人工智能与神经生理学：差异为何重要

冲浪科技致力于为人工智能公司提供数据解决方案：人脸数据，语音数据，自动驾驶数据，以及数据采集和标注服务：Homehttp://surfing.ai/index.html

本文来自 Contributor

在希腊Delphi的阿波罗神庙上写着:“认识你自己”。对于每个想要创造人工智能的人来说，记住这些话是很重要的。

本文是《共生而非进化——关于人类智能本质的新观点》一文的续篇。

在前一篇文章中，我们分析了对一个简单传入信号的最小响应时间，我们发现，人类大脑极有可能是一个二元系统，由两种对兴奋作出反应的功能方案组成:反射和智力。

在这篇文章中，我们将讨论第一，反射部分。我们将一起努力找出反射反应机制与算法的相似程度，以及这将如何影响人工智能的未来。

相似并不意味着完全相同

区别究竟是什么?

在大众科学电影中，神经冲动表现为一种信号，像导线一样通过神经细胞传播。我们认为这是电脉冲的生物学类比。

事实上，事实并非如此。神经冲动是钠离子和钾离子通过电位依赖离子通道穿过神经元外膜的剧烈运动。这个过程可以与纸牌或多米诺骨牌的连续下落相比较。在每次神经冲动之后，神经元必须将这些离子送回它们原来的位置。在我们的示例中，这是如何再次从纸牌或多米诺骨牌构建轨道。

神经冲动是一项艰苦的工作。重要的是，在其深层的物理本质上，神经冲动是一种机械工作，而不是像许多人认为的那样是一个电信号。

这严重限制了生物组织中信号传输的速率。信号沿着无髓鞘的小直径纤维以每秒一米的速度传播。就像慢慢地走。对于较大的有髓神经纤维，速度增加到每小时45-60公里。只有一些有厚髓鞘的大型纤维和特殊的朗飞叶拦截，速度达到200-300公里每小时。

平均而言，我们神经系统中的神经脉冲的移动速度比计算机系统中的电信号慢300万倍。神经冲动除了速度慢之外，还会在突触(神经元的连接点)持续停留。为了继续这条路径，信号需要通过神经元的结合点突触间隙。我们可以说神经冲动是一个缓慢的传输过程。

所有这些都表明，神经冲动本身已经是认真努力的结果，而这种努力必须到达路径的终点。

计算机算法的性质完全不同

在计算机中工作的算法是由一系列电压降或机器码提供动力的，这些机器码由传统的1和0组成。 

除了速度和物理本质，反射和算法之间还有一系列重要的区别。神经冲动或反射是一种不可避免的反应，而算法是规则的总和，或一套用于解决特定问题的指令。

换句话说，反射可以是错误的，但不能是沉默的，而算法，相反，作为一个规则，不会出错，但可能不会给出一个答案，如果包含在其中的指令不能执行。

一个简单的例子

想象一个简单的问题，在公式1 + X + 3 = 6中求X的值。算法是这样的:首先6-1 = 5，然后5-3 = 2，所以X = 2。反射会立即回答X = 2。的确，只有当反射者已经遇到过这样的情况，并且通过经验发现答案1和3是错误的，这种情况才会发生。

但是如果情况改变了，问题变得更困难了呢1 + X + Y = 6。对于这样的问题，算法将保持沉默，无法给出答案。事实上，还没有足够的初始数据来回答这个问题。这个选项有几个正确答案。算法无法分辨出哪个是准确的。

对于反射来说，什么都没有改变，反射只会回答X = 2, Y = 3如果反射之前已经完成过这样的任务。如果没有，反射仍然会回答，但很可能会出错。

为什么会这样?

