人工智慧不會，但超級智慧AI可能會！！

首先，我想解釋一下為什麼埃隆·馬斯克，比爾·蓋茨，尼克·博斯特羅姆和其他人都這樣說過，因為現在的許多重要事物都沒有提到人工智慧如何或為什麼會對人類構成生存威脅。

難道增加不平等，破壞世界經濟執行或造成大規模失業不是對人類的生存威脅?

那這些呢？一個巨大的小行星撞擊地球、附近的超新星或伽馬射線爆炸、氣候大規模轉移淘汰世界糧食生產、世紀病毒、全球核戰爭等等

人工智慧如何規定範圍才算是對人類構成危險？我們來看一個例子，說明一個物種比另一個物種更聰明時候是如何能夠對較小的物種造成生存威脅。以大猩猩和人類的情況，大多數人類對大猩猩並沒有太多的不愉快的想法，但是我們還有其他的目標（生存，明發展），所以我們摧毀了它們的棲息地，沒有什麼大猩猩可以阻止我們。一種比人類聰明得多的AI可能不會讓我們有任何不良的意願，但它可能決定將地球的資源用於自己的目標，而人類無法阻止它。因此，人類才會可能會減少或者被滅絕。

而AI的存在威脅基於兩個前提：

1、智慧爆發的可能性（AI會設計出一個更完美的人工智慧）

2、超級智慧人工智慧的目標與人類的目標不一致

現在，人工不可能比我們聰明，也許人工智慧發展程序會很緩慢，人類將會始終保持對其控制。但目前來看，人工智慧的發展可能性比我們預期的要快得多，人類很可能對其失去控制。即使發生這種情況的可能性非常低，但這些負面後果非常大，以至於我們應該花一些時間來思考這個問題，如何預防這種情況出現。

當然，對於超級智慧人工智慧所帶來的生存威脅，有各種各樣的反駁。人工智慧永遠不可能有自由意志或自己的目標。人性化操作對人工智慧核心程式設計，使其目標將始終與人類的目標保持一致。

所以，我們已經確定，如果存在一些超級智慧的人工智慧，它們的目標與人類的目標有所不同（比如利用人類的資源來替代別的東西），人類就無法阻止它，因此人類將會滅絕。

我想說明這並不意味著我不支援當前的人工智慧研究。而且我也認為人工智慧短期發展（擾亂經濟，自動化武器）的危險對比提升人類工作效率很重要。而且我認為超級智慧AI在未來50年發生的機率很小。但是如果超級智慧真的出現，我們可能到滅絕一刻也不清楚發生什麼事情。

所以，從短期來看，在人工智慧的正常發展和應用下，人工智慧並不是一個存在的威脅。但是隨著深度學習和人工演算法不斷升級和完善，超級智慧的AI真是一個存在的威脅。

建議看看這篇文章，你心中就有數了。

https://www.toutiao.com/i6530463383156687373/

我認為會，那時人類唯一的求生辦法是放棄地球，有興趣的可以耐心看我的觀點。

霍金提過一種“奇點”，就是人類掌控AI和AI掌控人類的那個時間交叉點，可能是3000年也可能是9000年，這個奇點或早或晚，總之早晚會到來。

我們現在先不去關心那個奇點，現在我們只關心人工智慧如何給人類溫柔的一刀一刀。

AI在圍棋比賽打敗人類，那都是小事，各行各業打敗人類，那才是大事。

一、電子商務讓很多人失業: 導購員，生產員，調查員，銀行職員，商業戰略師等等

有些人會疑問，電子商務和AI有什麼關係，要說網際網路是AI的大腦，那電子商務就是大腦裡掌管商業資訊的部分。

AI就是商業天才

AI的觸角已經蔓延到生產，庫房，銷售，物流，反饋各個環節，整個環節都可以用人工智慧操作，而且人類還很滿足，很依賴，很願意把這些交給AI管理。

ebay的AI 能透過分析商品的銷售資料制定出近乎完美的商業戰略。這以前是商業規劃師乾的事。

我們進入超市，雖然很多商品都分類上架，但還是需要導購員站在那笑容滿面地為你介紹，但網上商城不需要了，為你講解的是AI客服，你看到的首頁商品多數是你願意看到的，你購買的商品送貨時間越來越快，因為AI會計算物流最佳路線，選擇交通工具，商品會很難缺貨，因為AI會跟蹤庫存和告知工廠生產。

實體店可能不會很快關門，但失業一定會增加，幾個人乾的事，AI就能幹完，導購失業，客服失業，生產工人失業，連市場調研人員和戰略師都會失業，AI能智慧分析每一個人的消費水平，消費時間，消費內容和信用，連銀行信用調查員也會失業，AI一秒鐘就能算出每一個人的信用級別，取代和失業將不斷重複，失業增加收入下降，AI會計算更省成本的商業戰略，成本下降，失業會更多，失業多，自然消費力更低，AI。

二、教師可能全部失業

師者傳道授業解惑也，但傳統的教育，一個班只有部分人被解惑，老師無法為全班解惑。

一個班50個人，一個老師講課，學生不可能受到公平教育，除非老師是超人，有那心，也沒有那精力，但“教師AI”能，AI能24小時不休息講課，溫和地和學生對答自如，完美回答學生任何疑問，及時分析全班學生的學習狀態，掌握知識的程度，在學生不知不覺中就考試，記錄學生的成績，甚至可以取消考試。

AI管理一個班的學習都是其一，AI可以統籌安排全國所有班級，不同年級，不同水平的學生上課，一個學校的AI的授課經驗可以瞬間分享給全國所有學校的AI，做到經驗和知識的微秒級共享。

三、部分重複性的醫生會失業

美國2004年一年就完成了2萬例機器人手術；

現在，機器人已經能給蝴蝶翅膀動手術了，更準，更快，更無痛苦。

望聞問切的，把脈觀色，所有的經驗都可以進入AI大資料，精確把握感冒症狀，快速開藥，甚至連醫院都不用進，直接遠端診斷。

如果有一天，奈米機器人一旦出現，進入血液，吞噬癌細胞，人類的血液可能將被AI掌管。

這是必然的。

人類不是一直存在的，人類必然會滅亡，如同恐龍的存在和滅亡一樣。人工智慧的發展就是能夠促使人類滅亡的極大可能之一。

人工智慧現在來看在很大程度上改變了人們對於它的認識，比如圍棋等領域。在不長的時間內（十年之內）就有可能明顯的改變人們的生活，在未來，這個領域關係到武器裝備，關係到科技競爭，關係到經濟發展，關係到國家民生。每一個有競爭力的國家無不是大力發展人工智慧及其關聯學科，這就是一條不歸路。如果不發展人工智慧，本國有極大的可能會落後捱打，如果競爭性的發展人工智慧，很快人工智慧就會超越人類所能控制的力量，反過來控制人類。

早晚有一天，人工智慧會成為人類的終結者。

人工智慧對人類來說能替代更多的勞動力！能讓人類過上更方便的幸福生活！人工智慧給人類帶來的利大於弊！弊端就是能讓人類貪婪使其身體向惡劣狀態進化！甚至變異！關於有人說的人工智慧有可能超越人類是完全不可能的事！為什麼這麼說？現在的人工智慧和科技水平還沒有完全分解物質！什麼意思？就是一片小小的樹葉它的內迴圈都搞不明白！更不用說一顆樹和有智慧的動物和高階動物了！現在的科技水平只能製造簡單的動作機器人！連人類的皮毛都不如！就連一個小狗小豬的智慧都沒有！一群小狗能獨立生存！一群機器人沒有人類的智慧就是一堆費鐵！人工智慧永遠都是人類的工具！不會超越人類的！人工智慧計算能力，勞動能力！在人工晶片的指揮下可以超越人類！但是思想是完全沒有的！人類能夠製造出人工智慧自然也有能力毀滅它！……

人工智慧代替勞動力也是沒有辦法的問題。現在企業最大的問題是，人口紅利逐漸消失，招工難，工資成本上升，福利待遇要求高，主要勞動力的90後，又是獨立能力不夠強大，大多家庭經濟條件允許，所以玩的心裡多，成熟的感覺不足。必然出現了用機器代替人力的情況。網購毀了實體，外賣的迅速發展，帶來的大量一次性垃圾用品的浪費和汙染。所以，任何事情過度，必然影響巨大。

人工智慧是把雙刃劍。益害兼有，大勢所趨。中國唯有趨利避害，勇立潮頭，方可百舸爭流，中流擊水，浪遏飛舟。

人工智慧將改天換地，其害在於人類機器化，殭屍人類，退化人類，邊緣人類，而少量靈類人將仍然是風流人物，主宰新物種命運。

先說結論：我個人的淺見是，AI 化生存是人類演化的必然，不以人類的意志為轉移。馬斯克：人類做的所有事情中最可怕的，就是試圖喚醒計算機，研發強人工智慧是迄今為止人類可能面臨的最大的生存危機，應對這個危機的唯一辦法就是：成為 AI 。

