第三，大腦學(xué)習(xí)與記憶的特征。

我們?nèi)四X還有非常了不起的記憶體系。其一是快速檢索。舉個(gè)例子，我是上個(gè)月見(jiàn)到郝院長(zhǎng)的，今天我見(jiàn)到他的時(shí)候，我馬上就想到，上個(gè)月某日，我在中國(guó)新聞出版研究院見(jiàn)到他。我想這個(gè)事情的時(shí)候，從來(lái)沒(méi)有檢索過(guò)昨天有沒(méi)有見(jiàn)到他，前天有沒(méi)有見(jiàn)到他，大前天有沒(méi)有見(jiàn)到他。但如果我們要在電腦里找一個(gè)文件，電腦要把所有的磁盤(pán)都搜索一遍才能出結(jié)果。所以人類(lèi)可以非?？斓厮阉鳌?/p>

其二是不需要窮舉。這也是非常了不起的性能。例如我今天第一次見(jiàn)到了某位同志。見(jiàn)到這位同志的時(shí)候，我就知道自己以前從來(lái)沒(méi)有見(jiàn)過(guò)他。而電腦做這件事情呢，又要把磁盤(pán)從頭到尾搜索一遍，才會(huì)告訴你沒(méi)有這個(gè)文件。人腦是怎么實(shí)現(xiàn)這點(diǎn)的呢？我把這位同志的相貌跟我腦子里存儲(chǔ)的所有人的臉進(jìn)行比較，找出其中最相似的人臉與之進(jìn)行比較，結(jié)果這位同志和我最熟悉、最相似的那個(gè)人并不是同一個(gè)人，我馬上就判斷，我從來(lái)沒(méi)有見(jiàn)過(guò)這個(gè)人。

其三是從局部到整體。比如我上次見(jiàn)到這位同志，他穿的是紅衣服，這次穿綠衣服；上次他卷發(fā)，這次變直發(fā)了。雖然他的容貌發(fā)生許多變化，只要他的一些基本特征仍然存在，我就還是能把他認(rèn)出來(lái)。這就是從局部到整體的能力。

其四是廣泛聯(lián)系。比如說(shuō)我看到一張相聲演員的照片，我就能馬上意識(shí)到他是說(shuō)相聲的。從一個(gè)人相貌聯(lián)想到他是干什么的，所有性質(zhì)就能快速聯(lián)系起來(lái)，這是很了不起的。這個(gè)性質(zhì)是目前人工智能比較難以全面實(shí)現(xiàn)的，也是其發(fā)展的方向。

第四，大腦的靈活性和創(chuàng)造性。

電腦數(shù)據(jù)由0和1組成，要么是0、要么是1，其數(shù)值是很固定的。人神經(jīng)細(xì)胞之間的連接則是可以變化的，它是根據(jù)經(jīng)驗(yàn)記性調(diào)整的。這個(gè)對(duì)我有用，我可以加強(qiáng)；那個(gè)對(duì)我沒(méi)用，我可以減弱。就這樣不斷調(diào)整，不斷創(chuàng)新。這叫做神經(jīng)可塑性。

在神經(jīng)可塑性研究方面，中國(guó)人做出了很大貢獻(xiàn)。第一個(gè)是馮德培先生，1941年他在《中國(guó)生理學(xué)》雜志上發(fā)表論文，首次論述了短時(shí)程神經(jīng)可塑性。他發(fā)現(xiàn)：在神經(jīng)和肌肉接頭的信號(hào)傳遞過(guò)程中，肌肉接頭原來(lái)反應(yīng)是很小的，受到刺激它就會(huì)變強(qiáng)，如有連續(xù)強(qiáng)刺激則其反應(yīng)就會(huì)更強(qiáng)。

還有一個(gè)中國(guó)人也做了很重要的貢獻(xiàn)，就是蒲慕明院士。他發(fā)現(xiàn)了一種很重要的可塑性的時(shí)間窗口，叫做放電時(shí)序依賴的可續(xù)性（STDP）。2016年，為表彰他在大腦神經(jīng)可塑性分子和細(xì)胞機(jī)制研究方面所做出的開(kāi)創(chuàng)性工作，美國(guó)神經(jīng)科學(xué)學(xué)會(huì)將“2016年度Gruber神經(jīng)科學(xué)獎(jiǎng)”授予他，這是神經(jīng)科學(xué)的國(guó)際最高獎(jiǎng)。

人類(lèi)學(xué)習(xí)非常了不起的一點(diǎn)是，具有小樣本學(xué)習(xí)的能力?，F(xiàn)在的人工智能深度學(xué)習(xí)，要依靠很多樣本去訓(xùn)練才能學(xué)會(huì)，這叫做大數(shù)據(jù)依賴。但人類(lèi)不需要，人類(lèi)只要小樣本學(xué)習(xí)就可以了，甚至只要看一次就能學(xué)會(huì)。此外，人類(lèi)有概念，能夠觸類(lèi)旁通，由這個(gè)概念跨到另外一個(gè)概念，這也是機(jī)器做不到的。再有，人類(lèi)有創(chuàng)造性。舉個(gè)凱庫(kù)勒構(gòu)思苯環(huán)結(jié)構(gòu)的例子。凱庫(kù)勒夢(mèng)到六條蛇纏繞在一起，這使他創(chuàng)造性地構(gòu)思出苯環(huán)六圓環(huán)的結(jié)構(gòu)。這就是人類(lèi)的創(chuàng)造性，而機(jī)器是實(shí)現(xiàn)不了的。

