第39节（第1页）

靠讲台最近的加拿大代表团用的是华人译员。那译员灵机一动，全部换成国际象棋术语来翻译。当然是硬凑加胡编，代表们听得频频点头。图海川也听见了，冲他伸个大拇指。

“会下围棋的请举下手？”

不超过五十人。日本和韩国代表几乎是全体。

“会下国际象棋的请举手？”

举手起码多了五倍。

图海川想了想说：“那也不能将就你们。这个问题，围棋比象棋本质得多，因为它几乎没有人为规则。非得用它才能讲清楚。”

下面响起零星的嘘声。图海川讪笑着，跷起二郎腿喝水。

张翰一看他那满不在乎的屌样，斜靠椅背放松的身体，就知道“泥巴时刻”来了——就是朱越在泥巴里面做爱的状态。他手心顿时涌出一把汗。

「–」

“当然是因为我们太低能。”

图海川用空瓶子指着自己的脑袋：“这东西功率不到100瓦，信息传输速度不到每秒100米。阿尔法狗下一盘比赛电费都要3000美元，传输速度是光速。我们发明了这个游戏，一开始和狗的玩法是一样的——本来就该这么玩嘛。然而只要稍稍入门，计算量上去了，我们的脑子就不够用了。要想玩下去，那就只能猛烈削减计算量。

“怎么削减呢？抽象，分类，一层又一层创造新概念，每个概念都把概率计算模糊化，把纯粹的逻辑和计算问题变成教条、经验和价值观。我们把无数种估值计算抽象成‘实地’和‘外势’，把无数种小局面分类成‘好形’和‘恶形’。阿尔法狗亿万次推演的得出的下一手，我们用几个字的模糊教条代替，比如‘逢危需弃’。我们用‘美感’‘虚实’这种非逻辑语言描述围棋，因为我们说不清楚、算不过来。这些低能耗工具真的非常管用，李世石还赢过狗一盘！

2016。3。13，人脑智能在棋盘上最后的辉煌：78手挖制胜。这盘之后阿尔法狗再无败绩。“鬼魅”“凌厉”“天外飞仙”是当时其他人类对白78的描述。78手实际上是误算，然而引发了AI的bug

“这一套玩法听起来很矬。下棋我们是永远下不过AI了。但是阿尔法狗只会下棋，其它什么也不会。东亚人说围棋是人类智能的桂冠，这是自吹自擂。下围棋是个非常简单的智能行为，因为它规则非常简单，因素非常单纯。我们觉得它难是因为19路棋盘太大了，纯属自虐设计。从13路涨到19路，计算量指数暴增，我们又非要玩，就必须搞出这么多复杂的概念来简化它。而狗，因为有一把蛮力，简简单单就把它玩好了。从信息处理和概率学的角度来看，医生诊断病人，或者纯粹靠观察判断老婆有没有偷情，都比下围棋复杂亿万倍。这些事情，我们很多人都能做得很好——”

下面哄堂大笑，都在互相问图海川有没有老婆。

“——但是阿尔法狗就不行。绝对不行。作为一个AI，它非常原始。而我们的大脑是一部通用智能机器，它用它那一套工具和架构，可以对付任何事，解决任何智能问题。我看见同行们在打哈欠了。因为我刚才讲的都是AI研究中的入门常识。为你们的领导着想，请再忍耐我一会儿。

“谁都知道大脑是唯一的通用智能机器。那我们为什么不造个人工大脑呢？这东西可不好造。因为它慢，为了解决问题就进化得极其复杂。上个世纪后半段，有些AI研究者真的尝试过。一个小程序或者一个硬件单元代表一个神经元，让我们弄一大堆胡乱连起来，就叫神经网络！用海量数据训练它，看看它会不会变成大脑？

“当然没有。这些先辈，在业界叫做连接主义者。他们几十年没做出什么成绩，在投资者当中名声臭了。后辈为了出成绩赶紧换方向，AI技术的玩法从连接变成了概率。阿尔法狗就是概率学AI的平型关战役，虽然体量很小没搞定多少鬼子，却吹响了二十一世纪人工智能大进军的号角。因为它证明：我们只要操起这个武器去打，总有能打赢的时候。”

日本代表们听译员解释之后都在笑。

“为什么我会坐下来，从头考虑这些常识问题？因为我感觉概率学已经玩不动了。我的偶像杨立昆，在2017年就说他已经准备好放弃概率学。那时我还是个无知少年，觉得他在无病呻吟。到2029年，我比他更绝望。不是说概率学AI不行，它很厉害。谷歌透镜、人脸识别、自动驾驶、智能辅助设计、诊断系统、智能测谎、无人机刺杀、智能战略防御，不久之前你们还用得很开心。这些都是概率学AI的成果。当代流行的AI中，最差劲的是智能教育系统，教书的AI假装教，上课的学生假装学。最可笑的是AI明星，猴子穿个龙袍就敢去演皇帝。这两个失败都情有可原：在我看来，当个好老师是人类最高智力成就，而表演别人是人类最狡诈的智能行为。这些短板还不算严重。真正严重的是：概率学AI看来永远达不到我的目标——通用人工智能。（注：杨立昆，即YannLeCun，美国人工智能学家，深度学习的创始人之一，被誉为“卷积网络之父”。）

“于是我反复思考那个唯一的通用智能，越想越气愤。它凭什么那么简单却那么厉害啊？”

国务卿不举手直接站起来：“简单？你不是刚说它极其复杂、无法制造吗？”