人工智慧會給人類帶來災難嗎？其實這句話實質的含義是人工智慧的覺醒會不會威脅到人類的生存？

下面我將帶你逐一剖析人工智慧覺醒話題的方方面面。

覺醒問題的科學實質

人工智慧，簡稱 AI，這個名詞現在幾乎已經到了隨處可見的地步。

2016 年，一隻會下圍棋的“阿法狗”把人類對人工智慧的警惕推向了又一個高潮。如果你也是一個科幻愛好者，可能會跟我一樣追美劇《西部世界》。這部片子向我們細緻描繪了人工智慧是如何被製造出來，並且最終覺醒試圖取代人類（截止到本文寫作時，《西部世界》第二季正在上映）。而美國暢銷書之王丹·布朗今年推出的最新力作《本源》，也是以人工智慧為題材的小說。

大多數人能夠做的工作，未來人工智慧都能做，這一點幾乎沒有什麼爭議。然而，人工智慧是否能夠覺醒，也就是具備自主意識，像人一樣自主思考，這就有非常大的爭議了。

本文將帶你深入瞭解科學界對此的研究歷史和各方觀點。

實際上，從科學的角度來說，覺醒的路徑有兩條：

一條是由人類編制出來的電腦程式覺醒。另一條路徑是把人類的思維和記憶全部上傳到計算機中，讓人類在電腦中覺醒。

到底哪一條路徑更有可能發生呢？讓我們帶著這個問題開始今天的探索之旅。

這是一個非常難以定義的詞，有點兒像“精神”或者“我”這樣的哲學味道很濃的詞。對意識的探究自古就有。

古希臘時代，亞里士多德撰寫了《靈魂論及其他》，闡述了他對生與死、睡與醒、以及其他心腦問題的深入思考。而另一位古希臘學者希波克拉底認為，人類應該知道，我們的喜怒哀樂都來自大腦，且只來自於大腦。這可能是最早的心物一元論。

笛卡爾在 17 世紀提出了心物二元論，他的名言是“我思故我在”，認為人由完全不同的兩種實體組成，一個是心靈，另一個是身體。心靈是非物質實體，永生不滅，不佔空間，具有意識。而身體是物質實體，可以被摧毀，佔據空間。心靈寄居在人的身體，或者說寄居在人的大腦內，大腦也屬於身體的一部分，心靈接受身體傳來的資訊，並向身體傳送指令。

科學的進步使我們對意識的研究不再僅限於哲學領域。

到了 19 世紀末，西班牙神經解剖學家羅曼尼·卡哈爾運用並改進了銀染色法，對神經系統進行了大量研究，創立了神經系統的神經元理論。他認為神經系統並非是連續一片的，而是由一個個的神經元組成。卡哈爾的研究，為現代神經科學奠定了基礎。

現代科學認為，意識是一種“神經反應”，是一種自我感受、自我存在感與對外界感受的綜合體現。換句話說，現代科學已經否定了笛卡爾的心物二元論。科學家認為意識必須依賴於神經元這種實體，它是人自主或者不自主地產生的一系列神經反應的體現。通俗地說，意識就是一種大腦活動。這是一個重要的前提，正是因為意識是基於物質的，我們才有了繼續研究覺醒的可能性。

好了，有了以上這些知識後，我們就可以這樣認為，所謂的覺醒問題，它等價於是否可以用我們現在的計算機系統來完全模擬神經元的活動。

如果能模擬，那麼計算機系統就必然有覺醒的理論可能，反過來，如果神經元的活動是現在的計算機結構根本不可能模擬的，那麼，覺醒就是一個偽命題，至少可以說，人類的意識與電腦的意識是不同的。

於是，覺醒問題就暫時轉換成了計算機系統能否模擬神經元活動的問題。

你看，我剛才的這一番論述就體現了科學思維中非常務實的一面，如果我們只有哲學思維，那麼，光光是研究到底什麼是“我”，什麼又是“精神”，就可能永遠爭論不休了。科學思維則把這個問題轉換成了可以透過邏輯和實證來研究的具體問題。

我們現在拿到了兩個研究物件，一個是計算機系統，另一個則是大腦的神經元系統。現在我們要研究的是這兩個系統之間到底存在哪些異同點，是否是等價的，或者說，計算機系統未來是否有可能可以和大腦神經元系統等價。

圖靈機

你要知道，這個問題相當的複雜，不過已經有許多科學家給出了非常精彩和深入的思考，為了讓你能充分領略這些科學家們的非凡見解，我要先給你講解計算機系統的本質是什麼？

現代所有的計算機，從辦公桌上的電腦，到手機、Pad 以及各種智慧電子裝置，其實從本質上來說，都有一個共通點，它們在本質上都是一臺圖靈機。

怎麼理解這個概念呢，我打一個比方。我小時候喜歡幫媽媽拆舊毛衣，每次我拆毛衣的時候，總是會有一種很神奇的感覺，因為不論有著多麼複雜結構和圖案的毛衣，拆的過程中就發現，其實都是一根或者幾根長長的毛線纏繞出來的。所以，在普通人的眼中，計算機無比複雜，可是在有些科學家的眼中，計算機就像是可以拆成毛線的毛衣，無非就是一臺圖靈機。

但這個比方只能幫你建立一個總體的概念，為了深入理解我後面要講的東西，我還需要繼續給你解釋圖靈機到底是怎麼回事？

圖靈機是英國傳奇科學家圖靈提出來的一種抽象的計算機，我估計你對這個名稱大概是不陌生的，它與我們這次的主題關係重大，所以，我必須讓你對圖靈機的工作原理了解得比別人更多一點。下面的內容可能會比較難，但只要有點耐心，一定難不倒你。

圖靈機只有兩個部件，一根無限長的紙帶，紙帶上畫好了一個個的格子，每一個格子有三種可能，寫著 0 或者 1，或者什麼也不寫，我稱作“空”。然後，有一個讀寫頭，這個讀寫頭可以在紙帶上前後滑動，可以讀取紙帶上的內容，也可以在紙帶上寫字或者把已經寫好的字擦除。你可以把讀寫頭想象成自己拿著一個橡皮檫和一支鉛筆。

（圖靈機的原理）

這個讀寫頭可以給自己標記一個當前狀態值，例如，我用“起”表示讀寫頭的當前狀態是起步，用“終”表示讀寫頭當前的狀態是終了，用“停”表示讀寫頭的當前狀態是停機。讀寫頭還有一個本事，就是可以根據一組條件規則來執行一組動作。

好了，關於圖靈機就介紹完畢了，就是這麼一個假想出來的簡單機器，但是它卻無比強大，它就像是那根可以編織任何華麗毛衣的毛線。圖靈機可以完成任何有限次數的數學和邏輯運算。

我來舉一個具體的例項幫助你理解圖靈機的工作原理。我們只要給圖靈機賦予六條基本的規則，就能讓它完成給任意數字加 1 的工作。這六條基本的規則是這樣的：

第二條：起 0 1 終 右

第三條：起 1 0 起 左

第四條：終 空 空 停 左

第五條：終 0 0 終 右

第六條：終 1 1 終 右

以上就是讓圖靈機完成加法運算的六條規則（程式）。當然，根據初始的數字不同，並不一是每一條規則都會被執行到。但不論遇到什麼情況，讀寫頭一定會從“起”的狀態執行到“停”的狀態，當讀寫頭停下來了，就表示紙帶上顯示的數字是初始數字加 1 後的數字。

下面這張圖是 111+1 = 1000 的計算詳細步驟。（有些讀者可能會不懂，為啥 111 + 1 會等於 1000 呢？因為這是二進位制計算，不是逢十進一，而是逢二進一）

111+1 = 1000 的計算詳細步驟（二進位制）

既然可以加 1 ，那麼加 2 無非就是重複執行 2 次，能執行加法就等於能執行所有的加減乘除，甚至是更高階的冪運算或者開方運算了，讀過高中的讀者都應該明白這其中的道理，一切運算都可以還原為加法運算。

好了，如果聽到這裡，你完全聽懂了，那麼恭喜你，你的見識已經成功地提升了一個境界，你就好像是升級成功的尼奧，可以看透駭客帝國母體的本質了。一切現代的計算機在本質上都是這樣一臺圖靈機。

