人工智能對你有什么啟發(fā)

我為什么要寫這篇文章？我們?yōu)槭裁匆私?a target="_blank">人工智能的原理？上網(wǎng)搜一下百科不就可以了嗎？

第一，我本意并不想研究人工智能，但是人工智能的研究順帶促進(jìn)了對人腦的研究。而我則是想要了解人腦的工作原理，而順帶了解了一些人工智能的入門知識。

第二，在了解人工智能相關(guān)知識的過程中，我發(fā)現(xiàn)了一個看似簡單但卻意義重大的現(xiàn)象：螞蟻可以感知汽車和高樓大廈存在于這個世界上，但螞蟻卻不能知曉并理解汽車和高樓大廈是如何被創(chuàng)造出來的。想過為什么會這樣嗎？

第三，正常人都希望生活越過越好，最好能夠瞬間暴富、實(shí)現(xiàn)階層躍遷。讓生活越過越好、的源動力來自哪里呢？兩個字：智能。智能又是什么呢？

人工智能這個概念是50年代被首次提出的，對于專業(yè)人士，你們盡管去科學(xué)定義這個詞。對于普通人，我們可以理解為“人造的智能”，甚至進(jìn)一具象化為“人造的智能工具、設(shè)備、或者系統(tǒng)”，比如電腦和手機(jī)。

如何開發(fā)人工智能？科學(xué)家和技術(shù)人員想出了不少路線，其中一條很好理解：模仿人腦。原本在醫(yī)療領(lǐng)域，人類就一直在研究人腦的相關(guān)機(jī)理與病癥，畢竟腦子也會生病。

而人工智能的順道促進(jìn)，也推動了認(rèn)知科學(xué)的發(fā)展。通俗地講，認(rèn)知科學(xué)就是研究大腦是如何思考的、如何學(xué)會說話的、如何辨別你看到的東西是什么，等等內(nèi)容。

現(xiàn)在，重點(diǎn)來了：根據(jù)科學(xué)家?guī)资甑难芯?，人腦中的最基礎(chǔ)的功能單位叫神經(jīng)元，大腦的感知與思考完全靠神經(jīng)元來處理信息。

人腦中以前說有一千億個神經(jīng)元，現(xiàn)在據(jù)說研究得稍微精確一點(diǎn)，有860億個神經(jīng)元。為了簡單一點(diǎn)，后文我們四舍五入近似理解為一千億個。再據(jù)說，每一個神經(jīng)元與其他大約一萬個神經(jīng)元直接相連。

神經(jīng)元可以近似理解成三部分組成：接收信息的部位（科學(xué)名字叫“樹突”）、處理信息的部位（科學(xué)名字叫“細(xì)胞體”）、往外發(fā)出信息的部位（科學(xué)名字叫“軸突”）。

有人打比方說，人腦像一臺電腦。以前我也是這么說的，現(xiàn)在發(fā)現(xiàn)這個說法大錯特錯。一個神經(jīng)元就可以近似理解成一臺電腦，而人腦則應(yīng)該打比方為一個由大約一千億臺電腦連接組成的超級機(jī)房。

說這么多貌似和普通人也沒什么關(guān)系的內(nèi)容又要干嘛？這是為了說明：對于任何一個健康狀況良好的人，都擁有一個在這個星球上計(jì)算能力無比強(qiáng)大的超級機(jī)房。

根據(jù)現(xiàn)有的信息，人腦的運(yùn)行方式可以近似描述成“分布式儲存和讀取”模式。什么叫分布式？就是一個神經(jīng)元作為最基礎(chǔ)的大腦功能單位，儲存了一定的信息，比如一個概念：“我”，或者“吃”等等。

每一個健康人從嬰兒時期成長到成年時期，無時無刻不在接收各種信息，只是睡覺的時候接收的信息有沒有被儲存起來，真不知道，抱歉！

這里順便插播一則育兒知識：嬰兒從一出生開始，如果指望將來腦子更好用的話，家人應(yīng)該每天在嬰兒旁邊說話。嬰兒在出生以后的最開始幾年時間內(nèi)，接觸的語音信息，也就是家人所說的話，越多越好。現(xiàn)在物質(zhì)條件好了，家長覺得說話太累，也可以考慮播放音頻文件的方式，從童話故事到三字經(jīng)到哈佛大學(xué)公開課，只要是積極健康的就好。

回到主題，剛才說為什么叫“分布式”，就是因?yàn)槿四X有一千億個神經(jīng)元，一個神經(jīng)元儲存一點(diǎn)信息，一萬個神經(jīng)元就儲存了一萬條信息，我們就理解為“這一萬條信息分布在一萬個神經(jīng)元內(nèi)”。