答案在于神经冲动过程的能量消耗。人体神经系统中的信号运动。这是一个能量密集的过程，首先需要在神经元表面产生一个膜电位(高达90毫伏)，然后将其急剧移动，从而产生去极化波。在神经冲动的瞬间，离子迅速穿过细胞膜，之后神经细胞必须将钠离子和钾离子送回它们原来的位置。为此，必须使用特殊的分子泵(钠-钾腺苷三磷酸酶)。

因此，神经组织是我们身体中消耗能量最多的结构。人类大脑的平均重量为1.4公斤，相当于体重的2%，它消耗的能量约占我们身体能量的20%。在一些4-6岁的孩子中，大脑消耗的能量达到了身体可用能量的60% !

所有这些都迫使自然尽可能地节省神经系统的资源。

为了解决一个简单的功能任务，神经系统需要大约100个紧密定位的神经元。海葵(珊瑚虫的一种)有一个如此简单的神经系统(100个神经元)，如果它们从一个地方转移到另一个地方，可以复制(重复)身体的原始方向。

更困难的任务，更多的神经元

额外的任务和功能需要增加神经系统的能力，这不可避免地导致相关神经元分组的增加。因此，需要成百上千的贪婪的神经细胞。

但大自然知道如何找到解决方案，即使似乎什么都无法发明。如果神经系统的工作是如此昂贵，那么就没有必要以如此高昂的代价去获得正确的答案。

犯错的代价更低。

另一方面，错误对自然是没有价值的。如果有机体经常出错，它就会死去，而给出正确答案的那个就会取代它的位置。即使这些答案只是偶然的结果。打个比方，一切本质上都是简单的——只有那些给出正确答案的人才活着。

这表明神经系统的工作与算法只是表面上的相似。事实上，它的核心工作并不是计算，而是反射或简单的基于记忆的刻板决策的重复。

我们星球上任何生物的本性和神经系统都只是以各种记忆机制的形式与预先编写的婴儿床相互作用，但从表面上看，它似乎是一种计算活动。换句话说，试图用计算算法来打败反射，就像试图公平地对待一个变戏法的人。

这种策略，结合突触可塑性，给了生物神经系统巨大的效率。

在自然界中，大脑是一种极其昂贵的商品。因此，它的操作是基于简单但廉价的反射，而不是精确但昂贵的算法。用这种方法，少量的神经元可以解决非常复杂的问题，例如与方向有关的问题。秘密在于，生物神经系统实际上并不计算任何东西，它只是记住正确的答案。经过数十亿年的进化和一个人自己的生命周期，一套普遍的解决方案已经被创造出来，这在以前是成功的。如果不是，那么犯错也并不可怕。这使得即使是微小和原始的神经系统也能同时对刺激作出反应，并维持肌肉张力、呼吸、消化和血液循环等自动功能。

算法在比赛开始前就输了

所有这些都表明，试图基于现有计算算法创造人工智能，我们将从根本上输给自然，即使是与运动相关的简单非智力活动的例子。我们的电子设备将是精确的，但非常耗能，结果是完全低效。 

我们已经在自动驾驶汽车上看到了这一点。自主控制系统开发人员面临的一个意想不到的问题与能源消耗有关。试验性的自动驾驶汽车需要特殊的高性能发电机来为电子控制系统提供动力。

而在自然界中，有非常简单的神经系统可以完美地处理动态操纵的任务。例如，护士鲨(重达110公斤，可攻击人类)的大脑只有8克重，而整个神经系统，连同周围部分的所有纤维，略多于250克。

主要结论

要创造真正的人工智能，我们首先需要的是基于生物反射弧原理工作的电子系统，即零离散性的生物算法。

有趣的是，生物算法的结构框图在上世纪末就已经存在了，但由于模糊的零离散性，它们一直很奇特。唯一的例外是进化算法，它构成了计算智能领域进化建模的基础。

生物学告诉我们，在现实生活中，不是犯错的人输，而是不节约资源的人输。

没有必要害怕错误。事实上，你需要害怕准确的答案所付出的高能耗。

但这只是问题的一部分，这个问题的解决将使创造出相对简单的、能够控制运动和精细运动技能的人工系统成为可能。

为了开发出真正适用于现实生活的人工智能，我们必须弄清楚第二种，即人类大脑的智能方案是如何工作的。