計算機演算法的侷限

解釋“磨皮”背後的演算法會太複雜，我們簡化一下問題：將圖片從彩色變成黑白。它背後的演算法就是當年研究彩電的人鼓搗出來的，計算過程是這樣：大家都知道任何彩色圖片都是由紅綠藍三原色組成的，也就是照片上的每一個畫素都是一個彩色的點，而這個點都是紅綠藍三種顏色的混和，現在我們只需要利用一個經驗公式，把紅色的顏色值乘以 0.2989，綠色值乘以 0.587，藍色值乘以 0.114 ，再把結果求和，得到的數值就是圖片的灰度數值，把照片上的每一個畫素點計算一遍，轉換成黑白模式，就得到了一張從彩色變成黑白的照片了，它的背後就是數學。

上一節介紹的那六條完成加 1 運算的圖靈機規則也可以叫做程式，計算機程式就是用來描述某種運算過程的機器語言，所有程式還原到最後都是圖靈機中兩個條件加上三個動作的組合。

好了，有了這些前置知識，我們就可以繼續來探討人工智慧是否能覺醒的問題了。

我們現在有兩個研究物件，一個是計算機系統，一個是大腦神經元系統，解決問題的關鍵在於比較這兩者之間的異同點。就我所知，在這個問題上，最早做出深入思考的科學家是英國著名的物理學家彭羅斯，他專門就此問題寫了一本厚厚的專著，叫《皇帝新腦》。彭羅斯認為：只要我們的計算機系統依然是圖靈機，就不可能覺醒。話說得斬釘截鐵，沒有任何含糊。

那彭羅斯何以能得出這麼斬釘截鐵的結論呢？他當然是有論據的。彭羅斯的論據很多也很複雜，我這裡選取其中最重要也是最核心的二個論據解釋給你聽。

第一個論據叫做哥德爾定理。這是大數學家、也是愛因斯坦的好朋友哥德爾證明的。哥德爾定理有兩條：

任何相容的形式系統，只要蘊涵皮亞諾算術公理，就可以在其中構造在體系中不能被證明的真命題，因此透過推演不能得到所有真命題。任何相容的形式系統，只要蘊涵皮亞諾算術公理，它就不能用於證明它本身的相容性。

我估計絕大多數人看不懂，因為術語太多。但是這沒關係，有時候知道自己並不是真正的懂反而是好事，帶著問題去學習效果最好，要真正搞懂哥德爾定理，那需要很多前置知識，再下一番功夫。

我這篇文章是為了科普，所以不得不放棄一些嚴謹性，上面這兩條哥德爾定理可以得出一個推論：在數學中，必定存在既不能證實也不能證偽的命題，假如我們只能用數學本身來證明的話。我務必提醒你注意後半句“假如我們只能用數學本身來證明的話”。這也是很多人對哥德爾定理的一個誤解。哥德爾定理只是說數學本身無法證明所有的數學問題，而並不是說所有的數學問題根本無法證明。假如我們能找到一種比數學更高一個層次的形式邏輯，那麼就有可能證明所有的數學問題了。

再換句話說，就是存在無數個數學結論，但這些結論根本不可能用數學本身給算出來。圖靈機只能用數學來計算數學問題，而且僅僅只是那些數學中可以被有限次計算步驟計算出來的問題，這些問題只佔所有數學問題的一小部分。

但是，我們的人腦好像不是這樣的。

人似乎有一種很厲害的本領叫做“洞察”或者說“直覺”，我們可以憑空冒出許多最終被證明是正確的想法，這些問題完全不像是計算出來的。例如，在數學中有一個經典的不可知問題，就是集合論中的連續統假設，你不需要去搞明白這個假設到底說的是什麼，你只要知道，這個數學問題就是用數學本身無法證實也無法證偽的問題。假如我們的大腦也是像圖靈機一樣工作，那麼按理說，我們只要一想這樣的問題，就應該宕機了，大腦陷入了無限死迴圈。但事實上沒有，而且人類還可以憑空發現這個問題是不可計算的。

在彭羅斯看來，這就說明了，我們人類的意識是高於數學系統的，只要我們的計算機還是圖靈機，還是完全基於數學的框架，那就不可能達到人類意識所表現出來的種種令人驚歎的行為。

第二個論據叫做演算法無法演化。彭羅斯的原話是這樣說的：假如我們的大腦只是在執行一系列非常複雜的演算法，那麼我就應該詢問這種非常複雜有效的演算法從何而來。生物學家告訴我們的答案是“自然選擇”。也就是說，生物在演化過程中，那些更有效、更有利於生存的演算法會保留下來，遺傳給下一代，如此逐步升級。我完全相信自然選擇是生物演化的原理，但是我卻看不出自然選擇本身如何能演化演算法。對比我們所有的電腦程式，你會發現，程式的有效性和概念本身最終要歸功於至少一個人類的意識。

彭羅斯的意思是說，人的大腦可以憑空創造出演算法，但是圖靈機不能自己創造出演算法，只有被人類的意識賦予了那些按照條件執行動作的規則，圖靈機才能執行。

當然，彭羅斯還提出了其他一些論據，包括著名的圖靈停機問題，我這裡不再展開談。總之，彭羅斯的結論就是，人類目前的計算機工作原理是無法創造意識的，電腦和人腦不在一個層次上。

在這裡，我必須提醒大家，彭羅斯《皇帝新腦》這本書的出版年份是 1989 年，那個時候的計算機和今天的相比顯得非常原始，那時候人們對大腦的認識也與今天不可同日而語。但是，即便是在那個年代，即便以彭羅斯當年在科學界的聲望，他的這本書一出，也幾乎是立即就遭到了強烈的反對聲。

例如，著名的認知科學和人工智慧專家馬文·明斯基（Marvin Lee Minsky ）就是反對聲最大的幾個科學家之一。明斯基是麻省理工學院人工智慧實驗室的創始人之一，1969 年就獲得過圖靈獎。有些文章中把他稱為人工智慧之父，當然，有這個稱號的科學家其實很多。明斯基 2016 年去世。

明斯基在看完彭羅斯的書後，在一次學術會議上，非常激動地做了一次演講，題目是“有意識的機器”，其中一段原話是：在某些思想領域，更多的人對我們的無知本性採取了不同的立場。他們努力工作，為的不是找到答案，而是表明根本沒有答案。這就是彭羅斯在《皇帝新腦》中所做的，他在書中一章接一章地反覆叨唸著，人類的思維並不基於任何已知的科學原理。

另外一位著名的人工智慧專家，也就是在 1971 年就獲得過圖靈獎的約翰·麥卡錫（John McCarthy ）在 1998 年的一篇論文中指出：彭羅斯忽略了一點，他宣稱“形成判斷是有自我意識的標誌，程式設計人員是沒法把這一點變成計算機程式的”，而事實上，大多數的 AI 文獻都討論過在機器記憶中有關它做出的事實和判斷的表現。用 AI 的術語表達就是，AI 的認知論部分和啟發式部分一樣突出。

總之，一直到現在，對彭羅斯觀點的反對聲也是不絕於耳。 總的說來，所有的反對聲可以總結為這樣一個觀點：圖靈機的侷限性彭羅斯已經說得很清楚了，但是他卻沒法嚴格證明人腦已經突破了圖靈機的侷限性，我們今天所知的一切看上去令人驚歎的大腦行為，完全有可能依然是在可計算的數學框架內的，並沒有逾越這個大框框。

是不是真的是這樣呢？下一節，我將帶你去了解一下目前人類已經掌握的人工智慧演算法的實質到底是怎樣的。

人工智慧與機器學習

可能在你的認知中，人工智慧的技術原理是根本無法理解的高超技術，只有那些瘋狂的科學家才懂。但是，我卻想告訴你，今天所謂的人工智慧技術可能離你心目中的“智慧”、“智慧”相去甚遠。準確地說，人類今天所掌握的人工智慧技術只是一種“機器學習”和“機率預測”的技術，不但離不開“人工”，也並不“智慧”。

下面我將用一個例項來為你揭開你在各個大佬口中聽到的那些“人工智慧”的實質。

現在，我給你一份泰坦尼克號所有船員的名單。這份名單包含了以下這些資訊：

乘客編號、姓名、艙位、性別、年齡、是否與親戚同行、船票號碼、票價、房間編號、登船碼頭，以及是否存活。

我將這份名單隨機分成兩半，這兩半資料只有唯一的一個差別：我隱藏了其中一組資料中“是否存活”這項。現在，我交給計算機一個任務，就是透過學習其中一半的資料，然後來預測另一半資料中每個人的生死。

這個程式可以寫得極其簡單，也可以寫得很複雜。

最簡單的演算法是：統計一下乘客的死亡率，發現已知的一半人的死亡率是 62% ；有了這個資料，那麼另一半人我把他們全部預測為“死亡”，也有 62% 的正確率了。那怎麼繼續提高預測準確率呢？我們繼續統計已知資料中男女的死亡比例會發現，女性的存活率是 74% ，男性的存活率是 18% 。好了，有了這個資料，我們馬上可以大幅度提高預測的準確性了。