生活中我們會發(fā)現(xiàn)，有的人做事很有條理，比如把自己的辦公桌整理得井井有條，文具放在一個地方、書本放在一個地方、電子產(chǎn)品放在一個地方、充電線整理得清清爽爽，等等。

如果一個人思維很有條理，那么新學(xué)到一句話的時候，這個人會主動把這句話分解成一個一個單獨(dú)的概念，讓組成這句話的基本單位元素“分布儲存在多個神經(jīng)元內(nèi)”。比如，“我要吃飯”這句話，可以先拆出三個比較具體的概念：“我”對應(yīng)儲存到一個神經(jīng)元；“吃”對應(yīng)儲存到一個神經(jīng)元；“飯”對應(yīng)儲存到一個神經(jīng)元。這就完成了“分布式儲存”。

順便說一下，思維沒條理的人其實(shí)也是這樣儲存信息的，只是自己沒有意識到而已。

當(dāng)這個人肚子餓了之后，對父母親說“我要吃飯”，過程就是這樣的：大腦中存儲“我”這個概念的神經(jīng)元、存儲“吃”這個概念的神經(jīng)元、以及存儲“飯”這個概念的神經(jīng)元，同時被激發(fā)、同時將信息傳送出去，瞬間抵達(dá)嘴巴里講出來。這就是所謂“分布式讀取”。

大家有沒有意識到前面提到的一個重要的細(xì)節(jié)信息：據(jù)說一個神經(jīng)元和其他一萬個神經(jīng)元相連接。如果聯(lián)想到這一點(diǎn)，說明你的“分布式讀取”能力還是挺強(qiáng)大的。

我沒有查到人腦究竟可以同時調(diào)動使用多少個神經(jīng)元，但是假設(shè)一次只刺激一個神經(jīng)元，它也和一萬個其他神經(jīng)元相連接。而目前科學(xué)研究發(fā)現(xiàn)，大腦神經(jīng)的信息傳遞速度為120米每秒，而人腦的大小如果不用毫米作為長度單位，至少也應(yīng)用厘米吧。換句話說，神經(jīng)元之間信息傳遞的時間可以理解為“瞬間”。

那么，當(dāng)人腦子里想到一個概念的時候，這個概念所在的神經(jīng)元可以瞬間發(fā)送刺激到與其相連的一萬個其他神經(jīng)元，瞬間激活了那一萬個神經(jīng)元內(nèi)儲存的概念信息。而那其他一萬個神經(jīng)元，每個又與其他一萬個神經(jīng)元相連，可能繼續(xù)傳遞這個刺激。那么在短短一秒鐘的時間里，理論上可以有不知道多少萬個、甚至多少億個神經(jīng)元被刺激過了。

這就是我們大腦強(qiáng)大的真正原因！接收信息時，同時實(shí)現(xiàn)分布式儲存；回憶東西、思考問題時，同時實(shí)現(xiàn)分布式讀取，而大腦內(nèi)部信息傳遞時間接近于零。這也就解釋了為什么我們在看到一個東西的時候，可以瞬間聯(lián)系到另一個事物，甚至另幾個事物。

我們平時做一件事情，可以近似地理解為一個“利用原材料進(jìn)行排列組合”的過程。比如炒個菜，就是將調(diào)味料和各種食材排列組合一下，按照特定的方式和順序，放在鍋里輸入能源加工一下。

那么，“思考”這件事情，不就是把大腦里儲存的各種“概念”排列組合一下，最后得出我們需要的“解”嗎！

換句話說，一件事情有辦法解決，就是我們通過“思考”，將大腦里的“概念”排列組合出至少一套解決方案；而所謂的“無解”，要么是缺一個或者幾個“概念”，導(dǎo)致“排列組合”這個類似拼圖的過程缺少元素，要么就是“排列組合”本身做得不夠好，最終導(dǎo)致排列不出一個解。

這里的“概念”，就是我們平時所說的“知識”，要么讀書、要么實(shí)踐、要么別人教、以及其他方式，總之就是從各種渠道獲得的有用的信息。

這里的“排列組合”，就是我們平時所說的“思維方式”，就是運(yùn)用知識的方法，就是排列組合各個單一知識點(diǎn)或者個體“概念”的方式方法。

最終，知識（概念）加思維方式（排列組合）加大腦（底層硬件）就等于文章最開始提到的兩個字“智能”。

以上的科學(xué)研究的推導(dǎo)再次證明了前面說的一個重要結(jié)論：我們的大腦極其強(qiáng)大！它可以同時讀取數(shù)以萬計(jì)、甚至數(shù)以億計(jì)個神經(jīng)元，瞬間實(shí)現(xiàn)數(shù)量龐大的“概念”的多種“排列組合”。這個能力是今天絕大多數(shù)電腦都不具備的：單核心電腦一次只能讀取并計(jì)算一個東西，它之所以強(qiáng)大，在于速度快，一秒鐘可以計(jì)算數(shù)億次。

