人工智能超级智能即将到来

科技发展日新月异，其进步之快令人叹为观止。人工智能（AI）长期以来要么被认为在日常生活中用途有限，要么被视为遥远的科幻未来景象。然而，一场机器智能革命正在悄然发生，它即将彻底改变我们所知的世界。本文将带您一窥人工智能超级智能的新纪元，并探讨其背后的驱动力——神经科学如何揭示我们大脑的运作机制。.

传统人工智能范式

首次研发出用于破解恩尼格玛密码的在二战期间摩尔定律但其背后的计算方法在很大程度上仍然没有改变。如今的主要区别在于，由于硬件的进步，计算机处理数据的速度大大提升。以现代智能手机为例，其处理器将数十亿个晶体管压缩到一个微小的芯片中。

蛮力胜于智慧

从人工智能的角度来看，这推动了所谓“蛮力计算”的兴起——只要程序员编写出正确的算法，计算机就能凭借其惊人的速度和计算量来解决大型问题。最著名的例子莫过于 IBM的“深蓝”。尽管这样的成就令人印象深刻，但人们长期以来一直对这种机器智能的实用性持怀疑态度。它之所以被称为 “狭义人工智能”或“弱人工智能” ，是因为它通常只适用于解决一些非常具体的问题，而这些问题本质上无法转化为现实世界的复杂性。这使得它几乎不可能模拟人类意识所拥有的那种创造性智能。

另一个例子是谷歌的 DeepMind 项目，该项目开发了 AlphaGo，一款旨在挑战围棋这种极其复杂游戏的AI。在围棋中，蛮力战术并不奏效，而人类的优势在于运用直觉。尽管AlphaGo最终击败了世界冠军李世石，但它是通过大量输入顶尖围棋棋手的对局，复制并融合他们的策略，然后精准地执行每一步棋而实现的。诚然，它取得了成功，但从人工智能发展的宏观角度来看，AlphaGo本质上受限于人类已掌握的知识，几乎没有超越的可能。

人工智能新范式

尽管鲜为人知，但近年来人工智能正经历着一场革命，它采用了一种全新的创新计算方法，能够模拟我们大脑解决问题的方式。与基于规则的算法方法不同，一种名为“深度学习”的新方法实现了巨大的飞跃，创造出一种全新的通用人工智能，它无需被告知该做什么。相反，它就像一个新生儿，从一张白纸开始，通过不断的实验来学习周围的世界，从而解决问题。然后，它在每个阶段都会根据自身发现的最佳解决方案，创造出全新的行为模式。.

这催生了 Alpha Go Zero—— “零”代表着从零开始，仅遵循游戏的简单规则。这个看似无关紧要的名称变化，实际上代表着人工智能重新定义了计算机的能力。

自主学习

Alpha Go Zero 开始与自己对弈围棋，不断尝试各种策略，找出有效和无效的方法，并加以改进，然后再继续对弈。仅仅三天后，它就以惊人的方式运用所学知识击败了击败李世石的 Alpha Go 版本。然而，它并未止步于此，而是继续挑战 Alpha Go 的进化版本（大师级），取得了 100 胜 0 负的战绩。真正令人印象深刻的是，它并非专门为围棋而设计——它似乎只是对围棋情有独钟。.

于是，它开始学习国际象棋。仅仅经过4个小时的自我练习，它的棋艺就足以击败当时的AI世界国际象棋冠军。.

它以一种令人类国际象棋专家瞠目结舌的方式做到了这一点。这是因为它创造了前所未有的全新策略。这包括一系列新颖战术的组合，例如牺牲皇后来获取位置优势，以及用国王进行进攻。专家们称之为“外星象棋”或“疯狂进攻象棋”。AlphaGo Zero 所展现的全新棋风彻底改变了人类对国际象棋的认知。

深度神经网络

那么，这种创造性和自学能力是如何产生的？它与人脑又有何关联？其实，关键在于定性分析而非定量分析。人脑是一个复杂的系统，智能和意识源于数十亿神经元之间的相互作用。为了真正理解其运作机制，人们运用了复杂性理论或系统理论。其核心思想是整体大于部分之和。例如，单个神经元本身并不具备智能，因此，传统的还原论方法在解释大脑整体运作机制时并不适用。

人类大多并非天生就具备一套预设的行为准则。相反，我们通过体验世界、学习和适应来获取信息。这主要由大脑新皮层完成，它运用非线性、非算法的处理方式来寻找最佳行为方案。这些新发现甚至可以被编码成自动化的行为，无需思考即可执行——想象一下，有人在你旁边戳破了一个气球。.

人工智能领域的新革命采用了一种惊人相似的方法，即通过深度神经网络，其运作方式与我们大脑新皮层的工作方式非常相似。它不再像传统人工智能那样逐个串行处理信息，而是并行计算，并通过近乎有机的交互方式进行运算。这种方法比传统人工智能消耗的计算资源少得多，却能达到更广泛的智能水平。最重要的是，一旦创建完成，就无需任何编程工作——只需将问题呈现给人工智能即可。

奇怪的是，就像大脑一样，深度学习在根本层面上的运作方式仍然是个谜。.