第五，人腦控制運(yùn)動(dòng)的精巧性。

人腦還有一個(gè)非常了不起的性能，就是能夠精細(xì)地控制肌肉的運(yùn)動(dòng)。大家說(shuō)運(yùn)動(dòng)很簡(jiǎn)單，不就是一塊肌肉負(fù)責(zé)收縮，一塊肌肉負(fù)責(zé)舒張嗎？運(yùn)動(dòng)確實(shí)是肌肉的拉和伸。但是我們?nèi)祟?lèi)有600多塊肌肉，假設(shè)每塊肌肉有兩個(gè)狀態(tài)，一個(gè)收，一個(gè)張，不算中間狀態(tài)，600塊肌肉在兩種狀態(tài)下組合數(shù)就有2600個(gè)之多。我們有個(gè)很了不起的結(jié)構(gòu)叫小腦。我剛才講了，人的腦子共有860億個(gè)神經(jīng)細(xì)胞。光是小腦就占了400億，大腦皮層只占100億到200億。人類(lèi)用了一半的神經(jīng)細(xì)胞來(lái)控制我們的運(yùn)動(dòng)，所以我們的運(yùn)動(dòng)控制非常了不起。

現(xiàn)在要測(cè)試一個(gè)機(jī)械手有多厲害，最簡(jiǎn)單的辦法就是抓雞蛋。德國(guó)人在2017年發(fā)明了一個(gè)機(jī)械手，它能抓雞蛋，并且百分之百確保雞蛋不會(huì)破。他用兩個(gè)吸盤(pán)把雞蛋吸住，拎起來(lái)，再放下去。而人手是怎么抓雞蛋的？有一位山東小伙子幾年前創(chuàng)造了一個(gè)世界紀(jì)錄，單手抓14個(gè)雞蛋。由此可見(jiàn)，人類(lèi)控制運(yùn)動(dòng)的能力有多么強(qiáng)。機(jī)器要達(dá)到人的運(yùn)動(dòng)控制水平，基本上是不可能的。

三、腦科學(xué)與人工智能的關(guān)系

第一，人工智能的主要流派與三大浪潮。

人工智能的第一個(gè)流派是符號(hào)主義。符號(hào)主義曾長(zhǎng)期占據(jù)人工智能的主流。它是源于數(shù)理邏輯、基于邏輯推理的智能模擬方法，它把所有問(wèn)題變成一個(gè)數(shù)字、一個(gè)符號(hào)，然后進(jìn)行運(yùn)算，和人腦的工作原理是沒(méi)有關(guān)系的。符號(hào)主義的代表人物叫艾倫·圖靈，他被稱為計(jì)算機(jī)科學(xué)之父、人工智能之父，國(guó)外最著名的人工智能獎(jiǎng)就叫“圖靈獎(jiǎng)”。中國(guó)這個(gè)領(lǐng)域的代表人物是吳文俊院士，他提出用計(jì)算機(jī)證明幾何定理的“吳方法”，開(kāi)創(chuàng)了數(shù)學(xué)機(jī)械化。同樣，中國(guó)最高級(jí)別的人工智能獎(jiǎng)叫“吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)”。

第二個(gè)流派是連接主義。最近興起一種方法叫深度神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)，這種辦法就屬于連接主義，是模擬人的生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法來(lái)實(shí)現(xiàn)人工智能。這種人工智能跟人腦的結(jié)構(gòu)及工作原理是有關(guān)系的。隨著深入學(xué)習(xí)的不斷成功，這個(gè)方法越來(lái)越受到廣大人工智能專(zhuān)家的認(rèn)可，逐漸成為主流。舉個(gè)例子，人工智能有個(gè)很重要的領(lǐng)域叫機(jī)器學(xué)習(xí)，而機(jī)器學(xué)習(xí)有很多種方法，包括決策樹(shù)、遺傳算法等，但這些跟人腦工作的原理都沒(méi)有關(guān)系。只有人工神經(jīng)網(wǎng)絡(luò)發(fā)展的深度學(xué)習(xí)與人腦的結(jié)構(gòu)及工作原理有關(guān)系，現(xiàn)在它已經(jīng)成為熱門(mén)的機(jī)器學(xué)習(xí)方法了。連接主義的代表人物，一位是“深度學(xué)習(xí)之父”杰弗里·辛頓，另一位叫哈薩比斯，他是“阿爾法狗之父”。

人工智能有三次浪潮。第一次浪潮發(fā)明了最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。之后辛頓提出了多層神經(jīng)網(wǎng)絡(luò)，把神經(jīng)科學(xué)中連接強(qiáng)度可調(diào)的概念融入其中，通過(guò)反向傳播去調(diào)節(jié)神經(jīng)的連接強(qiáng)度，于是第二次浪潮開(kāi)始了。但那時(shí)候計(jì)算機(jī)芯片只有奔騰286、386，計(jì)算能力不行，很多任務(wù)完成不了。2006年辛頓又提出深度的神經(jīng)網(wǎng)絡(luò)，發(fā)展了深度學(xué)習(xí)。我們現(xiàn)在正處在第三次人工智能的浪潮里。