演算法可以繼續複雜和最佳化，乘客的每一個屬性都有可能影響他的存活率，而很多屬性又會交叉影響。但無論怎麼複雜，都是一種數學統計模型：透過已知的這一半資料，不斷地最佳化每一項引數在存活率中所佔的權重，最終得到的是一個數學公式——把乘客的每一個屬性的數值（例如票價、年齡等）代入公式。你可能會問，像性別這種只分男女，沒有數值，怎麼辦呢？這不難辦，在數學建模中，我們可以給男女人為規定一個數值，比如男=1、女=2，或者男=0、女=1，這就看你的演算法怎麼設計。最終，每一個乘客根據這個公式，都會計算出一個表示生或者死的數值。這就完成了從機器學習到預測的全過程。

上面這個例子並不是我杜撰的，而是布魯薩德的新書《人工不智慧》中一個 AI 演算法的例項。我只是將這個例子提煉精髓，做了進一步的簡化。在這個例項中，計算機演算法對於泰坦尼克號上的乘客死亡率的預測準確性可以達到 97% 。

從這個例子中，我們可以得出這樣兩個結論：

人工智慧依賴已知的資料工作：你餵給它的資料越多，它就可以預測得越準確；反之，如果吃不到資料，它就無法工作。人工智慧本質上只是一種數學統計模型的具體應用，本質上還是一個計算器：只是計算公式超複雜，運算速度超快而已，計算機並沒有 “思考”。

所以，人類今天所掌握的人工智慧技術還只是一種“機器學習”和“機率預測”的技術，不但離不開“人工”，也並不“智慧”。現在我們人類所開發出的所有人工智慧程式，不論是“阿法狗”，還是谷歌的打電話 AI ，它們在實質上都依然符合上面兩條。理解了這些，希望你對人工智慧不再感到神秘和膜拜。

顯然，像這樣的人工智慧還遠遠談不上覺醒。

因此，搞人工智慧的圈子把這種型別的人工智慧稱為弱人工智慧，而像《西部世界》中那樣有自我意識的人工智慧則被稱作強人工智慧。

但是也有一些哲學家和科學家認為，弱人工智慧和強人工智慧之間並沒有一條涇渭分明的線，換句話說，無意識和有意識之間也不是生和死這樣的明確差別。我們每個人自以為的自由意志或許只不過是一種幻覺，而這種幻覺只不過是條件和規則足夠複雜後湧現出來的罷了。

他們認為，弱人工智慧本質上是“機器學習”和“機率預測”的技術，但你怎麼知道我們人類所謂的思考其本質上就不是這樣工作的呢？人類做出的任何判斷，也必須依託於過去的經驗。差別僅僅在於條件和規則的複雜程度，當弱人工智慧處理的資料足夠多，執行動作的可能性也足夠多時，自我意識就湧現出來了，也就逐步成為了強人工智慧。

關於人工智慧與自我意識之間關係的哲學思考，有三個著名的思想實驗。知道了這三個思想實驗，你差不多也就大致瞭解了哲學家是怎麼看待人工智慧的覺醒問題。

三個思想實驗

圖靈測試

在 1950 年之前，對於到底什麼才算是“智慧”，不論是哲學家還是科學家，都很難給出一個大家都比較認可的定義，直到圖靈在 1950 年發表了那篇意義非凡的論文。圖靈在這篇論文中大膽地預言具有真正智慧的機器一定會出現。為此，他給智慧下了一個定義，這就是著名的圖靈測試：假如一個人與另外兩個“人”（ A 和 B ）進行不見面的對話，A 是機器，B 是一個真人。但是，無論這個提問者怎麼努力發問，他都無法區分出 A 和 B 到底哪個才是機器，那麼就可以說這臺機器通過了圖靈測試。

圖靈提出，假如一臺機器通過了圖靈測試，我們就可以認為它具備了智慧，也就是說，它覺醒了。圖靈測試之所以出名，因為這是在人工智慧探討方面第一個非常嚴肅而且具備可檢驗性的定義。從中也可以看出當一個受過嚴格科學訓練的科學家進行哲學思考時，他能夠把科學思維帶入到哲學思辨中。

圖靈測試提出後，表示反對的聲音當然一直就有，只是，沒有人能提出一個比圖靈測試更具備可操作性的替代定義。

在所有對圖靈測試的反駁中，最出名的是 1980 年美國哲學家約翰·羅傑斯·塞爾在一篇論文《 心靈、大腦和程式 》中提出的一個思想實驗。

中文房間

假設有一個對漢語一竅不通，只說英語的人關在一間只有一個開口的封閉房間中。房間裡有一本用英文寫成的手冊，指示該如何處理收到的中文問題，及如何以中文回覆。房外的人不斷向房間內遞進用中文寫成的問題。房內的人便按照手冊的說明，查詢到合適的回答，將相應的中文字元組合成對問題的解答，並將答案遞出房間。

塞爾認為，哪怕房裡的人能騙過房外的人，讓對方以為自己懂中文，其實房裡的人壓根就不懂中文。如果把這個思想實驗類比圖靈測試，那麼房裡的人可以比作是試圖透過圖靈測試的計算機，而那本手冊可以類比為計算機程式。雖然房裡的人可以正確地迴應房外人的問題，但是，正如房裡的人壓根不理解中文一樣，計算機也不可能透過程式來獲得理解力。既然計算機沒有理解能力，那“智慧”便更無從談起了。

但是，關於這個思想實驗的爭議也很大。有些哲學家從這個思想實驗中得出的結論反而是所謂人類的理解力也不過就是一種“幻覺”，本質上和查手冊並無區別。有些哲學家反駁塞爾，假如你說的這臺機器能透過查手冊以假亂真，那麼，我完全可以認為它具備了對中文的理解力。所謂的理解，就是人、紙、筆、手冊等所有這些工具聯動起來的一種湧現而已。

另一位美國哲學家丹尼爾·丹尼特就提出了一個與中文房間針鋒相對的思想實驗，試圖論證機器和人不存在本質區別。

億年機器人

丹尼特是美國塔夫茨大學的哲學教授，他在 2013 年出版了一本書《直覺泵和其他思維工具》，就是在這本書中，億年機器人的思想實驗被首次提出。這個實驗是這樣描述的：

假如我們爬進一個休眠倉，希望自己能在 1 億年之後成功地甦醒。為了達成如此艱鉅的目標，我們必須製造出一個能感知環境、迴避風險、尋找資源的機器人，我們只留給他一個指令“讓我活著”，然後我們就休眠了。在這 1 億年中，我們再也無法對這個機器人進行任何干預。機器人為了完成終極目標，必然會把這個大目標分解成無數個小目標，在執行這些目標的過程中，機器人就會開始演化，就會表現得越來越像人。

丹尼特講到這裡，話鋒一轉，他提醒每一個讀者：在這個思想實驗中，我們每個人不就是機器人嘛，而那個思想實驗中的人就是基因。基因創造了生物，然後就放手了，什麼都不管，唯一的指令就是把我傳遞下去。人就是基因為了讓自己永生而演化出來的產物，當基因把控制權讓渡給了人類的那一刻起，人類就擁有了自由意志。

那麼，既然人本來就是機器，機器為什麼就不可以擁有意識呢？

好了，我把對人工智慧是否會覺醒的三個最重要的哲學思考給你介紹完了，不知道你會更傾向於哪一個思想實驗？稍微換了一下腦子後，我還是要繼續帶你回到科學的軌道上來，科研是非常務實的，但每一步都是積累確定的知識。

在科學家看來，覺醒問題可以轉換成計算機系統能否模擬神經元活動的問題。他們有兩個研究物件，一個是計算機系統，另一個則是大腦的神經元系統。從下一節開始，我要給你介紹人類對大腦的研究歷史。

腦電圖

英國生物學家理查德·卡頓 1875 年發現，把電極放置在與視覺相聯絡的腦區表面，然後對實驗中的動物發出閃光的刺激，能夠檢測到電壓的變化。他也觀察到了自發的腦電變化，但他對此沒有特別的興趣，也就沒有進一步探究下去。

幾乎與此同時，波蘭科學家阿道夫·貝克進行了相同的實驗，並得到了相同的結論。貝克對腦表面自發的腦電活動做了這樣的總結：“在第一次實驗和所有的驗證實驗中我都注意到，如果將兩個電極放在大腦半球的兩個固定位置時，兩個電極之間的電位差並不穩定，會有增減變化。這種變化既與呼吸節律無關，也與脈搏不同步，而且這種變化的方式也不取決於動物的運動。我們在被毒素麻痺了的狗身上也發現了這種變化。因此我相信，這些電位變化是腦中樞自發活動的結果。”