文章開頭提到的第二點(diǎn)，為什么螞蟻可以感知一個有汽車和高樓大廈的世界，卻不能理解汽車和高樓大廈，更加不能理解怎樣建造汽車和高樓大廈呢？

首先，螞蟻是有大腦的。但是，螞蟻的大腦大約有25萬個神經(jīng)元，也有人說有50萬個。那么即使往多里算，50萬和1000億，是什么概念？100萬和1000億是10萬倍的差距，螞蟻大腦和人類大腦就是20萬倍左右的神經(jīng)元數(shù)量的差距，按照十進(jìn)制來描述，就是5個數(shù)量級的差距！

其次，螞蟻接觸外界信息的渠道也遠(yuǎn)遠(yuǎn)少于人類。我們至少可以通過聽覺、視覺、觸覺、味覺、嗅覺等方式接收外界信息。比如人類的視覺據(jù)科學(xué)研究結(jié)果表明，有2億像素，可以“近似”理解為19200乘以10800分辨率，這是普通高清顯示屏（1920乘以1080）的多少倍呢！

由此可以得出，螞蟻不光大腦的“硬件”基礎(chǔ)和人類差了5個數(shù)量級，而且能夠接收的信息量也和人類差了不知道多少個數(shù)量級。因此，螞蟻的整體“智能”也就差了人類好多個數(shù)量級。

“智能”的數(shù)量級的差距，就是螞蟻不能理解、更加不能造出汽車和摩天大樓的根本原因。同理可得，人類可以感知自己生存在地球之上，卻暫時無法理解地球是怎么被創(chuàng)造出來的，更加無法去建造一顆行星，就是因?yàn)槿祟惖摹爸悄堋本嚯x理解地球和造出地球的水平，還差了不知道多少個數(shù)量級。

我們可以用第一性原理的思維方式倒推，要理解地球進(jìn)而創(chuàng)造地球，“智能”不夠的根本原因可能來自三方面的限制：知識量，思維方式，以及底層硬件能力；目前可能以上三方面都不足，或者兩方面不足，或者某一方面不足。

作為人類整個族群而言，目前這個階段，理解地球和創(chuàng)造地球的需求并沒有特別迫切。但是理解很多疾病、很多社會經(jīng)濟(jì)問題的需求，卻非常迫切。要找到解決疾病和各種社會經(jīng)濟(jì)問題的“解”，就是要從知識量、思維方式、以及底層硬件三方面著手，提升整個人類社會的“智能”水平。

那么，這一切和普通人有什么關(guān)系？關(guān)系就在于，普通人掌握了這個原理之后，通過適當(dāng)積累，人生中很多事情就“有解”了。

普通人的需求其實(shí)比較簡單，甚至可以簡化為一個字：錢。因?yàn)槠胀ㄈ说拇蠖鄶?shù)需求都與掙錢和花錢相掛鉤。當(dāng)然，普通人也有可能遇到錢解決不了的問題，比如孩子怎么教育都不愿意好好學(xué)習(xí)，比如某些疾病，比如已經(jīng)非常有錢了但卻找不到合適的對象，等等。

無論我們的問題與錢有沒有關(guān)系，讓問題“有解”的根本，就在于“智能”的水平。當(dāng)“智能”升高一個維度以后，低于這個維度的一切問題，都講理論上“有解”。這也是“降維打擊”的一種體現(xiàn)。當(dāng)然，為了表明我是個嚴(yán)謹(jǐn)?shù)娜?，這里說了，是“理論上”有解，實(shí)際上能不能“解”，還要看各種條件是否具備。

就大多數(shù)普通人在大多數(shù)情況下最想解決的問題“掙錢”而言，有沒有“解”，本質(zhì)上就是看一個人的“智能”水平達(dá)到了哪個“錢數(shù)”的水平。

比如，按照今天我們社會的工資水平，在全國任何地方要掙兩千元一個月，只要是個年齡合適的健康人肯定都沒問題。兩千元每月這個水平對應(yīng)的“智能”水平，絕大多數(shù)人都有了。那么，一年掙十萬、一百萬、一千萬元，對應(yīng)的是什么樣的“智能”水平呢？

上網(wǎng)搜呀！各大招聘網(wǎng)站大概可以告訴你年薪十萬到百萬級別的工作崗位，上市公司發(fā)布的年報(bào)都包含高管薪酬待遇，應(yīng)該可以找到千萬級別的；如果沒有，就看看公司的總利潤有沒有達(dá)到千萬級別。

