随着人工智能的全面回潮,类脑计算火起来了。和上一次日本人忽悠五代机时的毫无准备相比,咱中国这次说起来也争气,科学家、企业和政府都早早做好了准备,信心满满整装待发。拿神经器件的大规模互联来高保真地模仿人脑的构造和运作,涉及多学科交叉集成。它既是神经科学发展到现阶段在研究手段上的必然延展,也是人工智能为突破下一个重大瓶颈的大胆尝试,其学术意义怎么估计都不会过高。但几次会听下来,感觉即使是准备做这件事的人,对“类脑计算”的理解也不尽一致。如果说对“类脑计算”的理解停留在像有些学者主张的那样,仅模拟静态拓扑不模拟动态路由、仅模拟脑和神经不模拟心脏和内分泌、仅模拟学习不模拟发育和进化,个人认为后续一定会遇到非常大的麻烦。
首先,我认为静态拓扑无法决定动态路由。我们可以问一个非常通俗易懂的问题:是不是知道了所有铁轨的分布,就可以得知全部的列车运行时刻表?答案显然是否定的。铁轨决定不了列车动起来后的轨迹。铁轨的分布和连接的相关知识,只能是推测列车运行习惯性轨迹的必要条件,而远远不是充分条件。同样,类脑计算就算是把每一根神经元与其他神经元搭接的细节都用相应的仿神经元器件连起来,哪怕是用超级计算机模拟起来,也难以保证让这个庞然大物知晓列车运行的习惯轨迹。这里面缺少的东西太多了。
其次,我认为单纯的脑和神经系统无法模拟涉及思维和智能的全部要素。这里,非常关键的补充就是心脏和内分泌系统。涉及价值判断时、涉及生存和繁衍攸关的重大情况时以及人体内资源的投入和回报发生严重不匹配时,神经系统和内分泌系统会发生对接,内分泌再通过循环系统激起心脏的后续反应,有些反应再度被神经系统捕获。整个过程是连贯的,而且构成闭环。没有对内分泌和心脏的充分模拟,没有对内分泌、心脏与神经系统相互作用的充分模拟,对思维和智能的模拟就是不完整的。经常听见“心理学不是脑理学”的说法,说的就是脑和神经系统的这种非自足性。
还有,对学习的单方面依赖是不足以支撑类脑计算在外界输入的作用下获得类脑表现。人类智能的成长,是通过发育、学习和进化三个环节体现的。发育是在成长的特定时期按既定程序形成某种能力(一般是本能)。发育的过程中往往伴随着外界信息的输入,无论视觉发育还是语言能力的习得,都有一个发育的有效期,过期作废。对比之下,人类的学习却是活到老可以学到老的,没什么过期作废一说。当然有些东西,活到老也不一定学得到,这就要指望下辈子、下下辈子来了却这辈子的心愿,于是通过遗传基因突变在大时间尺度上摸索前进,通过适应性进化来把正确的能力发展方向固化下来这第三条道路。发育、学习和进化的分工非常精妙而充满深意,撇开发育和进化,单独指望学习来挑大梁,对机器学习来说是“不能承受之重”。
说到这里,也许有人认为笔者对类脑计算的总体观点是悲观的或否定的,其实不然。笔者其实是想向类脑计算的研究部门进一言,避免其走弯路撞南墙。具体说来,我希望此类研究在方法论上要“自底向上”和“自顶向下”并重,“器”和“用”并重,要有大局观和顶层设计。不能完全陷入微观层面的仿真,也要经常做做宏观对照和反思。在知识结构上不能只听神经科学一家之言,也要兼顾生理学、心理学、语言学、逻辑学等相关学科的研究成果。不能只看修什么路,不看跑什么车。在实现次序上不要把宝全都压在“学习”上面。一个惟妙惟肖的静态拓扑加上大数据,并不必然等于期待中的动态路由。这些虽然是老生常谈,但对深陷微观、细节、局部的人们来说,如能听进去三言两语,也是值了。