在卡頓和貝克從動物實驗得到各自發現的五十年後，人們終於確切地證實了：人腦也有自發的腦電活動。

當時在精神病院工作的德國精神病學家漢斯·伯傑發現，在人的顱骨表面能夠跟蹤記錄到腦電活動。伯傑是在研究了心靈心理現象之後，轉而研究腦電活動的，他最開始的研究內容包括思想感應和心靈致動。他根據自己的發現下了斷言，在思想感應活動期間，儀器能夠跟蹤記錄到人的腦電活動。一年後，也就是 1924 年，伯傑第一次成功記錄到了病人的腦表面自發的腦電活動，並將其命名為“腦電圖”（也就是我們熟知的 EEG）。他的結論是：當受試者的感覺器官受到刺激，或者精神活動活躍時，受試者的腦電壓會降低，並且波動加劇。伯傑對自己的實驗守口如瓶，並禁止其他人進入他的實驗室，也從不與同事討論他的發現。

在第一次發現並記錄到人類腦電圖的五年後，也就是 1929 年，他才第一次公開發表了關於腦電活動的研究成果。從 1929 到 1934 年，他每年發表一篇補充文章。1938 年，他公開蔑視納粹黨的種種針對猶太人的暴行，納粹黨人解除了他精神病院主管的職務，他被迫退休。三年後，他因抑鬱症被送入了精神病院，同時患有嚴重的面板病，他不堪打擊，選擇了上吊自殺。伯傑的發現完全改變了腦科學研究，他本人也幾次被提名諾貝爾獎候選人，但德國納粹從沒有承認過他的重大貢獻。

目前，腦電圖仍然是探測大腦意識最重要的工具，並且，這種方法在未來很長一段時間內可能仍然會是主流。除了腦電圖，還有其他記錄大腦活動的方法，最常見的有兩種，一種是用磁共振掃描器檢測大腦內部的血液動力學反應，另一種是用腦磁圖（MEG）檢查大腦周圍的磁場模式。最近還新誕生了一種名叫“近紅外光譜儀”的技術。但這三種方法，在理論和實際操作上都存在各種問題，因此還不能作為常規方法被應用在臨床上。

腦電圖技術能夠檢測大腦新皮層上由腦電活動產生的微小的電壓變化，變化值在 10-100 微伏之間。新皮層位於大腦外表面，主要負責知覺、動作、記憶和思維等認知活動。腦電訊號是一種透過“體積傳導”機制產生的叢集電訊號，主要由皮層椎體神經元產生，皮層椎體神經元因形狀呈四面體而得名。但 EEG 無法對大腦皮層下的結構進行直接的測量，醫生只能透過 EEG 對皮層細胞的作用進行推斷。

EEG 的一大優勢就在於它不需要受試者進行侵入性手術，比如把核心裝置穿透頭骨連線到大腦內。EEG 只需要將電極直接放置在頭皮上，就可以採集訊號。隨著 EEG 技術的發展，它能採集的腦電訊號的密度也越來越高。現在你甚至最多可以在頭皮上放置 256 根電極。所以，用 EEG 記錄整個大腦的腦電活動的分佈情況已經很容易就能實現了。

腦電圖雖然不需要侵入性手術，但放置電極的過程極其繁瑣。先要擦洗頭部的面板，然後要將溼潤的電極膏塗在幾十甚至幾百個電極上。在採集的時候受試者還要儘量保持不動，如果電極移動，收集到的資料就很容易產生誤差。所有這些問題都限制了腦電圖技術的發展。

不過現在，乾電極橫空出世了，它更敏感，並且使腦電圖儀從臨床專用裝置變成了一款消費品類的裝置。使用者可以連續數小時使用乾電極裝置，獲得關於自己的生物反饋資訊。極客們可以用它分析自己的思維活動，失眠症患者可以用它記錄睡眠狀態。

說了那麼多腦電，那腦電和意識之間的關係又是什麼呢，是不是有腦電就有意識？

其實從 20 世紀 40 年代後期開始，科學家就下了一個判斷，個體有自主意識的最重要的標誌是：能夠檢測到“活躍的”腦電訊號。那什麼又是活躍的腦電訊號呢？簡單說來，它的特徵是，電壓很低且上下快速波動。整個顱骨上的腦電波都是不同步的。一般說來，腦電波越向低頻偏移，意識就越不可能出現。但是，也有很多相反的例子能推翻這一規律。所以，現在的結論是，“活躍的腦電訊號”不能作為特定個體是否存在意識的基本標準。

於是，科學家和臨床醫生需要尋找更可靠的測量方法。

意識的分界線

為什麼需要一個判斷人是否有意識的客觀標準呢？可能你覺得這僅僅是一種研究大腦的科學探索活動。其實，這個客觀標準有著非常重要的現實意義。

有兩類患者，他們的意識狀態非常需要醫生進行判斷。

第一類患者包括創傷性腦損傷、腦炎、腦膜炎、中風或藥物、酒精中毒後具有嚴重意識障礙的人。

患者從這些來勢洶洶的疾病中倖存下來後，身體狀況逐漸穩定，但會出現殘疾。他們有可能臥床不起、無法說話，或者雖然能張口但說不清自己的想法和意圖。這些病人經過適當的護理，避免褥瘡和感染，還可以存活很多年。

這些處於植物人狀態的患者，用術語來說就是無反應性覺醒綜合徵的患者，總是迴圈性地進入和脫離睡眠狀態。醫護人員在床邊對患者說，如果你聽到我的話，捏下我的手或轉動下你的眼睛，但患者並沒有反應。植物人可以把食物吞下去，也可以打哈欠、睜眼、轉動眼球或頭部，但他們並不是有意為之。

患者剩下的只有似乎是無意識的行為，也就是透過腦幹反射來控制生命的基本過程，這些條件反射包括呼吸、從睡眠到甦醒的過渡、心跳、眼動和瞳孔反射。特麗·夏沃是一個很有名的患者。她來自佛羅里達州，心臟驟停後，變成了植物人，這種狀態持續了 15 年，直到 2005 年，她被醫學手段結束了生命，也就是俗稱的安樂死。要求法院結束她生命的正是她的丈夫，而她的父母堅決要求繼續維持女兒的生命跡象，官司一直打到了美國聯邦最高法院，最後她的丈夫勝訴。植物人是現代社會特有的現象。由於有了緊急救護系統和先進的醫療護理，植物人得以在大病後存活下來。在美國，有超過一萬名植物人，他們住在臨終關懷中心、療養院或自己的家中。

儘管從行為上看，植物人似乎對外界沒有意識，但缺乏證據並不意味著這些病人肯定沒有意識，這種科學的懷疑態度，對病人是有益的。畢竟也有植物人醒過來的奇蹟般的事例存在。對植物人患者，醫學上存在一個診斷的“灰色地帶”，也就是在他們是有部分意識還是完全喪失意識上，模稜兩可。有研究表明，20% 的植物人是有意識的，他們其實是被誤診了。對那些照顧患者多年的親友來說，知道自己關心的人是有意識還是無意識，心理上肯定會有完全不同的感受。

在臨床診斷中，MCS 代表最小意識狀態，這類患者不能說話，但卻可以發出訊號。他們發出的訊號往往只是零碎、微小、沒有規律的，比如在適當的情緒狀態下微笑或哭泣，偶爾發出聲音或打手勢，或者用眼睛跟蹤明顯的物體等。我們猜測，這樣的患者存在著微弱的意識，可以意識到一些事情，起碼在某些特定的時刻是這樣。

第二類患者完全不同，他們屬於像我們一樣大腦運轉正常的普通人，只是因為要做手術，進行了麻醉。很多常見的疾病，比如去除惡性腫瘤、固定膝關節等等，都需要使用麻醉。麻醉可以消除疼痛，但也抑制了其他的意識，麻醉會阻止患者移動身體，也會穩定呼吸，控制自主神經系統。這樣的麻醉，一次的效果可以持續數小時。

一般來說，患者不會在手術過程中醒來，所以他們也不會被血淋淋的手術過程嚇到，留下創傷性記憶，困擾終生。倒黴的是，麻醉覺醒可能會在少數的手術中發生，比例是每 1000 例手術會發生一次。如果麻醉師在手術過程中給麻醉患者插管，這種情況就很有可能發生。現有的腦電圖技術能夠監測手術中的麻醉深度。但在種類繁多的麻醉藥物中，沒有一種能對各個年齡段的患者都有效。

這就是臨床醫生認為的最需要判定是否存在意識的兩大類患者。

為了清楚地瞭解他們的意識水平，我們需要一種可靠的探測個體意識的工具。所以，就臨床實踐來說，關鍵問題不是問到底什麼是意識，與其爭論定義，不如發明一個能夠客觀檢測大腦活動強度的工具，有了大腦活動的指標，至少可以脫離只定性不定量的哲學思考。