如果想成為首富呢？“解”當(dāng)然是有的，只是到了這個級別，“解”本身已經(jīng)不重要了，運(yùn)氣更加重要。

那么，最終怎么才能把十萬、百萬、千萬年薪（或者年收入）拿到手呢？請啟動各位大腦的“分布式讀取”功能，用瞬間的速度讀取前文的一段信息：知識（概念）加思維方式（排列組合）加大腦（底層硬件）就等于“智能”。

首先，最振奮人心的消息是，底層硬件每個健康人都有，而且功能極其強(qiáng)大，其真正的運(yùn)行能力，在目前的地球上僅有極少數(shù)幾臺超級計(jì)算機(jī)能夠相比。

其次，思維方式這個東西我在前面的文章《人生進(jìn)步的根本驅(qū)動力：思維的維度》中詳細(xì)探討了。

最后，知識的獲取，除了讀書以外，千萬不要忽略其他途徑：聽覺、觸覺、味覺、嗅覺等等。這些不僅僅是我們獲取知識的渠道，而且它們本身就可以成為創(chuàng)造價(jià)值的途徑。比如樂器和音響的調(diào)音師，是不是就是靠聽覺掙錢的！

因此，上述倒推的推理方式（也就是第一性原理的思維方式），我們正過來敘述，就能把一切問題“求解”的通用“公式”表達(dá)出來。

通過視覺、聽覺、觸覺等一切渠道來獲取信息，將信息分解為一個個單獨(dú)的概念，分布式儲存在大腦的一個個神經(jīng)元內(nèi)。在遇到一個需要求解的問題時，瞬間掃描無數(shù)個神經(jīng)元、分布式讀取適用的神經(jīng)元內(nèi)儲存的概念，在大腦中瞬間排列組合、并得出一個、兩個、甚至更多個候選解。

以上過程重復(fù)幾遍，如果有且僅有一個解，那么也只能按照這個來辦；如果超過一個候選解，那么權(quán)衡利弊選擇最優(yōu)的一個。

以上過程合并起來叫做四個字：“學(xué)習(xí)”與“思考”。目的是兩個字：“求解”。

關(guān)于學(xué)習(xí)，我們需要再次反復(fù)地強(qiáng)調(diào)一個原理：復(fù)利增長原理，也可以理解為指數(shù)增長原理。當(dāng)大腦越來越多的神經(jīng)元內(nèi)，儲存了越來越多的概念（也就是知識），那么可以進(jìn)行的“排列組合”的次數(shù)就會指數(shù)級的增長。可以進(jìn)行的“排列組合”的次數(shù)越多，那么能夠“求得解”的機(jī)會就越大，或者能夠得出的“候選解”的數(shù)量就越多。最后，就能獲得“最優(yōu)解”。

因此，無論發(fā)財(cái)致富還是做成一番事業(yè)，不要以為自己做不到是因?yàn)椤盁o解”，更不是不可能?！敖狻睆膩矶加校皇悄悴恢蓝?，是你的“智能”維度沒有升級到那個級別而已。這，就是“書中自有黃金屋”的根本道理。只是我們這里將知識獲取的途徑，從單純的讀書擴(kuò)展到更廣闊的渠道。

多說一句，從大腦工作原理角度來講，真正有效的教育方式，正是“填鴨式”教育：給更多神經(jīng)元填上概念（知識）嘛！這種教育方式的核心技術(shù)，反而不在教育本身，而在于引導(dǎo)興趣，讓受教育對象自愿接受填鴨，最好是自己主動填鴨自己。

好像搞了半天都沒說清楚人工智能的原理哦。類比不就行了！目前的人工智能領(lǐng)域，正在發(fā)展一種叫做神經(jīng)網(wǎng)絡(luò)計(jì)算的東西，就是類似于把一臺電腦當(dāng)作一個神經(jīng)元，將很多很多臺電腦連接成一個網(wǎng)絡(luò)，把這個整體模擬成我們的大腦。

然后通過編寫計(jì)算機(jī)程序，讓這個神經(jīng)網(wǎng)絡(luò)進(jìn)行所謂的深度學(xué)習(xí)，希望通過類似于“生物進(jìn)化”的過程來讓這個神經(jīng)網(wǎng)絡(luò)（歸根結(jié)底也就是人工智能）成長到具備我們?nèi)四X的各種能力。

這個技術(shù)過于尖端，大家只需知道原理就好。我們普通人需要的，是掌握先進(jìn)科技背后的通用性原理，來為我們自己的事情求解。這也是這篇文章的根本目的。