的神经网络。之后辛顿提出了多层神经网络，把神经科学中连接强度可调的概念融入其中，通过反向传播去调节神经的连接强度，于是第二次浪潮开始了。但那时候计算机芯片只有奔腾286、386，计算能力不行，很多任务完成不了。2006年辛顿又提出深度的神经网络，发展了深度学习。我们现在正处在第三次人工智能的浪潮里。