本世紀初，為了探測意識的整合度，威斯康星大學麥迪遜分校的精神病學家、神經科學家朱利奧·託諾尼和另一位神經科學家馬西米尼的團隊合作，他們基於腦電圖和一種名為“整合資訊理論”的意識理論，透過一種計算機演算法，對意識水平進行了比較粗略的估計。雖然演算法算不上精確，但他們用這種方法，準確區分出了六名健康志願者的狀態，比如他們是清醒地靜靜地閉著眼睛，還是處於深度睡眠的無意識狀態。這初步證明了該方法的有效性。

處於深度睡眠的人，大腦就像一個運轉功能出問題的時鐘。在剛剛所說的實驗中，志願者腦電波的初始波幅大於他醒來時的波幅，但腦電波的持續時間要短得多，並且不會讓相互連線的腦區彼此迴應。深度睡眠時，雖然神經元仍然保持活躍，這一點可以從區域性腦區的強烈反應中得到驗證，但大腦的整合功能已經不再起作用了。清醒大腦中的腦電活動模式，在深度睡眠狀態下的大腦中很難見到。擴充套件該方法，可以區分一些更復雜的大腦狀態。在過去幾年裡，託諾尼、馬西米尼和另外十七位神經科學家，已經在許多受試者中測試了這個方法，並於 2016 年發表了一篇具有里程碑意義的研究論文，詳細總結了這套方法。

研究人員使用經顱磁刺激（TMS）技術，在患者的頭皮上放置了一個封閉線圈，線圈會發送一個脈衝磁場，刺激大腦的相應部位，在皮層神經元中觸發短暫的電流。從不同腦區對脈衝磁場的反應可以看出，如果一個人是清醒的，他的大腦是神經連線完好的，那麼他大部分的大腦皮層的活動都非常複雜，既不是完全規律的，也不是完全隨機的，只能用“複雜”這個詞來形容。

研究人員用一種數學方法評估了大腦的複雜性，想弄清楚不同的腦區在不同的時間範圍上，神經反應究竟存在著多大的差異。這種評估方法來自計算機科學，它的演算法也是著名的 zip 壓縮演算法的基礎。在計算機領域，zip 演算法主要用於壓縮圖片和電影，以減少儲存它們所需的磁碟空間。這也是為什麼科學界將檢測意識的過程稱為刺激與壓縮（zap and zip）的原因。最後，每個人的腦電反應轉換成了一個確切的數字，這個數字就是“擾動複雜度指數”，Perturbational Complexity Index，PCI。如果大腦沒有對磁刺激作出反應，比如大腦皮層受到抑制時就會出現這種情況，又或者腦電僅有微弱的波動，那麼 PCI 的數值就接近於 0。而大腦反應複雜度最高時，PCI 的數值就接近於 1。PCI 是一個在 0 到 1 之間浮動的數值，數值越高，大腦對磁脈衝的反應就越複雜和豐富多樣。

PCI 研究的方向非常明確，接下去就是找到 PCI 的臨界值，也就是在 0 到 1 的數值間定個位，小於這個臨界值，患者就是無意識的，大於這個臨界值，患者就是有意識的。這個臨界值至關重要。它是能夠產生意識的大腦活動複雜度的最小值。那些灰色地帶的患者，用常規方法無法知道他們是否存在意識，那麼就需要用 PCI 去判斷一下他們的大腦意識水平。

2016 年，研究開始了。研究人員在比利時和義大利的一些專科診所，對受試者使用了這項技術。研究發現，當把 PCI 的臨界值設定為 0.31 時，可以完全準確地推斷出那些健康受試者是否有意識。接著就要進入灰色地帶了，先去判斷一下 MCS，也就是最小意識狀態的病人，到底是否存在著意識。最小意識狀態的那組病人，除了具有基本的反射功能，還存在其他意識行為的跡象。在 38 例最小意識狀態患者中，研究人員正確辨識出了其中 36 例存在意識，只把 2 個患者診斷為無意識狀態。接著研究人員就對植物人進行實驗， 在 43 例無法溝通的植物人患者中，有 34 個患者被判定為無意識。而另外 9 名植物人患者的 PCI 值大於 0.31，也就是說，他們大腦反應的擾動複雜性，與許多對照組個體在有意識的狀態下一樣高。這些患者的皮層反應高度複雜，有可能存在意識，只是無法與外界及親人溝通。

除了 PCI 指標，還有一項檢測植物人是否具備意識的方法。2010 年 ，英國劍橋大學腦科學博士亞德里安·歐文帶領的研究小組透過功能性核磁共振成像技術（fMRI），對 23 名植物人的腦部進行了掃描，以觀察他們對於外界刺激的大腦反應。

這 23 名植物人都能夠像正常人那樣交替進入睡眠和醒來的狀態，甚至眼睛也可以睜開，但對外界事物毫無反應，言語、意識和思維能力幾乎接近於零。根據醫學界對於植物人的定義，他們都已經處於了“永久性植物人狀態”。這些植物人中，有 4 人被掃描出，腦部對於外界刺激會產生反應，他們可以想象運動場景，也可以想象空間場景。當他們思考不同問題時，腦部血流會在核磁成像中呈現出不同大腦區域的亮點。

而在這 4 名植物人當中，最令研究人員震驚的是一個已經深度昏迷 5 年的 29 歲男子。他竟然可以對“選擇性問題”做出回答。比如，當問到“你的父親是托馬斯嗎”，他可以透過思考後作出“不是”的反應，而當問他“那你的父親是亞歷山大嗎”，他可以立即做出“是”的反應。研究人員總共問了 6 個類似的問題，其中包括“你是否有姐妹”等。在 6 道是非選擇題中，他竟然答對了 5 題！

這是世界首例科學家與永久性植物人進行的“交談”，當然，這個交談是打引號的。歐文博士說，這不僅僅是一個簡單的檢查或者實驗，最重要的是，它首次提供了一種方法，可以使病人向外界傳達他們的想法。我想，未來，越來越多的技術會幫助植物人透過自我意識來主動選擇他們活著還是離去的命運。這些被禁錮在驅殼中的靈魂也有人權。

不過，科學家們還有很長的路要走。比如：如何改善刺激與壓縮技術，如何進一步驗證 PCI 的臨界值，以保證能 100% 檢測到 MCS 和植物人患者存在的意識。還有一個問題，是否能找到其他生理學或行為學上的方法，幫助我們證明某些植物人患者真的存在意識。又或者，PCI 能否預測植物人患者有多少康復的機率。這些都是 PCI 研究的漫漫長路。但在尋找答案的同時，我們可以慶幸一下，在探索意識這個古老的問題上，我們終於取得了里程碑式的突破。隨著技術的發展，我們還可以去探究嬰兒是從什麼時候開始有意識的，貓狗又是否有意識，這些都是非常有趣的課題。

大腦神經元

接下來，我們要進入本文最核心的部分了，就是比較大腦神經元與計算機系統在物理結構上的異同。

今天，腦科學家認為，我們每個人所謂的“我”其實就是一層大腦皮質而已。它的外形像一顆核桃，表面佈滿了褶皺。如果我們把這層大腦皮質取下來攤平的話，大小大約是 48 釐米見方，就像是放在餐盤底下的那塊餐巾布大小，厚度大約是 2 毫米，比 1 元的硬幣略微厚一點點。

我們的感知、思考、理解、表達、判斷以及七情六慾都只不過是這塊餐巾產生的電訊號。在這塊餐巾中，分佈著大約 200 億個神經元。你可以把神經元想象成是一隻章魚，只不過這隻章魚的每一根觸手都像是一顆大樹一樣又細分出無數的小觸鬚。

巧合的是，2018 年人類能夠製造的最複雜的單塊晶片所包含的電晶體數量也是 200 億個左右。從工作方式的角度來說，電晶體與神經元都相當於一種電位開關，因為它們都是透過兩種狀態來傳遞資訊，有或者沒有動作電位。但是，是不是這樣看來，人類製造的積體電路的複雜程度可以媲美大腦皮質了呢？

這樣想就太天真了，因為決定複雜程度的不僅僅是單個元器件的數量，還有一個更重要的因素，就是這些元器件之間如何連線。

在積體電路中，主要的器件是二極體、三極體和 MOS 管，出現最多的就是 MOS 管，它有四個端，你可以想象成長出四條觸手的章魚，這隻章魚的每條觸手又與另外一隻或者幾隻章魚連線。大致來說，一塊包含 200 億個電晶體的晶片中，還包含著約 1000 億根連線線路。下面這張圖是積體電路的一個區域性設計版圖：

