電腦和人腦的原理
我們使用的電腦是一個圖靈機，
簡略地說，本質上是一個有限狀態自動機（finite-state automaton）加上一條紙帶（tape）。
這個狀態機可以實現一些固定規則的字符轉換，如果按照二進制的計算規則設計這個狀態機，就可以實現自動的加法計算過程。但是光有計算，只能相當於簡單的計算器，缺點是缺乏記憶，只能識別regular set，應用在regular language上。加上這個tape，就是彌補記憶的不足，可以識別phase grammar定義的語言，功能上得到擴展，能夠實現乘除運算了。
這個tape是一個無限長的紙帶，上面寫滿了01，計算機可以在紙帶的任意位置讀寫。早期的電腦就是老老實實地讀寫紙帶的，現在改進成了磁盤，U盤等等，但本質上是一樣的。
這種設計結構，是針對計算設計的，只要電流流過，就通過有限狀態機的轉換，實現了計算，所以電腦叫計算機是名符其實，這個學名還更準確些。
電腦的記憶也是顯式的，紙帶上存放的是什麼，可以直接讀取，你也可以刪除特定的文件。顯式的存儲有一個缺陷，就是魯棒性不足，磁盤壞道了一點，那這點信息就丟失了。當然，為了彌補這個缺點，實際上我們的電腦在存儲和傳輸信息的時候，通過冗餘和校驗，來提高魯棒性。
圖靈機還有一個致命的缺點：太機械化。這是各個組成部分都定義明確帶來的，圖靈機有完整而明確的理論，概念區分非常清晰，什麼樣的有限狀態自動機可以處理什麼類型的語言，都可以很明確地證明。這是一個優點，卻也形成電腦的一個致命的缺點，缺乏模糊性和通用性，設計的特定程序，只能處理特定的問題。要處理更復雜的內容，提高適用性，就必須提高算法或者程序的複雜度。這種策略面對簡單的模型世界，還是成功的。但應用到真實世界的問題，就出現很多理論上可計算，實際上算不出來的情況，典型的就是旅行商等NP hard問題。這個問題大大限制了程序和算法的通用性，根源就在於現在的電腦是圖靈機。
而人腦則很不同，計算和記憶都是隱式的，而且計算似乎是通過記憶間接實現的。
人腦組成的關鍵是神經元網絡，輸入的神經電衝動經過這個網絡，輸出特定模式的神經衝動信號。所有的記憶都分散存儲在各個神經元內部。
你記起一個人，動用了大量神經元的記憶，所以這個人的形象和事蹟是分散存儲在多個神經元上的。這種記憶存儲是隱式的，你不能找到某個神經元是存儲這個人的（也有研究找到了這種神經元的，但現在還有爭議）。
這種系統和機制的好處就是魯棒性非常強，你殺死個把神經元，對你這個人幾乎沒有影響，不會影響系統整體的輸出模式。
還有一個好處，就是想法難以檢測，如果拿你做個磁共振成像，就知道你喜歡誰，那這個世界就沒那麼多感情糾紛，或者說沒那麼有意思，立馬變枯燥了。
另外，人腦也有弊端，就是不適合計算，所以敵不過現在的電腦。你要做個簡單的計算，先要背乘法口訣，實際上是通過記憶實現計算的。另外，人腦網絡實際上是一個輸入模式，對應特定的輸出模式，由於網絡的複雜性，這種模式的匹配可以有廣泛的適應性，使得人能夠應對複雜的真實世界。
人工智能的出路
圖靈機在理論上是很強大的，幾乎可以實現任意類型的計算，這也是被人感興趣的主要原因。基於圖靈機，早期的人工智能野心勃勃地開發通用問題求解器（General Problem Solver），雖然在一小塊數學領域內成功了，推廣到複雜的真實世界，卻遭遇了巨大的困難，一直沒有很大進展。根據人腦和電腦原理的區別，我這個外行，斗膽提提想法，人工智能可能有兩條出路：
人工神經網絡。
人工神經網絡的發展歷史很早，也出現了一些簡單的應用，但在接近人腦的功能上，也是幾十年沒大進展了。相對於人腦的幾十億個神經元，現在的人工神經網絡是很小的，簡直弱爆了！雖然理論上可以證明，三層神經元網絡可以實現任意的計算，但要接近人腦，我覺得，三層是遠遠不夠的，需要更多。而且結構上，人腦也是高度複雜的，不是按照簡單的層來區分的。人工神經網絡的結構可能也要接近人腦才行，最好是直接在人腦神經網絡結構上，進行模擬。但我們現在連鼠腦的神經連接結構都不清楚，更不用說人腦了。現在越來越熱的連接組計劃，就是要搞清楚這個問題。最近有一個野心勃勃的計劃，通過超級計算機來模擬人腦，他們基於的連接模式是很簡單的功能柱，全部是仿真出來的，並不是基於真實神經元連接結構。即使是這樣，他們也有實力競爭歐洲一個十億歐元的大項目，可見這個問題是多麼重要。但是，即便是現在最NB的超級計算機，計算和並行的能力也比小小的人腦小多了。所以，這個項目投資巨大，但我大膽預測，在十年內效果可能並不顯著，不會像鼓吹的那樣，產生原創的思考，甚至作詩寫小說！
主要依據是：
（1）缺乏真實人腦的神經元連接結構；
（2）計算機的並行能力不足，而且消耗大量計算資源；
（3）需要經驗的積累，來訓練這個網絡；
（4）”知識“的表示和編碼問題沒有解決。這種基於圖靈機的模擬仿真，即使有接近無限快的計算能力，無限快的網絡傳輸，無限大的存儲，無限複雜的程序和算法，得到的智能可能也是一種假象，只是像人的表現罷了，沒有真正的自由意志。
仿生學
圖靈機雖然可以做任意類型的計算，但還是離真實世界有一步不可跨越的界限--可計算性。
真實世界的物理過程是不能完全用計算仿真的，某些過程具有不可計算性！
比如三體運動。
仿生學是我認為最有前景的人工智能方向，因為是通過物理作用來模擬，而不是通過計算來模擬，可以克服不可計算的問題，有希望產生強人工智能的“腦”。通過技術的改進，還有希望能力比人腦強，那就真的到”奇點“了，科技進步的速度到達轉折點。
閱讀更多 1jiaoyu 的文章