“它长得极其复杂，运作的原理却非常简单。跟概率学AI正好相反。我们用概率学AI解决一个问题，构造框架简单明了，但具体实现要做非常复杂的设计、计算和测试。其中有些部分纯粹靠反复碰运气，碰到正确答案为止。为什么正确我们都不知道。而且无法移植，能解决人脸识别的AI设计遇到翻译问题马上废掉，几乎是从头做起。也就是说，我们没有一个关于智能的整体解决方案，都是具体问题各自为战。大脑是一个明摆着的整体解决方案。大脑神经元不懂任何算术，更别说概率学，执行的操作就那么两下。组成一个庞大的网络却能解决一切问题。”

“哦？我听过的科学家，都说大脑的运作原理无比复杂。你却说简单？那么简单的话，能分享一下吗？”

“刚才我讲人怎么下棋的时候，已经说过了：记录，模式抽象，分类，层层创造新概念，把记下的模式用来预测。完了。”

国务卿一时摸不着头脑。图海川挥手让他坐下。戈德曼坐在旁边不动如山，根本当他不存在。

“同行们注意！下面是你们不知道的，或者不愿意承认的。连接主义者很不幸。他们的直觉其实是对的，但生活在上个世纪，生物学和认知神经学都太落后，根本不懂大脑。我们先来看看大脑到底怎么工作。

“我们的计算机程序，数据结构非常复杂，大学时数据结构基础就要学一年。谷歌推出的AI数据标准，光是‘张量’一个结构就能把有些专业人士打晕。而大脑呢？它只传输一种信号：神经电位冲动。它只存储一种数据：组合序列。

“我们的感官接受很多种信号：视觉接受电磁波，听觉接受声波，还有压力、惯性方向、热量转移速率、无数种化学分子，气溶和水溶分子接收体系还不一样……大脑可不像计算机，为每种信号规定一种格式。大脑在神经系统的边界层就把它们全都转换成神经元冲动，在内部全都存储为组合序列。所谓冲动，就是一个神经元以电位形式兴奋起来，并把兴奋传给连着它的另一个神经元。每个冲动本身都是一模一样的，区别只在于从谁传给谁。所谓组合，就是哪些神经元一起兴奋。所谓序列，就是不同组合兴奋的先后顺序。这就是大脑唯一的数据形式，大脑用它解决所有问题。它完全依托于神经元之间的网络存在，没有连接就没有数据。所有写过程序的人，请你们仔细品品这种数据结构。多简洁，多优美！

“我们每时每刻都在接受海量的感官信息。视网膜感光细胞就有几百万个，看电影时每秒激励10次左右，已经赶不上电影每秒几十帧的刷新率。虽然大脑有上千亿个神经元，也不可能存下这么多组合序列。这跟下围棋不可能计算穷尽是一个道理。于是大脑使出第二招：模式抽象。

“假设你在看书。印刷文字反射的光线投在你的视网膜上，感光细胞开始一群群激励，向大脑中连着的神经元发送冲动。有些冲动的组合序列代表受激励的感光细胞直线排列，大脑把它抽象为“直线”，在上一层用一个或者几个细胞的组合代表。同样的方法也产生“弧线”这样的抽象。几个‘直线’和‘弧线’的特定序列组合，在更上一层抽象为字母h。几个不同字母的组合序列，在更上一层抽象为单词horse。记录horse的组合序列，会跟另外一些早已存在的序列连接起来——比如你听见这个单词的读音产生的序列，那是耳朵接收音频转换生成的序列。

“所谓连接，就是共同激励，你一兴奋我就兴奋。英国和美国口音horse的念法不同，男人和女人的声音频率也差得远。但是没有关系，它们跟视觉产生的单词序列都连在一起，还跟你曾经看见一匹马的视觉图像序列连在一起。除了英文你还会说中文。那么，ma的发音跟horse天差地远，在你大脑中两个代表不同音频的序列仍然连在一起。这几个序列彼此全部连通，那么就会再次向上层细胞抽象。在这一层，‘马’已经甩掉了黑毛还是白毛、听觉还是视觉、文字还是图像、中文还是英文这些不必要信息，成为一个真正的概念，用一个特定神经元组合记下来。我们可以叫它马细胞。那么以后你不管通过哪种感官接收到关于‘马’的信息，甚至闭上眼自己想一下，马细胞都会兴奋起来。”

“它还会跟大脑中许许多多其它概念连起来。比如另有一个‘牛’的概念。这两个东西的组合序列会很相似，因为抽象出它们的下层序列和关联概念，很多都是重合的。比如四条腿，比如都能被人养。大脑会发觉这两个组合序列相似，虽然不清楚该叫什么，先连起来再说。以后你再听到‘家畜’这个说法，更高一层的概念名字就取好了，新的存储组合也生成了，以后认识的猪和羊都连到这里。这就是大脑的第三招：分类。这种层层抽象还会向上延伸，比如生成‘动物’的概念。还会跟其它概念产生横向连接，比如‘马’可能连接到‘老婆’。为什么会这样连接？因为‘马’这个概念的下层包括一张抽象的、长长的脸。你的大脑中“老婆”这个概念已经连到了这里，双方共用这个下层概念神经元组合，所以连上了。连上之后，别人小声说‘母马’，你就会很敏感，觉得是在骂你老婆。”

听懂的人都听得痴了。没听懂的又开始推测图海川的婚姻问题。