（上圖，每一個方塊都表示一個“器件”，而線條則表示金屬連線線）

我們再來看一下神經元的連線，每一個神經元會和上千個甚至上萬個其他神經元連線。包含 200 億個神經元的大腦皮質層總共包含了約 20 萬億個神經連線。所以，僅從連線複雜性上來說，大腦皮質層的複雜程度依然比今天最複雜的一塊晶片要高出 200 倍。

神經元的連線

神經元區域性放大圖

但這還沒完，積體電路一旦製造完畢，所有的元器件和連線就固定下來終生不變了。但是，大腦神經元的連線不是固定不變的，而是可變的。比如我們學習一項新技能，今天學會了，明天就可能生疏，透過不斷地重複練習，就能掌握一個技能，而且能夠長久不忘。

這個過程其實就是神經元改變自己的形狀、位置和與其他神經元之間的連線。雖然我們現在還不清楚細節，但是我們知道某一些神經元以及由它們組成的某一種固定通路就使得我們能長久掌握一項技能。

聽到這裡，你可能覺得我們好像已經蠻瞭解我們的大腦了，其實，腦科學界都承認，我們現在對大腦複雜性的認識依然只是一點皮毛。這就好像剛剛來到了一大片森林的入口，我們只不過知道了這片森林的面積和入口處一些最典型的大樹情況，這片神秘的森林中到底還藏著多少令人驚訝的東西，我們真的不知道。

說到這裡，我最後想告訴你的結論就是，我們現在能製造的計算機系統的複雜性與大腦相比，至少還有 3、4 個數量級的差異。在我們沒有能力製造出足夠複雜的硬體系統之前，就不要奢談人工智慧的覺醒。

美國艾倫腦科學研究所的所長、首席科學家克里斯托夫•科赫認為：意識是達到一定複雜程度的物理系統所具備的一種屬性。並且，一個物理系統越複雜，它所擁有的意識水平也就越高。如果未來，人類能打造出比人腦還要複雜的計算機系統，人工智慧的意識水平就可能超越人腦。

科赫曾經與 DNA 雙螺旋結構的發現者之一、諾貝爾獎得主克里克一起合作過。他和克里克都認為應該拋棄關於意識的本質到底是什麼的爭論，這種爭論是一種哲學式的思辨，不可能爭出結果。科學研究應該更務實一點，尋找一個判定是否具備意識的客觀標準，也就是一個可以被測量的物理量，用這個物理量來判定一個系統是否具備意識。他主張，用典型的科學的方法，來研究意識的神經機制，比如，哪些特定的分子、神經元和神經迴路與意識有關。可以說，克里克專注於研究意識在大腦中留下的“足跡”，使這個問題回到了科學的正軌上。而我們前面在介紹意識的分界線時，包括科赫在內的測量派已經取得了階段性的里程碑式的進展，可以說他們找到了第一代用來判定意識是否存在的可測量值。

現在讓我們再回到本文一開篇就提出的問題：人工智慧覺醒的兩條路徑，即程式覺醒和意識上傳，到底哪條路徑更有可能走通呢？

我的回答是：殊途同歸！

當我們的計算機系統複雜到足以模擬大腦神經元結構時，兩種覺醒就具備了硬體基礎。但以我所掌握的知識來看，要實現用計算機來模擬大腦神經元的複雜度，或許只有等到量子計算機的成熟才有可能。但是，無論如何，我不認為有哪條物理法則禁止人工智慧的覺醒。

量子計算機

我們現在的計算機稱為“電子計算機”，它的最基本的工作單元是二極體、三極體、MOS 管。但不論是什麼“管”，它的本質就是一個帶開關的管道：關上管道，電子通不過，表示 0；開啟管道，電子透過，則表示1。有了 0 和 1，就可以用二進位制來表示一切資訊。

但是，這裡面有一個最關鍵的核心點，電子計算機用來記錄資訊的基本單元其實不是電子，而是開關。每一個開關，我們稱之為 1 位，也就是我們常說的 1 個位元（bit）。在某一個給定的時刻，資訊單元有多少位，就代表能表達多少位元的資訊量，我們現在的作業系統一般是 64 位的，也就是說用 64 個開關排成一串作為一個最基本的資訊單元。

而量子計算機則從根本上改變了資訊的儲存方式，它用到了量子的一種奇異性質。像電子、光子這樣的基本粒子，我們統稱為量子，所有的量子都有一種很奇異的性質，這種性質被科學家們稱為“量子疊加態”。

比如說，電子有一種性質叫“自旋”，每當我們去測量一個電子的自旋態時，我們總能隨機得到兩種結果（A 或者 B），但非常奇特的是，物理學家們發現，當我們不去測量電子時，電子的自旋態既不是 A 也不是 B，而是同時處在 A 和 B 兩種狀態的疊加態中。不僅是電子的自旋，量子的很多性質都有這種奇異性，例如光子的偏振態。

量子計算機用來記錄資訊的基本單元不再是“開關”，而是用電子的自旋態或者光子的偏振態等來記錄資訊。比如規定，自旋A表示 1，自旋B表示 0，那麼，一個電子就可以同時表示 1 或者 0，因為電子的自旋態在沒有觀察之前，是處在疊加態中的。

所以，在任何一個給定的時刻，電子的數量和資訊量的關係是 2 的 N 次方，這裡的 N 就表示量子的數量，也稱之為量子位元（quatum bit）。

我們來對比一下普通位元與量子位元在資訊量上的差異，前者有多少位就有多少位元的資訊量，而後者是 2 的 N 次方。 2 的 10 次方就是 1024，指數增長是非常驚人的，如果漲到 2 的 20 次方，那麼資訊量就會變為 1048576 位元 ，如果到了 30 次方，就突破 10 億了，如果指數增加到 64 ，我的電腦已經無法計算出 2 的 64 次方到底是多大的數字了，估計比銀河系中原子的總數還多。

由量子計算機的基本原理可知，評價量子計算機效能的一個最基本指標就是看它能同時精確操縱多少個量子，也就是擁有多少位量子位元。

2013 年 5 月，谷歌和 NASA 在加利福尼亞的量子人工智慧實驗室釋出 D-Wave Two，這臺量子計算機的量子位元數是 9 位，同時操縱 9 個量子，換句話說，他的資訊長度是 2 的 9 次方，也就是 512 位。2016 年 8 月，美國馬里蘭大學發明世界上第一臺由 5 量子位元組成的可程式設計量子計算機。中國科技大學潘建偉團隊在 2017 年 5 月 3 日釋出了一臺光量子計算機，量子位元數是 10 位，因此，資訊長度就是 1024 位。量子位元數每增加一位，效能都是一次飛躍，難度也是極高的。這說明，中國在量子計算機上的科研水平已經走在了世界的前列。當然，量子位元的位數並不是全部指標，我們在可程式設計性上還沒能超越國際同行。

量子計算機不僅僅是在資訊長度上有著電子計算機無法比擬的巨大優勢，在計算速度上也有著巨大優勢。電子計算機的計算速度取決於開關的頻率，頻率越高，則算得越快，但不管頻率有多高，電子計算機只能按次序老老實實地一次一次地做加法運算。所以，我們經常看到，評價超級計算機的運算效能都是用每秒鐘運算多少次來評價，這個“次”就是一次最基本的加法運算。

但是，量子計算機卻可以充分利用奇異的量子疊加態，在同一時間，並行處理加法運算，而不用排隊。而且，運算速度會隨著量子位元數的增加呈指數級的增加。我在電視新聞中看到潘建偉在一次講座中就打了個比方，他說如果量子位元數能達到 30 位，那麼我們現在最快的電子計算機用 15 年才能完成的運算量，量子計算機 1 秒鐘就夠了，就是這麼誇張的差距。

不過，以目前人類的理論儲備，哪怕我們實現了 30 位可程式設計的量子計算機，也無法完全取代傳統電子計算機。這是因為，量子計算只對特定的、可以用大規模平行計算解決的需求有優勢，對普通的文字、影象處理沒有任何優勢。換句話說，上網看個電影、發個郵件什麼的，量子計算機根本發揮不出優勢，至少在目前現有的理論框架中，還沒有優勢。但量子計算理論還是一門非常年輕的學科，隨時都有可能在理論上出現突破性的進展，這個就要靠數學家們的努力了。

但是，量子計算機用來模擬超級複雜的物件卻有著電子計算機無法比擬的巨大優勢，像大腦皮質層的 200 億個神經元，如果可以用差不多同等數量級的量子來模擬，那這些量子全部加起來也不會超過一個針尖大小。

