卷积网络：我不生产智商，我只是人脑的搬运工

一代代研究者都致力于让机器模仿人类的心理机制和认知结构。但是，科学家们真的完全掌握了人类的思考之钥吗？

从机器智能遭遇的困境来看，显然不是。

“框架方法”，本身就对思维套路有着极强的依赖，只能依靠人类预先观察并解决机器可能遇到的所有框架型问题。

然而人类思索“如何把钢琴搬上楼”这样有一定难度的新问题时，恐怕不会拿出笔来画一张逻辑清晰的思维导图。更常见的做法是，用一种无意识的快速反应直接指向了答案，甚至来不及详细观察推理过程，比如“什么三段论使我相信钢琴可以被抬起来”之类的。

一些思维模式是可以被明确化、系统化的，但更多的心理推理过程是抽象的、内省的，就像是被魔术师掩盖起来的奥秘，至今没有谁能看出端倪。

这种不用思考的 “内省”式经验，是让人类能够“先思而后行”的关键，也是机器无法模仿的。

时至今日，还没有人能够提供什么切实可行的证据来充分而精准地描述出，人类的内省式经验是如何指导他生成思维框架或编写脚本的。

因此，哪怕，从简单的语义到末梢神经元，卷积神经网络已经对人类的“认知之轮”模仿的惟妙惟肖，那些都是建立在能够被描述和形成计算机映射的认知过程上。

AI从整体效果上对认知的各个层级进行模拟，与我们尚未发现的人类大脑的真实活动方式，有可能完全不同。

既然“人类如何思维”还无法被解释，那么给AI一个“高仿大脑”就更是不可能实现的事情了。那么，今天被广泛使用的机器智能构造体系，还靠谱吗？

人类的安全锁：认知之轮的终极悖论

如果我们用“人脑能做什么”来要求智能体，比如在行动前进行周密的思考和架设，三思而后行；又或者是回答非常跳跃的脑筋急转弯，那么AI是永远不可能比人类更智能的了。

这里面存在着一个关于机器智能的悖论：就是如果AI不模仿人类的“认知之轮”，向这个巨大的并行处理器学习如何提取特征、如何生成模型、如何判断，那它就不可能变得智能；

但如果我们想把AI当做“认知之轮”的齿轮箱，试图借由它来一步步推倒到终极问题，搞清楚人脑是如何实现那些惊人的认知功能的，那也会让事情变得一团糟。

就像我们都知道植物通过光合作用能产生葡萄糖，但谁也不会认为，通过观察光合作用并将其计算机程序化，就能创造出糖分。

目前的神经科学家，根本没有提供有效线索，能让我们了解大脑的认知功能究竟是怎样实现的。

如何为这些隐秘的“心理实体”找到合适的程序对应，目前还没有什么答案。在这种制约条件下，我们有一点不成熟的小建议：

1． 尝试用心理学而不是神经科学去解释人脑。

神经科学家特别关心及时的神经元和解剖学，在已经设计出的神经元计算机模型中，很多都是“冯诺依曼式”的构造体系，关注未经过解释的细胞激活方式。但人类认知问题、解决问题的能力，更像是一场思维的魔术表演，和已经被充分认识的大脑组织功能之间，有着一大片空白地带。通过跨学科的认知科学、生物学，生成多维的、更加抽象的“神经矩阵”，可能更快洞悉大脑的秘密；

2． 让AI辅助人类变魔术，而不是相反。

将认知能力与脑组织功能之间的空白详尽地填补起来，才有可能真正创造出快速、灵敏、可以评估风险与价值的智能体，中间还有很长的一段路要走，在这之前，拜托不要再将AI神化成魔术师了，它应该是“自下而上”解决问题的工程师，帮助人类“魔术师”奉献出更精彩的表演。

正如一个研究者自嘲的那样，“（过去）我们放弃了设计智能机器人的目标，转而去设计一杆枪，用它去摧毁别人设计的任何智能机器人！”

总而言之，在人类“认知之轮”的最底层，被盖上了一把密码锁。尽管我们自己也不能打开、无法解释，但就是能隔空取物，成为一个真正的智能担当。

谢天谢地，我们安全了。

文 ／ 脑极体