量子計算機是完全不同於傳統電子計算機工作原理的計算平臺，它的程式設計模式也完全不同於傳統的程式設計模式。雖然我們現在只是剛剛起步，剛剛做出了原型機，但是，這就像 70 年前的第一臺電子計算機、30 噸重的埃尼亞克誕生一樣。當時的人們絕對想不到今天我們已經能把計算機裝進口袋中，運算速度卻是埃尼亞克的百萬倍。

我們現在也絕對想不到 30 年或者 50 年後量子計算機能發展成什麼樣，量子操縱技術會發展，同時量子計算的原理也會繼續發展，這兩者的發展相輔相成，未來充滿了種種可能性。

未來人會怎樣

前面講的這些還是停留在我們可以把握的近未來。那麼如果把時間的尺度加長，在遠未來，人類與人工智慧的關係又會怎樣呢？我想跟你談談我的思考。

我先請大家思考一個問題，怎麼區分人類智慧和人工智慧。

你現在可能會覺得很清晰，人工智慧不就是計算機中的程式嘛，而人類必須是活的生物體。但是再過 100 年，可能根據這個定義就很難區分出它們來了。因為我們很快就可以在頭腦中植入晶片，利用最新的生物和計算技術來幫助聽不到聲音的人聽到聲音；我們還可以為瞎子植入電子義眼，經過計算機晶片處理後，刺激神經產生影象。在這種技術的進步過程中，都需要用到計算機程式，也就是所謂的人工智慧。這種技術再往下發展的話，我們就可以直接用腦機介面獲取知識。我們可以把這個過程分成四個等級，等級越高，需要的腦機介面的效能也就越高。

這裡假設：我需要獲取的知識是一本書，比如《三體》。第一級，我在腦中用文字搜尋了它，得到了文字的搜尋結果；第二級，我訪問雲端，一秒就回憶起了這本書的全部資訊，雖然我壓根沒看過；第三級，整個雲端都是我大腦的一部分，我想起這本書的時候就知道這本書的全部資訊；第四級，我需要的時候不但能把書倒背如流，還能對佳句有切身感悟。那麼在這種情況下，人工智慧和人類的大腦思考這兩者之間的區別就已經變得模糊了。

或許再過 200 年，我們人類就有可能讓自己在計算機網路中永生，也就是把自己全部的記憶知識全部上載到現在的計算機雲中。到了那個時候，你可能就是一個活在計算機網路中的智慧程式了。但是他擁有你全部的記憶和歷史，還有你自己的思維方式和觀點。如果這一天真的到來，那麼到時一個外部的活人，面對這樣一個計算機程式中的親人，他會把他當成一個人工智慧呢還是當成一個活人呢？

或許再過 300 年，我們就可以為這些上載到計算機程式中的程式人外加一個機器人的身軀，當然也可能是生物體的身軀，這就看你自己的喜好了。那麼這個時候，這個人到底是一個機器人，還是一個活人，你還能說得清楚嗎？

實際上我們已經在朝著這個方向進化，這一切已經發生了。我們每一個人都已經是半機械人，只是你沒有意識到而已。現在讓我來點破吧。你覺得你的眼睛、嘴巴是不是就是你？ 你可能一下子沒反應過來我這個問題問的是什麼。所謂的人其實就是一張展開只有一塊桌布大小的大腦皮質層，你所有的記憶、性格、意識都在這裡存著，你就是大腦皮質，而人的嘴和耳朵只不過是大腦皮質的工具。我們用嘴和耳朵這樣的工具與其他大腦皮質發生資訊交流。而人體的一切器官也不過僅僅是為了讓大腦皮質保持活性的工具而已。那麼，我們現在人手一個的手機也是用來讓我們和其他大腦皮質交換資訊的工具，至於這個工具是拿在手裡還是嵌在人的頭骨上，有什麼本質區別呢？把一個電子心臟塞進你的胸腔裡面和別在腰上有什麼本質區別呢？很快，我們就要穿戴上各種智慧裝置了，萬物互聯的時代也很快會來到，請記住我今天的話，我們已經是半機械人。

我認為自然選擇和進化無時無刻不在發生，現在正在發生，將來也一定會繼續發生。只要是更適合在這個宇宙生存，那麼進化就必然朝著這個方向發展。而在我看來，“變形金剛”這樣的金屬生命，顯然更適合在宇宙中生存。因為他們不需要水，不需要空氣，可以在真空中活著。所以從這個意義上來說，如果我們把時間拉長到幾萬年來看的話，人類朝著“變形金剛”這種方向的發展是不可逆轉的。

很可能在未來的某一天，當人類第一次與真正的外星文明接觸的時候，從飛船上走下來的就是這樣一個一個的“變形金剛”。如果用時髦一點、更科學的話來說，可以把他們看成是矽基生命體，而我們是碳基生命。這些矽基生命給我們講述了一個在宇宙中普遍發生的古老故事。那就是在幾萬年以前他們也曾經是跟我們一樣的碳基生命，但是經過了百萬年的進化之後，他們終於擺脫了母星，自由地翱翔在太空中。現在請你想象一下，你就是第一個聽到這個故事的人。這時候你再回想一下今天社會上關於人工智慧會不會毀滅人類的討論，你大概已經有答案了。

結語

2017 年馬斯克收購了 Neuralink 公司，這位科技界的傳奇人物開始正式進軍腦機介面這個行業。我在一篇對馬斯克的採訪中，看到了幾乎和我在上一節中表達出來的一模一樣的看法。

但在馬斯克眼中，人類做的所有事情中最可怕的，就是試圖喚醒計算機，這種努力開弓沒有回頭箭，一旦開始，就不可能停止了，人類會一直試圖喚醒計算機，直到它真的醒來的那一天，這是正在發生的事情。

現在有兩種觀點：

一種認為強人工智慧會幫我們解決所有問題，

另一種認為我們就是一群把自己不懂的炸彈當玩具玩的小孩。

對於馬斯克和其他許多人來說，研發強人工智慧是迄今為止人類可能面臨的最大的生存危機。應對這個危機的唯一辦法就是：成為 AI。

而我個人的淺見是：AI 化生存是人類演化的必然，不以人類的意志為轉移。

所有事物都有雙面性

科技一直都在改變著人們的生活，同時也影響著人們的生活，我感覺的危害：

1.先說刷臉付款吧，在便利大家生活的同時，還讓人們對金錢的認知度變低，就感覺不是在花自己的錢是的，每次購物回來，都是大量的東西；

2.說說手機吧，如果讓你一天不玩手機，你會怎樣，你想過沒有；

3.工廠在未來的時間都交給人工智慧的話，國家的失業率就會增加，後果是 不堪設想的；

我更贊同人與人工智慧的共生髮展。“人工智慧”四字，“人工”在前“智慧”在後，也確實是因為人的出現和創造才有了智慧化的機器人或者模型演算法。也就是說，人工智慧也是人的產物，那麼就註定了人在人工智慧的發展中必不可少，不是排他關係。

或許有朋友會問，我不是科學家也不是程式設計師，怎麼參與人工智慧開發呢？其實人工智慧也需要“教育”，不是天生就懂萬物能識別萬物的。標註師就是最典型的例子，透過人工把圖片或者某些資訊中的特徵標註出來，從而教育機器進行學習，沒有人的參與，機器也不能很好識別。

舉個例子：車，是人們司空見慣的東西，但是機器怎麼知道一張圖片裡的車是車呢？或許你會說我們程式碼上告訴機器，四個輪子一個殼就是車。那麼如果從正側面拍照，只有兩個輪子怎麼辦？從頂上拍照又怎麼辦？在畫面中出現了汽車、三輪車、電瓶車等等各種輪子的時候，哪個是車？再或者一張圖裡的車被遮擋了一部分，機器還能認識嗎？

以上的問題對人來說非常簡單，但是對於人工智慧需要學習，需要標註師把“車”一個個標註出來再告訴人工智慧這是“車”，機器才慢慢學習，慢慢強大。這只是一個最簡單的例子，因為人工智慧技術的發展誕生的新職業還有很多，包括人工智慧訓練師等等，說白了就是機器也需要老師，而“人”就是最好的教育者。

人工智慧的好處和過人之處就不贅述了，但是我們可以簡單發現，對於重複性很高，機械的工作，人工智慧確實可以輕易取代，但是具有創造性、個性化、情感性、創新性等特徵的工作就不是機器隨意替代的。對於普通工人而言，當我們的機械勞動被人工智慧取代的時候，人就可以投入更細緻的場景和工作中，例如個性化服務等等。

很多人問“當絕大部分工作都可以被機器代替之後，我們要靠什麼生存？”替代不是生來就替代，而是有很多人的參與之後，並且在此過程中，一定有新的職業和場景誕生。重要的是不斷加強自身的進取、學習和奮鬥，畢竟機器都依靠人的力量在不斷學習獲得提升，更何況一個充滿生機和無限可能的人呢。